基于Android手机的家居安防系统的设计与实现

数字科技的高速发展使得家居安防趋于网络化和智能化,为了满足人们对居住环境安全性的要求,采用Android智能手机作为监控终端、家庭个人电脑作为服务器、STC89C52单片机作为传感器采集节点的核心处理器,结合WIFI局域网、3/4G运营商网络、NRF传感器网络设计了一个具备环境监测、防火防盗、异常警报功能的安防系统。系统整合了实时视频监控功能,用户可以在Android手机客户端实时观看远程监控视频并作应急处理。联调测试表明该系统稳定可靠,易于扩展,具有实际应用价值。     

基于最优控制LQR的单级倒立摆系统仿真研究

单级倒立摆控制是一个即复杂而又对准确性、怏速性要求很高的非线性不稳定系统控制问题。在倒立摆系统数学模型的基础上,对系统进行了性能分析。应用现代控制理论最优控制LQR方法对单级倒立摆系统进行仿真控制研究,仿真结果说明反馈控制理论对倒立摆系统的控制是有效的,无沦是系统的输出还是各个状态变量都具有较好稳定性和一定的鲁棒性。     

基于遗传算法DDBN参数学习的UUV威胁评估

针对复杂海洋环境下存在不确定事件对无人水下航行器自主作业和安全性所带来的威胁。本文设计了基于动态贝叶斯网络的威胁评估模型和决策推理模型,采用遗传算法实现了离散动态贝叶斯网络参数学习,最终得到最优的模型参数,进而增强了推理模型对海洋环境的快速反应能力。仿真实验结果证明:提出的算法可以得到真实的离散动态贝叶斯网络参数,能够有效地解决复杂海洋环境下UUV威胁评估问题,为UUV的自主任务决策提供有效的参数保障。     

基于高斯混合容积卡尔曼滤波的UUV自主导航定位算法

针对过程噪声为非理想高斯分布时无人水下航行器(UUV)自主导航定位存在噪声模型失配的问题,将高斯混合密度模型与容积卡尔曼滤波(CKF)相结合,设计了基于高斯混合容积卡尔曼滤波(GM-CKF)的UUV导航定位算法。建立了UUV运动模型及观测模型,利用CKF完成各高斯分量的预测更新,并将更新结果进行融合缩减与加权求和,从而实现UUV自主导航定位。通过与EKF、UKF和CKF算法仿真对比实验,验证了GM-CKF可以提高估计精度;通过UUV湖试试验,验证了基于GM-CKF的UUV自主导航定位精度和稳定性优于传统算法,其计算时间满足实时导航定位的要求。