基于包络切换的四旋翼吊挂无人机避障轨迹优化研究

考虑非圆避障区域以及吊挂载荷摆动导致的包络圆切换,开展四旋翼吊挂无人机避障飞行轨迹优化研究.首先,通过互补约束对拉紧-松弛系绳进行统一描述,建立了吊挂四旋翼无人机系统的整体动力学模型;而后,采用R函数建立了不同包络圆情形下的统一避障约束方程,使用碰撞检测算法计算包络圆与障碍物的距离,并通过非线性最优控制方法建立了吊挂无人机避障轨迹优化数学模型;继而利用Legendre-Gauss-Radau伪谱法将开环非线性最优控制问题离散为非线性规划问题,通过数值求解得到了吊挂无人机的最优运动轨迹.最后,通过数值仿真算例验证了所提出的轨迹优化算法的有效性.     

基于傅里叶级数的小推力航天器快速轨迹设计

为了满足小推力航天器交会轨迹的快速性设计需求,基于形状逼近理论,设计了一种三维轨迹模型.将轨迹设计问题转换为求解傅里叶级数的系数问题,避免了轨迹运动方程非线性强、难以求解的难题,极大地提高了计算效率.考虑到推力加速度的限制,建立了加速度约束方程,并结合轨迹的运动方程,给出了傅里叶级数的求解过程.同时根据边界条件和最大推力加速度值,定性地分析了傅里叶系数的存在条件.仿真验证了该方法的正确性和可行性,并从计算效率上与高斯伪谱法进行了对比,结果表明本文的方法计算耗时仅为高斯伪谱法的0.67%.     

基于特征空间轨迹匹配方式的语音关键词检测法

语音关键词识别是近年来颇受重视的一个研究领域,文章基于特征空间轨迹的时间规整化原理,提出了一种高性能的关键词检测法,并探讨了轨迹等分长度对该算法检测性能的影响。实验结果表明,基于特征空间轨迹匹配方式的关键词检测法的检测性能接近于人工检测,具有一定的实用性。     

轨迹分布模式学习的层次自组织神经网络方法

提出一个层次自组织神经网络模型，并将其应用于基于事件识别的轨迹分布模式学习中。该文利用神经元的侧向连接将神经元连成若干条线，每条线对应一个“内部网”。对应于层次神经网络模型，建立了两个领域，即神经元领域和“内部网”领域，两个领域内的神经元都要不同程度地改变权值，从而完成运动轨迹分布模式的学习。还给出了利用轨迹分布模式检测出局部可能的异常现象、检测整个运动轨迹所表示的事件是否为异常事件和目标行为预测的方法。实验进一步说明了该方法的可行性和有效性。     

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用了小波基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.     

基于立体视觉的三维视频轨迹跟踪

介绍了一种基于立体视觉原理的三维视频轨迹跟踪方法，该方法在实验空间安置了四个邻近的特征点，利用立体视觉原理对空间中特征点的运动轨迹进行分析，跟踪和预测，并根据四个特征点的位置关系计算出特征点所在平面的空间姿态参数。本文利用这种方法，将特征点安置到机器人手臂本体及操作对象上，实现了对机器人手臂动作轨迹的跟踪，预测以及碰撞检测和碰撞预警的功能。实验表明，该方法具有原理简单，计算是小，实时性强的特点。     

考虑车辆跟驰作用和通信时延的网联车辆队列轨迹跟踪控制

针对智能网联车辆轨迹跟踪问题, 本文通过考虑车辆跟驰作用和车车通信过程中存在的通信时延, 提出了一种分布式非线性轨迹跟踪控制器. 具体来讲, 首先, 提出一种双向领导跟随通信拓扑来描述智能网联环境下车辆间的通信连接. 其次, 考虑车辆跟驰作用和通信时延, 设计一种分布式非线性轨迹跟踪控制器. 然后, 使用Lyapunov方法证明了所设计控制器的稳定性. 最后, 考虑速度干扰作用于领导者车辆, 针对无时延、同质时延和异质时延等三种场景进行数值仿真实验. 仿真结果表明: 本文所设计的控制器不仅保证了车辆位置跟踪误差收敛到原点, 而且车辆运动规律符合交通流理论, 即无负位置跟踪误差和负速度现象.     

高中信息技术学科计算思维培养的“四化”策略--以《“猜数游戏”的程序实现》为例

计算思维是一种问题求解思维,其一般经历抽象—形式化表达-构造-自动化的方法路径,这也是具有计算思维特征的思维轨迹。同时,计算思维作为一种思维活动,不会凭空产生,需要遇到某种困惑、怀疑或问题等才会被激活,是在知识的加工过程中不断发展的。因此,在培养计算思维的过程中,知识是计算思维的材料,对知识的不同处理关系到计算思维的发展。为此,信息技术教师可利用知识的问题化、条件化、能力化和结构化的“四化”策略,提升学生抽象、认知、构造和迁移的能力,从而发展学生的计算思维。     

任意初态下的工业机器人迭代学习控制

对迭代初值为任意值的工业机器人轨迹跟踪控制系统,提出了一种基于滑模面的非线性迭代学习控制算法,使机器人轨迹能快速、精确跟踪上期望轨迹.基于有限时间收敛原理,构建了关于机器人轨迹跟踪误差的迭代滑模面,在滑模面内,机器人轨迹跟踪误差在预定时间内收敛到零.设计了基于滑模面的迭代学习控制算法,理论证明了随着迭代次数的增加,处于...     

基于神经网络的不确定移动机器人鲁棒自适应跟踪控制

针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于Radical Basis Function(径向基函数)神经网络,提出了一种鲁棒自适应控制器.首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后利用Lyapunov稳定性理论证明了整个系统的稳定性.通过数值仿真验证了所设计的控制器的可行性.