基于无线传感器网络的液压支架压力监测系统设计

针对井下有线支架压力监测系统存在电缆易扯断、可扩展性差的缺陷,提出将无线传感器网络和压力在线监测相结合,构建低功耗、高可靠性的支架压力监测系统。系统在井下无线传感器网络中,针对AODV路由协议以最小跳数选择路由时存在的链路不稳定所带来丢包严重的问题,以节点信号强度(RSSI)为路由判据,提出了RSSI-AODV路由协议。通过井下路由测试,RSSI-AODV路由协议在5跳范围内的丢包率维持在3%以内,且分组为800 B时的平均端到端时延是AODV路由协议的2倍,提高了井下数据通信的可靠性。同时,结合井下监测软件进行数据分析,可实时、便捷地查看液压支架监测信息。     

基于改进OpenPlanner算法的移动机器人局部路径规划

现有局部路径规划算法仅实现了移动机器人在场景内自由移动,但局部路径生成并未考虑场景内道路限制,对于一些规则化的结构道路并不适用。OpenPlanner算法很好地解决了该问题,但传统OpenPlanner算法规划的局部路径不满足移动机器人最大转向曲率约束而无法被移动机器人有效跟踪。针对上述问题,从状态采样和评价函数2个方面对传统OpenPlanner算法进行改进,并将改进OpenPlanner算法用于移动机器人局部路径规划。在状态采样阶段,通过设计双层局部路径簇来扩大最优局部路径解空间,其中首层局部路径簇入段纵向采样距离与行驶速度呈分段线性关系,次层局部路径簇入段纵向采样距离为首层局部路径簇的1.5倍;在路径筛选阶段,将路径曲率代价（由局部路径上各采样点曲率求和得到）引入评价函数,确保局部路径簇满足移动机器人的最大转向曲率约束,从而使局部路径被移动机器人所跟踪。实验结果表明：与传统OpenPlanner算法相比,改进OpenPlanner算法筛选的最优局部路径转向更加平缓,在无障碍物、有障碍物场景下平均曲率分别减小了31.3%,6.2%,且局部路径能够被移动机器人较好地跟踪。     

基于SNVA的机动目标状态估计

利用位置预测估计值与位置滤波估计值之间的偏差进行加速度方差自适应调节,提出一种基于状态噪声方差自适应(SNVA)的机动目标状态估计方法。采用SNVA对目标加速度噪声方差进行自适应调整,实现了对当前统计模型的改进; 利用扩展卡尔曼滤波算法对目标状态进行估计。仿真结果表明,基于SNVA的扩展卡尔曼滤波算法对机动目标速度估计的绝对误差小于0.1 m/s,加速度估计的绝对误差小于0.1 m/s²,能够对机动目标的状态进行准确的估计。