基于机载光电载荷图像的无人机自主循迹导引

文章研究无人机搭载视觉传感器沿指定路径自主循迹飞行,针对如何统一确定不同形状路段的目标路径点序列的问题,提出基于无人机速度在图像中投影的矢量与无人机重心指向各候选路径点矢量的最小夹角确定目标路径点的方法。首先从采集的图像中提取出的路径区域,从图像层面提取路径的中间线,将图像栅格化并分别计算各栅格里路径中间线的中心点的坐标;然后计算图像中无人机速度矢量投影与无人机重心到各路径中心点矢量的夹角,在约束范围内选取最小夹角对应的中心点作为局部目标点。设置了包含不同形状拐角的路径,检验无人机飞行过程中采集图像的处理方法和路径引导算法结合的有效性,飞行结果表明提出的方法能够满足无人机的循迹飞行要求,轨迹偏离误差小于0.1 m。     

计及老化线路电流承载能力退化特性的电力系统连锁故障分析

长期老化效应导致输电线路的电流承载能力退化以及老化失效风险增大,会使连锁故障风险进一步恶化。研究了输电线路老化对电力系统连锁故障的影响。首先,基于热平衡理论建立了输电线路老化相依的电流承载能力计算模型,阐述了电流承载能力与输电线路运行年龄的数值对应关系。在此基础上,综合考虑实时潮流和输电线路的老化效应,建立了包含实时潮流、运行年限、停运概率的三维映射关系,改良了输电线路动态停运概率模型。然后,通过引入概率阈值参数,建立一种改进的基于停运概率模型的连锁故障路径搜索准则,以连锁故障演化过程中的最大概率耦合事件为导向,在过滤低概率连锁故障路径的同时筛选代表性故障路径。最后,在改进的IEEE 39节点系统上进行了实例研究。算例结果证明,考虑线路老化效应后,由单线路意外事件触发的连锁故障事件增多,概率增大,其对应路径阶数增大,系统连锁故障风险明显升高,表明输电线路老化效应与连锁故障后果之间存在显著相关性。     

多特征融合与卡尔曼预测的车辆跟踪算法

为了解决道路中背景光照变化和部分遮挡条件下单特征跟踪失败的问题,提出了一种基于多特征融合与卡尔曼预测的车辆跟踪算法。多特征融合包括：跟踪车辆的颜色、边缘、纹理,使用颜色直方图描述颜色分布情况,使用具有旋转不变性的局部二值模式(LBP)描述纹理分布特征,使用改进的Canny算子计算边缘分布信息,建立特征融合函数,利用平均峰值相关能量构造本次跟踪的最佳特征描述。在车辆跟踪过程中相邻两帧之间的特征匹配大于设定阈值时,判定有遮挡,跟踪中断,使用卡尔曼滤波预测当前位置,最后通过不同的实验证明了算法的有效性。     

基于运动预测与改进APF的无人机路径规划方法

动态路径规划是保障无人机在复杂干扰环境下飞行安全的关键要素。针对动态路径规划中存在的迭代次数高、收敛速度慢以及动态障碍物避障问题,提出了一种基于障碍物运动预测与改进APF的无人机动态路径规划方法。首先,针对动态障碍物,设计了基于激光雷达的目标检测算法和基于卡尔曼滤波的运动预测算法估计动态障碍物信息,并提出速度方向相似性检测方法进行局部位置脱离决策。其次,针对静态障碍物,引入模拟退火法扰动当前状态,并结合基于目标点的邻域优化函数进行动态路径规划。仿真结果表明,本文算法在应对静态障碍物时可缩短69%动态避障时间,应对动态障碍物时可缩短了19.7%的避障距离与23.6%的任务耗时,提高了无人机任务执行的安全性和效率。     

基于DSP的LPMSM驱动系统自适应积分反推位置控制

直线永磁同步电机(LPMSM)取消了滚珠丝杠和齿轮等中间传动环节,致使参数摄动、外界干扰和齿槽力等因素直接影响驱动系统的性能。为提高LPMSM驱动系统的位置跟踪精度,提出了一种自适应积分反推控制(AIBC)方法。建立含有干扰项的LPMSM系统模型,设计AIBC克服干扰对系统的影响,通过引入自适应律可对系统干扰进行估算并实时调整控制器参数,确保电机实际位置跟踪给定参考轨迹。采用高性能的数字信号处理器(DSP)作为控制核心,验证AIBC方法的有效性。结果表明,该方法可以使LPMSM驱动系统具有良好的伺服性能。     

