基于粒子预测的非线性状态目标跟踪算法

对目标状态进行可靠的估计,可以在相对较小搜索区域内完成对模板的搜索,提高跟踪的实时性.卡尔曼(Kalman)预测对线性高斯问题能够提供最优估计,而对目标模型、观测方程等要求的非线性、非高斯问题不再适用,针对此问题,提出利用基于蒙特卡罗(Monte Carlo)模拟方法和贝叶斯估计的粒子滤波(Particle Filter)对非线性、非高斯问题进行位置预测.详细描述了基于粒子预测的目标跟踪算法,并给出实验仿真结果.     

基于单应矩阵分解的轮式移动机器人视觉伺服轨迹跟踪

为了控制移动机器人从当前轨迹跟踪上期望轨迹,设计了一种不需要引入额外变量的机器人轨迹跟踪算法。首先,根据欧式空间下的参考坐标系,与机器人期望坐标系和当前坐标系分别构建单应矩阵,之后通过坐标系变换以及单应矩阵的快速分解得到了当前轨迹与期望轨迹之间的相对位姿关系;然后根据此相对位姿定义了轨迹跟踪误差,求出开环误差方程,最后设计了自适应的视觉伺服轨迹跟踪控制律,并通过李雅普诺夫理论证明了闭环系统渐近稳定。仿真和对比实验结果表明:当t→∞时,移动机器人的当前线速度和角速度与期望线速度和角速度匹配度较高,当前运动轨迹与期望运动轨迹相当一致,当前图像特征点的轨迹序列可以较好地跟踪上期望图像特征点的轨迹序列,此外位姿误差e(t)将收敛于0,且可以使移动机器人跟踪上期望轨迹。     

稀疏投影在目标跟踪中的应用

探讨了稀疏投影表示法在目标检测跟踪系统中的应用.通过一范数(L1)正则化最小二乘算法实现目标特征在模板矩阵的稀疏投影,并根据投影差值最小的目标特征找到最优跟踪状态估计,最后更新模板矩阵以适应目标变化.该方法将基于贝叶斯框架的状态预测和视频采集模板相结合得到最优跟踪轨迹.实验结果表明,该方法能够达到很好的跟踪效果.     

基于MHT的多物体跟踪算法

探讨了多假设跟踪算法(MHT)在多物体检测跟踪系统中的应用方式.该方法采用卡尔曼滤波算法实现跟踪轨迹假设,采用LAP算法实现数据关联,将预测和视频采集测量值结合得到最优跟踪轨迹.实验表明,该方法在实践中达到了较好的效果.     

机器人角速度两种软测量方法的PD控制对比

对比分析了用LPP差分方法和高增益观测器方法估计机器人角速度的有效性，并用这两种角速度估计方法分别形成了机器人两种不同的PD输出反馈控制器．在机器人仿真实验中，对这两种方法产生的动态和稳态估计误差以及闭环系统的动态和稳态跟踪误差进行了对比分析．从这两种方法产生的估计误差及闭环系统跟踪误差的对比结果表明，当角位置测量精确度较高时，利用差分方法估计机器人角速度较理想，而较低时采用观测器方法估计机器人角速度较理想．     

基于扩张状态观测器的板球系统误差反步控制

为提高板球系统的轨迹跟踪精度和抗干扰能力,提出了一种基于扩张状态观测器的误差反步控制策略。首先设计扩张状态观测器,估计出系统受到的不确定扰动。然后将观测出来的平板转角和角速度状态变量与反步法相结合,设计出带有低通滤波性能的误差反步控制器。实验结果表明,所设计的控制器具有良好的轨迹跟踪性能,验证了该控制策略的有效性。     

刚体航天器有限时间输出反馈姿态跟踪控制

为提高航天器系统飞行可靠性,研究角速度信息不可测量的刚体航天器有限时间姿态跟踪控制,将姿态导数信息作为未知状态,设计基于改进自适应超螺旋滑模的状态观测器,避免未知状态导数上界需要已知的约束,将姿态运动方程进行扩维,在有限时间内实现对未知角速度估计.同时考虑环境干扰和模型不确定,设计新的有限时间干扰观测器,结合连续自适应方法实现对系统综合不确定上界的估计.在此基础上,基于终端滑模技术,设计有限时间连续姿态跟踪控制器,较好地减小了控制输入抖振,并采用Lyapunov理论证明了观测器和控制器的有限时间稳定性.最后仿真结果说明了所提方法的有效性.     

