基于数据的多源干扰SGCMG框架伺服系统鲁棒控制反馈再学习算法（英文）

单框架控制力矩陀螺(Single gimbal control moment gyroscope,SGCMG)具有高精度、快速响应的特点,是航天领域高精度对接、快速机动导航和制导系统的重要姿态控制系统。本文考虑多源干扰的影响,设计了一种基于数据的反馈再学习(Feedback relearning,FR)算法,用于SGCMG框架伺服系统的鲁棒控制。基于自适应动态规划和最小二乘原理,通过采集SGCMG系统的在线运行数据,采用FR算法得到伺服控制策略。这是一种无模型学习策略,无须事先了解SGCMG模型。进而,基于强化学习机制将伺服控制策略与SGCMG系统动态相互作用,可以实现伺服控制策略对多源干扰的自适应评估和改进。同时,设计了一种基于经验回放的数据重分配方法,降低了数据相关性,提高了算法稳定性和数据利用率。最后,在SGCMG仿真模型上与其他方法进行了比较,验证了所提出的伺服控制策略的有效性。     

柔性关节机械臂振动抑制/柔顺统一控制（英文）

提出了一种可同时实现柔性关节机器人振动抑制控制和柔顺控制的自适应控制策略。所提出的控制策略为柔性关节机器人提供了振动抑制控制模式和柔顺控制模式的统一方案,将两种控制模式整合到一个控制器中,避免了设计两种控制器并在两种控制器之间切换,实现了两种控制模式的平稳过渡。本文还考虑了机器人连杆端和电机端动力学模型的不确定性,并通过李雅普诺夫定理证明了闭环系统的稳定性。仿真结果表明:所提出的控制策略具有良好的控制性能。     

四足机器人智能交互控制研究

针对四足机器人在辅助作业背景下,通过远程遥控或地面站控制难以满足人机灵活交互需求的问题,在研究实现四足机器人基本步态控制基础上,结合无线定位和激光雷达感知环境赋予机器人避障和人员跟随功能,采用Openpose姿态识别方法,通过视觉传感器进行人机交互,实现不同姿态对机器人基本运动行为和跟随任务的控制,并基于ROS系统开展不同环境条件下交互识别和控制效果测试,姿态识别速度为20帧/s,理想环境下准确度大于90%,机器人反应时间小于1 s。     

基于速度观测的电磁轴承飞轮转子系统振动控制策略

高速飞轮储能系统广泛采用电磁轴承作为转子支撑部件。PD控制是常用的电磁轴承飞轮转子系统的振动控制策略,传统的PD控制策略通过对转子位移信号的微分运算来获取阻尼控制信号,但微分运算易引入噪声干扰。噪声干扰使得飞轮转子系统的阻尼不足,影响其振动控制性能,甚至引起系统失稳。针对此问题,提出了一种基于速度观测的新型PD控制策略,通过速度观测器得到阻尼控制信号,增强了控制系统的抗噪声干扰能力。介绍了新型PD控制策略的基本原理,并借助仿真和实验验证了新控制系统的性能,结果表明,基于速度观测的PD控制策略比传统的PD控制具有更强的抗噪声干扰能力及更宽的稳定域。     

基于多传感器信息融合的自主移动机器人导航算法研究

本文介绍了一种基于微控制器控制，以GPS为主要导航手段，且基于多传感器信息融合的自主移动机器人导航系统的软硬件设计思想及实现方法。重点讨论了基于栅格法的导航算法在微控制器系统中的实现。最后给出了该导航系统在比较典型的环境中实现导航与避障的实验结果。     

直升机PBN目视飞行程序研究

借鉴国外先进的直升机飞行程序设计经验,通过分析直升机对于飞行程序的特殊要求,选择适合直升机的PBN导航源和导航方式。同时简要介绍基于全球导航卫星系统(GNSS)的直升机飞行程序特点。阐述星基增强系统对于直升机飞行程序带来的影响。对比传统的直升机仪表进近程序和基于GNSS的直升机进近程序在规范和运行上的区别与特点,体现基于GNSS的直升机飞行程序的优越性。     

GLS进近的实施方法与优越性比较

GBAS(地基增强系统)是ICAO(国际民航组织)规划的基于GNSS(全球导航卫星系统)、采用DGPS(差分GPS)技术建立的系统,以它为基础的GLS(全球导航卫星地基增强着陆系统)成为目前最令人关注的一种新的着陆系统。不论是导航精度、系统的可靠性和稳定性,还是运营成本的降低,GLS都优于传统的ILS(仪表着陆系统)。本文从GLS系统和飞行实际相结合的角度,讨论了进近的实施方法,分析了进近的偏差和GLS进近的优越性。     

某型飞机GPS射频干扰原因分析及应对措施

近年来,GPS系统越来越多地运用于军用及民用飞机和舰船导航.与传统的地标、无线电罗盘、塔康等导航方式相比,GPS导航具有导航精度高、响应迅速、不受天气条件影响等特点,能够实现全天候、全疆域范围内米级别精度的导航与定位.由于GPS卫星信号采用CDMA制式,因此就存在着被射频干扰的可能.基于GPS射频干扰产生的原因和来源分析,探讨了飞机GPS干扰防护的基本方法以及对飞机系统影响,并为飞行和维修人员提供相关操作建议.     

