三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

基于误差校准的多雷达粒子滤波检测跟踪算法

基于粒子滤波的检测前跟踪方法是一种处理弱目标检测与跟踪的有效方法。使用多部雷达对同一目标进行观测,可以提高目标的检测概率和跟踪精度。但雷达系统误差不同,得到的目标量测信息不能直接进行融合。针对多个具有不同系统误差的雷达联合检测跟踪问题,通过将不同雷达的量测信息向前追溯,对误差进行校准,从而消除不同雷达对于同一粒子的量测误差,然后将粒子权重进行融合。仿真结果表明,在雷达具有不同系统误差的情况下,采用本算法可以有效提高目标的跟踪精度。     

临近空间高超声速目标跟踪方法研究?

临近空间高超声速目标跟踪技术研究在空天防御系统中具有重要军事意义和理论价值。本文综述了临近空间高超声速目标跟踪中的目标运动建模、目标跟踪算法等研究内容的研究进展,并对其存在的问题进行了深入分析。针对这类目标跟踪存在的问题,结合临近空间高超声速目标探测跟踪需求,指出了临近空间高超声速目标跟踪技术的研究思路,为相关研究提供了参考。     

第19届国际信息融合会议及获奖论文评述

总结了第19届国际信息融合会议的总体情况和主要特点,通过对大会报告、分会场报告以及国际信息融合界一些著名专家团队发表论文情况的统计分析,提炼出国际信息融合界普遍关注的焦点和难点问题;通过对获奖论文的分析,了解到受大会评奖委员会一致认可的年度优秀成果和技术进步点;最后,面向高层信息融合中的不确定性处理,对信息融合领域的发展进行展望。     

基于降低运算复杂度的子空间跟踪算法稳健性分析

FDPM和FOOJA是目前两种最为有效的适用于主、次子空间跟踪的方法,属于低复杂度算法。进一步降低算法运算复杂度,对保证算法的实时性具有非常重要的意义。以降低算法运算复杂度为背景,通过对FDPM、FOOJA算法的分析,指出存在两种简化运算量的FDPM1stcol、FOOJA1stcol方法。在有限精度运算条件下,对四种方法的稳定性、数值鲁棒性进行了深入分析和讨论。通过实验仿真,对分析的结论进行了验证。     

纯方位目标跟踪的伪线性卡尔曼滤波器FPGA实现

伪线性卡尔曼滤波器广泛应用于纯方位目标跟踪中,其递归性非常适合于硬件实现。结合实际项目,在对数据流进行分析的基础上,使用xilinx公司virtex-4系列芯片提供的DSP48专用乘法单元,以及自行设计的高效除法单元,通过简化标量运算和充分利用并行流水机制,最终实现了伪线性卡尔曼滤波器。仿真验证了数据的精确性。综合报告显示此系统的最高频率为123.8 MHz,满足实时性要求。     

潜艇对机动目标跟踪和攻击若干问题的探讨

在现代作战条件下,潜艇所要跟踪和攻击的目标多数情况下应认为是机动目标。限于潜艇所载目标探测传感器和武器特点,以及潜艇自身隐蔽性、机动性方面的约束,潜艇跟踪和攻击机动目标存在许多困难和值得研究的问题。对这些问题进行了较为系统地梳理,并对其中的若干问题进行了探讨,包括目标机动的原因、机动目标可判断性问题、机动判断手段、机动判断后目标参数的处理、机动目标攻击的基本原则和方法等,还对潜艇指控系统强化机动目标跟踪和攻击功能提出了一些建议。     

基于机器视觉的AGV路径跟踪

以前轮转向、后轮驱动的四轮移动AGV为研究对象,设计控制器使其能自动寻线前进。为实现对标识线路径的识别和跟踪,提出一种原理简单的视觉图像处理方法并加以改进,提取出路径信息。最后基于预瞄理论和车运动学模型,将被跟踪路径分成若干长短不一的微段,以微小折线段逼近参考路径的曲线段,进行分段跟踪。实验证明:系统能很好地满足AGV对路径识别性能和抗干扰能力的要求,实时性好,能按照任意给定的道路标识线平稳地寻迹。     

基于“当前”统计模型的模糊自适应滤波算法

"当前"统计模型需要预先设计目标最大机动加速度和目标机动频率,不能适应各种机动情况。在"当前"统计模型的基础上,提出了一种基于"当前"统计模型的模糊自适应滤波算法。该算法能使目标最大机动加速度和目标机动频率随着机动特性自适应调整,适应各种机动情况。仿真结果表明,该算法的跟踪精度优于传统的基于"当前"统计模型的跟踪算法。     

基于属性信息融合的概率多假设跟踪算法

通过引入辅助的属性信息与属性数据来弥补目标跟踪信息量的缺失,提出了一种适用于目标近距离环境下的基于属性信息Homothetic-PMHT目标跟踪算法。该算法将传感器获得的目标属性信息与目标状态信息之间的关联以概率的形式给出,从而实现了运动状态信息、属性信息联合应用。仿真结果表明,所提算法在航迹关联成功率上与Homothetic-PMHT算法相比有明显的提升,同时在跟踪精度上也有所提高,证明该算法是有效的。