基于MPSO算法的水下机器人PD控制器

为了解决传统水下机器人运动控制器只针对单独的自由度进行解耦控制,从而忽略了各自由度之间耦合效应的问题,设计了一个新型的PD控制器.该控制器在水下机器人6个自由度动力学模型的基础上,根据实际需要进行简化,利用一个运动控制方程实现4个自由度的运动控制.同时采用改进PSO算法自寻优确定控制方程的参数,以提高效率,减少设计时主观因素的影响.最后以某型AUV(autonomous underwater vehicle)为控制对象及试验平台,针对所设计的控制器进行仿真试验,结果验证了该控制器在水下机器人运动控制中的可行性.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

基于最小扰动BP算法的水下机器人运动控制

针对神经网络学习中学习率起到的重要作用,本文提出一种基于最小扰动的神经网络BP算法,通过建立一个计算动态学习率的算法,在不影响网络学习的情况下,使得网络权值的变化最小,从而提高神经网络的稳定性和收敛的速度,作者运用该神经网络算法设计了水下机器人的运动控制器,实验结果表明,该算法具有良好的学习能力,据此设计的控制器控制效果良好,具有实用价值。     

基于NSGA-II 算法的水下机器人水平面运动参数辨识

水下机器人水动力系数的获得是分析其运动及设计控制器的基础。由于水下机器人水平面具有运动强耦合、非线性的特点,采用简单遗传算法来辨识水动力系数时无法使得多个目标函数同时达到最优,所以采用带精英策略非支配排序遗传算法(NSGA-II)来对水平面运动模型进行辨识。利用辨识得到的系数反求水下机器人水平面速度,仿真速度与实测速度曲线吻合较好,表明NSGA-II辨识得到的水动力系数是有效的。     

基于案例的自主式水下机器人全局路径规划的学习算法

首次讨论了基于案例的学习方法在自主式水下机器人全局路径规划中的应用问题,基于案例的学习方法是一种增量式的学习过程,它根据过去的经验进行学习及问题求解。本文对基于案例的学习方法在自主式水下机器人的全局路径规划中的应用框架进行了初步研究,对案例属性的提取、案例的匹配和择优以及案例库的更新等问题提出了相应的算法,最后给出了几组仿真结果。     

基于HSV空间的Retinex煤矿井下图像增强算法

对煤矿井下进行实时监控,收取图像信息,并进行安全警报是矿井安全研究的重要内容。然而,受光照与粉尘等因素的影响,使得煤矿井下采集到的图像比较模糊。针对这一影响,提出了一种基于HSV空间的Retinex煤矿井下图像增强算法：将RGB图像映射到HSV空间中,对HSV空间的对应分量分别处理再映射回RGB空间。在实验中,分别对反映矿井整体信息的图像和反映矿井物体局部细节的图像进行增强处理。实验结果表明：相较于传统Retinex算法,经该算法处理过图像的SSIM、PSRN、信息熵指标均有所提高,且更有助于增强图像的边缘细节,这对煤矿井下的安全防范有重要意义。     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

基于小波包变换的自适应线性均衡算法

在分析小波包和传统自适应线性均衡的基础上,提出了一种基于小波包变换的自适应均衡器结构,并结出了相应的自适应均衡算法,与通常的基于小波变换的自适应均衡算法相比,该算法利用了小波包对小波空间的进一步划分,因此其对信号的去相关能力比小波变换更强,仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现。     

基于生成式对抗网络和多级小波包卷积网络的水下图像增强算法

为了解决水下图像的雾模糊和偏色问题,针对水下图像成像模型提出基于生成式对抗网络（GAN）和改进卷积神经网络（CNN）的水下图像增强算法. 利用生成式对抗网络合成水下图像,以对配对式水下图像数据集进行有效扩充. 利用多级小波变换,以不丢失特征分辨率的方式对水下图像进行多尺度分解,然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取,并利用跳跃连接以防止梯度弥散,克服水下图像的雾模糊效应. 利用风格代价函数学习彩色图像各通道间的相关性,提高模型的色彩校正能力,克服水下图像色彩失真的问题. 实验结果表明,相较对比算法,在主观视觉和客观指标上,本研究所提算法拥有更优秀的综合性能及鲁棒性.     