基于光伏MPPT采样电流的自适应变步长INC算法

针对传统电导增量INC（incremental conductance）算法在跟踪最大功率点的过程中无法兼顾跟踪速度与稳态精度的问题,以及传统变步长算法在光照变化时容易发生误判的问题,提出了一种新型的自适应变步长INC算法。光照强度变化较大时,利用负载曲线与I-V特性曲线的工作原理,在暂稳态和非稳态下都可以根据最大功率点跟踪MPPT（maximum power point tracking）采样电流的变化,自适应调节跟踪速度;光照强度变化较小时,能够根据输出电压与功率的变化自适应减小步长,提高稳态精度。追踪速度是传统算法的9.3倍,是现有变步长算法的4.2倍,有效减少了光照强度变化带来的功率损失。     

基于GNSS多通道跟踪接收机的阵列反欺骗方法

近年来,基于阵列天线的空域处理方法被认为是最有效的欺骗检测和抑制手段之一。提出了一种基于卫星导航接收机多通道跟踪能力的阵列反欺骗方法。多通道跟踪接收机对每一个捕获到的导航信号在所有阵元通道后均进行跟踪处理并提取信号幅度和载波相位观测量,首先计算载波相位双差平方和进行欺骗检测,然后利用载波相位单差和信号幅度比估计信号导引矢量,从而进行基于子空间投影的欺骗信号抑制或基于波束形成的真实卫星信噪比提升。理论分析和仿真试验证明,该方法可有效检测并消除同一来向的欺骗信号且不影响真实卫星信号质量。由于前端非理想因素带来的幅度和相位偏移都已包含在接收机跟踪通道提取的观测量内,实际应用时对阵列天线校准和射频通道均衡的要求明显降低。     

无人机三维路径规划的粒子群混合算法

路径规划是无人机控制过程中的重要环节之一,现有基于粒子群等算法的传统路径规划方法存在容易陷入局部最优等问题,无法适应现实场景中复杂环境及高搜索速度的要求。针对已有方法的缺陷,提出了一种无人机路径规划的高性能细菌觅食-遗传-粒子群混合算法,以传统粒子群优化算法为基础,引入细菌觅食算法及遗传算法思想,提高算法计算速度与能力,同时考虑实际场景中无人机的运行约束,进一步提高了方法的可用性。最后,利用仿真实验验证了所提方法的有效性,并通过与传统方法对比证明了所提方法在运行时间、规划航程等方面的优越性。     

目标跨像元展宽“分裂”退化模型与检测研究

采用大规模红外探测器的遥感仪器对以恒星为主的点目标成像时,受点目标跨像元效应、探测器读出带宽不足等影响,目标信号展宽,在多抽头间隔采样下出现“分裂点”现象,空间红外遥感仪器定位精度、目标辨识能力下降。针对此问题,本文构建了点目标“分裂”退化模型,并根据分裂点之间的强相关性,设计了预检测-能量维度迭代-模型更新-后检测的目标检测流程,通过形态学滤波与多假设关联跟踪对“分裂点”目标各观测进行独立跟踪,获取“分裂点”统计信息。然后利用已知恒星成像的质心矫正退化模型并映射到检测图像,修正目标质心。测试结果表明,该方法能有效区分多目标和“分裂点”造成的假目标,平均定位精度由0.5像元以上提升到0.15像元内。     

基于CNN和Transformer的双路径语音分离

使用深度学习技术进行语音分离已经取得了优异的成果。当前主流的语音分离模型主要基于注意力模块或卷积神经网络,它们通过许多中间状态传递信息,难以对较长的语音序列建模导致分离性能不佳。首先提出了一种端到端的双路径语音分离网络（DPCFNet）,该网络通过引入改进的密集连接块,使编码器能提取到丰富的语音特征。然后使用卷积增强Transformer(Conformer)作为分离层的主要组成部分,使语音序列中的元素可以直接交互,不再通过中间状态传递信息。最后将Conformer与双路径结构相结合使得该模型能够有效地进行长语音序列建模。实验结果表明,相比于当前主流的Conv-Tasnet算法及DPTNet算法,所提出的模型在信噪失真比（Signal to noise Distortion Ratio,SDR）和尺度不变信噪失真比（Scale-Invariant Signal to noise Distortion Ratio,SI-SDR）上有明显提高,分离性能更好。