欠驱动USV神经网络自适应轨迹跟踪控制

为解决欠驱动USV系统在模型不确定性和未知海流干扰下的水平面轨迹跟踪问题,基于反步法与自适应技术,提出一种非线性鲁棒轨迹跟踪控制策略. 针对欠驱动USV参数不确定问题,运用神经网络自适应方法对欠驱动USV系统未知函数进行估计和逼近;然后,运用动态面方法获取虚拟变量的导数,不仅控制律结构简单,易于工程实现,而且有效地减小了传统反步法中虚拟变量直接求导的复杂性;针对未知时变海流的干扰,设计了一种指数收敛海流观测器,有效估计未知缓慢时变海流速度;其次,基于李雅普诺夫理论证明了所设计的控制器能够保证运动轨迹收敛于期望值,并且保证了该轨迹跟踪闭环控制系统所有信号最终一致有界;最后,在控制输入受限条件下,为检验该控制器的跟踪性能,选取圆轨迹作为参考轨迹,仿真实验表明,该控制器能够有效地实现预期轨迹,神经网络自适应方法对系统未知函数可有效估计和逼近,对未知时变海流干扰具有较强的鲁棒性,轨迹跟踪误差和速度跟踪误差均收敛到零附近的一个邻域内,从而验证了所提出控制器的有效性.     

自抗扰技术在动力翼伞轨迹跟踪控制中的应用

为了降低动力翼伞系统的非线性特性和风场干扰对轨迹跟踪控制的影响,设计基于自抗扰控制技术的轨迹跟踪控制器.根据动力翼伞系统的特性,将动力翼伞系统的轨迹跟踪控制分为水平轨迹控制通道和垂直高度控制通道,分别设计线性扩张状态观测器(LESO)对系统非线性扰动和外部干扰进行估计和补偿.采用零阶保持器法对线性扩张状态观测器进行离散化,提高线性扩张状态观测器对系统状态的估计效果.仿真结果表明,动力翼伞系统的线性自抗扰轨迹跟踪控制器能够克服风场的影响,达到水平方向和竖直方向的轨迹跟踪控制要求,控制效果优于广义预测控制器.     

利用预测滤波法估计小卫星姿态角速度

预测滤波法具有可直接处理线性或非线性模型、实时预测模型误差的优点。结合小卫星姿态运动学方程和预测滤波法,建立了简单的线性估计模型,实时估计姿态角速度,并保证了估计的最优性。仿真结果表明,对姿态角速度的估计精度较高,鲁棒性好。     

基于实时图像的乒乓机器人Kalman跟踪算法

针对乒乓球高速运动图像模糊、空气阻力以及摄像机成像畸变等因素导致的误差问题,提出一种自适应测量协方差的离散Kalman轨迹估计算法.该算法通过动态调整测量协方差的大小,实现了对目标运动轨迹的准确跟踪,并进一步为乒乓球落点预测和手臂击打奠定了基础.实验表明,在图像采集速率高于70 帧/s、乒乓球速度超过5 m/s的情况下,该算法能有效地克服测量噪声和数据丢失的干扰情况的影响,给出优良的跟踪结果.同时该算法跟踪精度高,计算量小,适用于高速目标跟踪的场合.     

Real-time Non-linear Target Tracking Control of Wheeled Mobile Robots

A control strategy for real-time target tracking for wheeled mobile robots is presented.Using a modified Kalman filter for environment perception,a novel tracking control law derived from Lyapunov stability theory is introduced.Tuning of linear velocity and angular velocity with mechanical constraints is applied.The proposed control system can simultaneously solve the target trajectory prediction,real-time tracking,and posture regulation problems of a wheeled mobile robot.Experimental results illustrate the effectiveness of the proposed tracking control laws.     

Real-time Non-linear Target Tracking Control of Wheeled Mobile Robots

A control strategy for real-time target tracking for wheeled mobile robots is presented. Using a modified Kalman filter for environment perception, a novel tracking control law derived from Lyapunov stability theory is introduced. Tuning of linear velocity and angular velocity with mechanical constraints is applied. The proposed control system can simultaneously solve the target trajectory prediction, real-time tracking, and posture regulation problems of a wheeled mobile robot. Experimental results illustrate the effectiveness of the proposed tracking control laws.     