基于鲁棒学习算法的水下机器人神经网络控制

针对水下机器人神经网络控制系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,结合误差反向传播学习算法,推导出一种新颖的强鲁棒性学习算法,并详细讨论其全局稳定性条件,最后在水下综合探测机器人仿真平台上进行了试验研究.结果表明,控制器对学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

水下机器人改进的S面控制方法

由于水下机器人系统的强非线性以及所处环境的不确定性，水下机器人进行精确作业时的运动控制技术一直是智能水下机器人技术中急于解决而又难于解决的问题。S面控制是一种简单实用的控制方法，但其控制器参数完全靠人工调整，需要设计者有丰富的实际经验。本文提出改进的S面控制方法与S面控制增加了自学习的算法，实现控制参数的自动调整。仿真结果表明改进S面控制方法具有更好的控制精度，更快的响应速度，改善了机器人的工作性能，是一种很实用的水下机器人控制方法。     

水下机器人S面控制器的改进粒子群优化

S面控制器是一种有效的水下机器人的运动控制算法,但需要人工调整参数.为了减少手工调整参数所带来的困难和误差,提出了改进的粒子群优化算法对S面控制器参数进行优化.采用动态压缩因子,加快粒子算法的收敛;引入退火算法,提高粒子算法的局部搜索能力.同时,在S面控制器中引入智能积分项,有效地减小控制器的稳态误差.最后,论述了改进粒子群算法优化S面控制参数的具体过程,并在某型水下机器人上进行了仿真试验和水池试验.试验结果表明,该算法对于水下机器人非线性控制器的参数寻优达到良好的效果,优化后的S面控制具有较快的反应速度和较小的超调.     

基于神经网络的水下机器人航向角跟踪控制

以能量消耗量作为评价函数进行水下机器人运行规划的结果得到随时间变化的目标航向角和理论控制输出。本文探讨基于神经网络的追踪控制器以实现在运动控制过程中对水下机器人被规划航向角进行追踪控制,并探讨实际控制输出与理论控制输出的一致性问题以实现运动过程消耗的操作能量较小。水下机器人“Twin-Burger“航向角控制的游泳池实验结果验证了本文所提出方法的有效性和可行性。     

水下机器人运动控制和仿真的数学模型

水下机器人是一个复杂的非线性对象，建立水下机器人普遍、规范、实用数学模型的问题备受关注，本文给出了这样一种模型，其特点是：（１）取类似线性系统状态方程的形式；（２）只涉及矩阵乘积运算；（３）为表达粘性水动力提出一合理简化方案；（４）把所有可能用于操作控制的量，便于进行多种操作控制；（５）考虑了海浪影响，所给出模型可直接用于控制和仿真。     

小波变换的自适应均衡算法

在分析传统的线性均衡算法的基础上,从用小波级数表示均顺和变换域的角度出发,给出了一种基于正交小波变换的自适应线均衡算法,理论分析和计算机模拟表明,该算法具有较忆的收敛速度,适用于无解析式的小波,其结构简单,易于实现。     

基于改进阈值函数的手指静脉图像增强算法

针对传统图像增强算法对含噪手指静脉图像增强效果差、易丢失图像细节信息的问题,提出一种基于改进阈值函数的手指静脉图像增强算法.首先,对手指静脉图像进行二维小波变换,将小波变换后的低频子带系数非线性增强,各高频子带系数脊波变换得到脊波系数.然后,在脊波域利用改进阈值函数对脊波系数进行处理,将改进后的脊波系数通过脊波逆变换到...     

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。     

基于CLAHE变换的低对比度图像增强改进算法

在智能交通系统中,天气和光照是图像采集质量的重要客观条件,对后续处理及最终监管有不可忽视的影响。针对雾天和夜间等低对比度图像,提出一种基于有限对比度适应性直方图均衡化的改进算法。该方法首先进行RGB和HIS彩色空间转换,其次仅对亮度分量进行CLAHE变换和非线性拉伸,之后做RGB输出。实验结果表明,该方法在提高对比度同时,良好地保持图像的目标信息,能够提高后续识别和监管的有效性。     

基于自适应区域跟踪的自主式水下机器人容错控制

研究自主式水下机器人(autonomous underwater vehicle, AUV)的推进器自适应区域跟踪容错控制方法。 与传统的自主式水下机器人容错控制方法不同,采用区域跟踪控制思想,将控制目标设定为以期望轨迹为中心的空间区域。 针对系统中存在的不确定性及推进器故障问题,采用神经网络进行在线辨识。 考虑到推进器故障时存在推力饱和而导致神经网络学习发散的问题,提出一种包含饱和因子的神经网络权值调整方法。 通过仿真,对所提方法的有效性进行验证。