基于图像雅可比矩阵的无标定二维运动跟踪

研究无标定视觉导引机械臂完成二维平面运动目标精确跟踪的问题.系统的视觉部分采用固定全局视觉与手上局部视觉相结合的方式,拓展了系统的观察能力,使系统能同时实现大范围的运动跟踪和精确的小范围跟踪.根据两种视觉的特点,在全局视觉反馈中使用最优反馈控制,而在手上视觉反馈中使用PI控制.通过分析图像雅可比矩阵的解析表达式以及跟踪过程中的变化规律,提出一种利用机器人已完成的跟踪运动在线辨识雅可比矩阵的方法,避免了传统估计方法引入冗余试探运动对系统动态性能的影响.仿真和实验检验了本方法的性能.     

超高孔密等孔径射孔技术在南海西部深水气田中的应用

南海西部深水气田属高孔高渗透储层,射孔完井后需要进行砾石充填防砂。常规高孔密、大孔径射孔时,由于射孔枪在套管内无法保持居中状态,枪管与套管之间的间隙不一致,导致射孔孔径大小不一,造成不同孔径处砾石填充不均匀。文章提出一种高孔密等孔径的射孔方法,使得射孔孔径相对均一,配合砾石充填,以提高高孔高渗透储层气田的产能。对三种不同结构的药型罩进行射流数值仿真分析,得到最有利于等孔径射孔的药型罩结构,进而对该药型罩进行不同枪管与靶体之间间隙的钢靶有限元仿真分析,得到间隙分别为5 mm、15 mm、25 mm时靶体开口处的直径相对标准偏差仅为9.2%。对178型60孔/m射孔枪进行模拟井下整枪穿套管抗爆性能测试,结果符合国标GB/T 20489—2006的要求。混凝土靶偏心射孔试验结果表明等孔径射孔弹孔径偏差仅为9.8%,与数值仿真结果较为吻合,远小于常规大孔径射孔弹孔径偏差,且穿深性能与常规大孔径射孔弹一致。超高孔密等孔径射孔技术成功应用于南海西部X-2深水气田并获得高产,对国内其他高孔高渗储层的开发具有借鉴意义。     

一种基于用户意图建模的Internet移动机器人控制方法

Internet上数据传输存在的不确定性时延,使得遥操作的网络机器人无法及时完成远程操作者期望的动作．提出一种新的方法,即对用户意图进行建模,通过移动机器人的自主性来补偿不确定时延对系统性能造成的影响．在对用户操作机器人的意图建立模型后,利用贝叶斯技术对用户意图进行渐进推断,从而使得机器人能够识别用户赋予的任务,并自主地执行该任务,而无需与用户频繁交互．这大大减少了数据传输、提高了整个控制系统的效率．实验结果证明了所提方法的有效性和可行性．     

迎接网络经济时代的挑战

本文在2000年上海科技论坛青年学者论坛IT研讨会基础上，阐述了上海市网络经济发展的现状、前景与对策，着重就通信网络、远程教育、企业信息化、自动化、天地一体化、Linux技术等网络经济发展中的重大问题进行了研讨，形成了一些可供政府和决策部门参考与实施的科学方案与建议。     

机器人抓取运动目标的轨迹规划方法

本文讨论了机器人在抓取运动目标前的接近轨迹规划问题，给出了一种新的在平面上抓取目标的方案。这种方案适用于机器人接近作直线运动或轨迹已知的平面曲线运动的目标的轨迹规划。本文还研究了当目标沿直线以不同速度运动时机器人手爪要抓取它而必须达到的最小末端速度，最后给出了一些仿真结果。     

基于干扰抑制控制的飞行器姿态跟踪

本文针对飞行器姿态跟踪控制问题, 考虑系统的内部模型不确定性和外界扰动, 设计了使跟踪误差一致最终有界的控制器. 以四元数为姿态参数, 建立系统的非线性误差模型; 将控制系统分为内环观测器和外环控制器分别设计, 其中, 线性扩张状态观测器作为系统内环将实际系统补偿为标称模型, 而外环非线性控制器则用于镇定非线性标称系统. 最后, 利用Lyapunov理论得到了一致最终有界的稳定性结论, 并基于频域理论, 分析了线性扩张状态观测器阶次对系统性能的影响. 姿态跟踪实验表明, 本文设计的控制系统能够有效实现飞行器的姿态跟踪控制.     

人脸显性特征的融合构造方法及识别

 目前的人脸识别研究中,面部几何特征没有得到很好的利用.本文阐述了几何特征对于人脸识别的重要性,在此基础上提出了一种提取面部几何特征的新方法;通过融合几何信息和纹理信息构造出一种面部显性特征,并给出了相应的人脸识别方法.这种新的人脸识别方法相对于基于统计学习的子空间方法具有一定的优势,同时也可作为后者的有益补充.实验表明,本文提出的人脸表示特征及识别方法对人脸表情变化和环境光照变化均有一定的鲁棒性.     

基于神经网络的机器人手眼无标定平面视觉跟踪

在手眼关系及摄像机模型完全未知的情况下,建立了眼在手上机器人平面视觉跟踪问题的非线性视觉映射模型,将图像特征空间和机器人工作空间紧密地联系起来.在此基础上,设计了基于人工神经网络的视觉跟踪控制方案,将视觉跟踪问题转化为图像特征空间中的定位问题.仿真结果表明该算法能完全消除稳态跟踪误差,具有很强的环境适应性和容错能力,算法简单,易于实时实现.     

一种用于机器人的物体运动参数快速识别方法

为了使机器人能跟踪并抓取运动目标,实时给出目标物的运动参数是首要问题,也是个困难的问题.本文给出一种物体二维运动的快速估计算法,不需要抽取物体特征,也不需要事先知道物体的模型,而是通过运动物体序列图像的复数矩与运动参数之间的关系,来恢复物体的二维运动.该算法与基于傅里叶描述子的运动估计方法进行了比较,证明了算法的快速性和准确性.