组合Kalman隔点预测法的仿真适应性

将Kalman预测方法用于仿真经纬仪跟踪机动目标,对不同靶标旋转速度下的机动目标跟踪进行了仿真研究。对等角速度模型和等角加速度模型的状态方程输入矩阵G(k)进行了计算。根据Kalman预测曲线与实测曲线误差的标准方差最小原则,确定了两模型的状态噪声与测试噪声的方差比值Q/R,并优化了两模型适合经纬仪的比值Q/R。提出了组合Kalman隔点预测法。对两模型的组合Kalman隔点预测仿真结果进行了对比。得出了两模型的组合Kalman预测法在仿真经纬仪跟踪机动目标时的适应范围。     

Second-order divided difference filter for vision-based relative navigation

A second-order divided difference filter (SDDF) is derived for integrating line of sight measurement from vision sensor with acceleration and angular rate measurements of the follower to estimate the precise relative position,velocity and attitude of two unmanned aerial vehicles (UAVs).The second-order divided difference filter which makes use of multidimensional interpolation formulations to approximate the nonlinear transformations could achieve more accurate estimation and faster convergence from inaccurate initial conditions than standard extended Kalman filter.The filter formulation is based on relative motion equations.The global attitude parameterization is given by quarternion,while a generalized three-dimensional attitude representation is used to define the local attitude error.Simulation results are shown to compare the performance of the second-order divided difference filter with a standard extended Kalman filter approach.     

New autonomous celestial navigation method for lunar satellite

Celestial navigation system is an important autonomous navigation system widely used for deep space exploration missions, in which extended Kalman filter and the measurement of angle between celestial bodies are used to estimate the position and velocity of explorer. In a conventional cartesian coordinate, this navigation system can not be used to achieve accurate determination of position for linearization errors of nonlinear spacecraft motion equation. A new autonomous celestial navigation method has been proposed for lunar satellite using classical orbital parameters. The error of linearizafion is reduced because orbit parameters change much more slowly than the position and velocity used in the cartesian coordinate. Simulations were made with both the cartesiane system and a system based on classical orbital parameters using extended Kalman filter under the same conditions for comparison. The results of comparison demonstrated high precision position determination of lunar satellite using this new m     

基于指令滤波的板球系统误差反步控制器研究

针对存在未知扰动条件下板球系统的轨迹跟踪控制精度不高的问题,研究了一种基于指令滤波的误差反步控制方法。首先,建立板球系统模型,引入二阶指令滤波器,滤除小球位置和速度状态变量的噪声干扰。其次,逐步选取李雅普诺夫函数,设计误差反步控制器,克服系统受到的外界干扰,实现对输入信号的渐进跟踪控制。最后,通过李雅普诺夫理论证明系统稳定性。仿真结果表明,该控制器能够有效抑制干扰,精确地完成轨迹跟踪任务。     

基于MATLAB的6R焊接机器人运动学的仿真研究

为了更好地控制焊接机器人进行精准的焊接作业,以ABBIRB1600型焊接机器人为研究对象,利用MATLAB分析了它的正运动学、逆运动学和轨迹规划问题。基于标准D-H法对其进行建模,建立正运动学方程;在正向运动学的基础上,通过矩阵求逆的方法生成多组非线性方程并得到机器人各关节角度变量的8组解;在关节空间内对该机器人进行运动轨迹仿真,得到各关节轴的角位移、角速度和角加速度随时间变化的平滑曲线,仿真结果证明了所建立的运动学方程的正确性以及该机器人参数的合理性。为后续焊接机器人的轨迹规划研究提供了必要的理论基础和正确的运动学模型。     

基于Meanshift与Kalman的视频目标跟踪算法

针对传统的Meanshift方法在复杂条件下目标跟踪丢失问题,提出了一种将Meanshift与Kalman滤波器融合的视频运动目标跟踪算法。该算法可对跟踪加入运动目标预测,根据Meanshift跟踪结果判断是否开启Kalman滤波器的预测及滤波,能提高跟踪的鲁棒性。实验结果表明,该算法可以有效改善在复杂条件下的跟踪效果,具有较好的鲁棒性。