Hopping on Even Ground and Up Stairs with a Single Articulated Leg

This paper presents a method for generating gaits for a one-legged articulated hopping robot. A static optimization procedure produces the initial joint velocities for the flight phase, using the principle of conservation of angular momentum and assuming (nearly) passive flight. Two novel objective functions for this static optimization enable one to choose different gaits by simply changing a few parameters. A dynamic optimization procedure yields a solution for the flight trajectory that minimizes control effort. The stance phase (when the foot is touching the ground) becomes a standard two point boundary value problem, also solved with a dynamic optimization procedure. During the stance phase, the physical joint limitations, ground reaction forces, and the trajectory of the zero-moment point all constrain the solution. After these single-phase optimizations, a complete-cycle optimization procedure, incorporating both flight and stance phases, further reduces the control effort and balances the motion phases. In simulation, the leg hops on even ground and up stairs, exhibiting energy-efficient and intuitively satisfying gaits.     

基于数据仓库的QAR数据分析

针对现有各航空公司分析QAR数据的平台不统一、QAR数据量大、分析和处理数据能力不足、导致海量的数据变成了信息垃圾,在对QAR数据和数据仓库技术研究基础上,结合航空公司关心的问题,设计了QAR数据仓库,给出了数据仓库模型的设计,详细阐述了QAR数据分析主题的提取方法,提出QAR数据仓库的星型模型.通过ETL设计了多维数据集,以超限事件为例展现了对QAR数据的安全分析,为航空公司改进飞行品质、提高安全系数提供依据.     

基于X射线脉冲星导航系统探测器研究

综述了基于X射线脉冲星导航系统探测器的原理,分析了现有的几种不同类型探测器的性能、测时特点和应用的局限性;给出了由多只探测器组成的探测器系统的原理设计,并分析了探测器系统的构成、安装方式以及处理电路;阐述了X射线脉冲星导航系统探测器在航天器导航中的应用以及国外应用先例,为基于X射线脉冲星导航系统探测器的研制提供有用的参考。     

草坪灌溉机器人定位技术的研究

草坪灌溉机器人最基本功能之一是在草坪规划的喷洒栅格中能够自动定位,继而启动喷灌系统完成该栅格的灌溉任务。鉴于草坪景观的要求,不宜在草坪设置各种标杆辅助定位。本研究通过分析两轮独立驱动机器人在行走过程中输入控制量和输出位姿的关系,建立了机器人定位模型,使其能够在草坪上划分的栅格中定位;试验表明该模型对机器人在草坪中的定位与控制是有效的,本系统研究的定位与控制模型对机械构造要求低,成本低,有利农业机器人的推广使用。     

一种水下机器人运动的过程神经元控制

过程神经网络是传统神经网络的拓展, 增加了一个对于时间的聚合算子, 从而更好地模拟了生物神经元的信息处理机制. 这是由于水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量. 结合S函数和预先规划思想, 建立水下机器人过程神经元的运动控制模型. 仿真试验证明,该新型控制模型, 对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等优点.     

基于CMAC的无人机紧密编队飞行控制研究

针对多无人机紧密编队飞行控制系统,提出一种基于小脑模型神经网络的编队飞行队形保持控制器。该控制器以飞行控制系统横向、纵向及垂直方向通道的动态误差作为小脑模型关节控制器（CMAC）的激励信号,并与常规的PID控制器相结合构成系统的复合控制。仿真结果表明：该控制器能够控制无人机编队,在定常运动和机动过程中都可以保持期望队形,且这种控制方法具有超调量较小,鲁棒性强,响应速度快,抗干扰能力强等优点。     

轮腿式机器人倾覆稳定性分析与控制

对于运动在不平坦地形中的移动机器人而言,其倾覆稳定性非常关键．设计了一种结构对称的轮腿式机器人,它有4个独立的轮腿运动单元,能够变化多种构形．采用动态能量稳定锥方法和倾覆稳定性指数对机器人的稳定性进行综合评价,建立了一个模糊神经网络自适应控制系统．根据稳定性指数值,该系统可以实时改变机器人的构形和速度,保证其倾覆稳定性．正弦路面上的仿真结果表明,该系统所产生的动作实时性好、可靠性高,能够降低机器人自主越障过程中的危险．     

基于多环QFT的高超声速飞行器鲁棒控制

阐述了定量反馈理论(QFT)的基本原理和设计方法,针对超燃冲压发动机不同工作状态时高超声速飞行器不确定性模型,应用多环QFT设计了高超声速飞行器纵向飞行控制系统;仿真结果表明,运用QFT方法设计的控制系统不仅具有良好的跟踪性能和抗干扰性能,而且能够很好地解决飞行控制系统由于模型参数具有不确定性而造成的控制系统鲁棒性设计问题,并从工程应用角度为高超飞行器纵向飞行控制系统提供了一种鲁棒控制设计方案。     

基于C-V2X的车路协同自动驾驶关键技术与应用

随着车联网技术的演进,自动驾驶在单车智能的基础上,又有了新的发展形态——车路协同自动驾驶。通过“人-车-路-云”深度融合形成的一体化复杂信息物理系统（cyber physical system,CPS）,可以与自动驾驶车辆实现协同感知、协同决策规划甚至协同控制,提升自动驾驶安全性,帮助克服各类复杂交通环境。首先介绍了车路协同的复杂信息物理系统的概念内涵和总体架构,并提出了车路协同自动驾驶的一系列典型应用场景、技术原理、C-V2X(cellular vehicle-to-everything)性能要求、车路协同系统功能与性能要求,可以为下一阶段智能网联汽车与智能交通的深度融合发展提供参考和解决思路。     

嵌入路网图模型的自动驾驶场景描述语言

深度学习的快速发展带动着自动驾驶技术的迅速进步.深度学习感知模型在识别准确率逐步提升的同时,也存在鲁棒性和可靠性不足等隐患,需要在大量场景下进行充分测试以确保达到可接受的安全标准.基于场景的仿真测试是自动驾驶技术的核心和关键,如何描述和生成多样化仿真测试场景是需要解决的关键问题之一.场景描述语言能够描述自动驾驶场景并在虚拟环境中实例化场景获取仿真数据,但现有的场景描述语言大都缺少对于场景道路结构的高层抽象和描述.提出路网属性图来表示路网中抽象出的实体及他们的关系,并设计能简洁描述场景路网结构的语言SceneRoad. SceneRoad可以基于描述的场景道路结构特征构建路网特征查询图.这样,在路网中搜索符合描述的场景道路特征的问题被抽象为路网图上的子图匹配问题,该问题可用VF2算法求解.进一步地,将SceneRoad作为扩展集成到Scenic场景描述语言中.使用拓展后的语言随机生成大量多样的静态场景并构建仿真数据集.仿真数据集的统计信息表明生成的场景具有丰富的场景多样性.不同感知模型在真实和仿真数据集上的训练测试结果表明,模型在两个数据集上的表现呈正相关,意味着模型在仿真数据集上的评估...