具有输入时滞的集群无人机事件触发协同最优控制

针对带有输入时滞和外部干扰的集群无人机系统,提出了一种基于强化学习的集群无人机事件触发分布式自适应最优控制方法。为了实现最优控制,引入了基于神经网络的强化学习算法,并设计了一种与系统控制性能有关的动态事件触发策略,该策略可以在尽可能降低对一致性控制性能不利影响的前提下,减少通信资源的浪费,同时该策略不存在Zeno行为。此外,在控制器设计过程中,引入了一种含有积分项的坐标变换来处理系统的输入时滞问题。在输入时滞和外部干扰的影响下,所提出的基于干扰观测器的最优分布式协同神经网络控制策略能够保证每个无人机系统所有信号都有界,并且每个无人机系统的输出能够实现一致性。最后,仿真结果验证了所提控制方法的有效性。     

神经元最优状态反馈控制及其在登月问题中的应用研究

以非线性系统自学习最优控制算法为基础，提出了一种基于人工神经元网络的非线性状态反馈最优控制策略，使非线性不确定性的被控系统能通过自学习实现某种最优的非线性反馈控制，本文对该控制策略在登月软着陆问题中应用进行仿真研究，验证了该控制策略的可行性和有效性。     

基于速度和加速度约束的有限控制能力路径跟踪

在考虑实际系统有限控制能力的情况下,对非完整移动机器人提出一种完全满足速度和加速度约束的路径跟踪技术。根据系统状态方程分析了移动机器人维持无偏差跟踪状态的条件,先通过智能预测控制将路径偏差转化为同号状态,再应用滚动时域控制和约束条件设计一种改进型最优预测控制器。当路径跟踪开始时,控制量从零初值调整;当路径偏差同步消除到零时,控制量可在速度和加速度约束下及时调整到零。仿真结果验证了所提技术的有效性,有限控制能力使该技术在工程应用时具有更好的可行性和适应性。     

面向货物运输的移动平台设计与无人直升机追踪控制

由于无人直升机具有垂直起降、机动性好的特点，使其可用于移动平台之间的货物运输，因此，提出了无人 直升机跟踪移动平台的货物运输方法。设计了一套用于无人直升机追踪实验的动平台，动平台上可放置物品，无人直升机在追踪动平台过程中同时完成物品的拾起和码放。动平台系统由移动小车平台、运动控制器、引导装置以及地面监视软件等组成，采用MEMS-SINS/GPS组合导航系统作为引导装置的核心部件，完成对移动小车平台的位置和速度估计。提出了由单点GPS测量点提供多个目标点位置的方法，可使无人直升机方便快捷地知道需要拾起和码放物品的目标点。设计开发了一套操作简便、显示友好的地面监控软件，辅助移动平台正常运行，能有效监控引导装置与无人直升机的通信。     

基于分层式强化学习的移动机器人导航控制

针对未知环境下的移动机器人导航问题,本文提出了一种基于分层式强化学习的混合式控制方法。利用栅格-拓扑相结合的环境表示及地图学习方法,通过分层式强化学习在不同控制层次的扩展设计移动机器人的反应式和慎思式导航控制,实现了全局导航和局部导航控制的协调优化。实验及测试结果证明,该控制方法能实现导航任务的全局优化,避免陷入局部极小,并对未知动态环境具有较强的适应性。     

弹跳机器人的弹跳序列规划问题研究

传统轮动式与爬行式机器人难以直接越过大的障碍物或沟壑 ,野外行动能力有限 ,需要研制弹跳机器人。为了快速并顺利地越过障碍物 ,应根据自身获取的或用户输入的地形信息规划出弹跳动作序列。本文分析了弹跳机器人与连续移动式机器人路径规划方法的区别 ,总结出影响弹跳运动规划过程的几个因素。调整影响系数后 ,在简化地形的基础上实现了弹跳序列的启发式搜索算法。结果表明 ,通过适当调整参数 ,该算法可以得到安全高效的弹跳动作序列     

网格移动定位服务及关键技术

分析了网格移动定位服务的技术定位。在分析当前移动定位服务应用模式不足的基础上,提出了网格移动定位服务的应用模式,并基于移动定位服务的产业链,构建了网格移动定位服务的体系结构。深入研究了面向网格移动定位服务的元数据服务、资源代理服务以及资源副本服务三个关键技术。实现了基于网格移动定位服务的公交导航服务,并阐述了网格移动定位服务的应用前景,故对未来移动定位服务的应用提供理论和技术参考。     

SINS/Two-Antenna GPS组合导航系统设计及实现

对SINS／two—antenna GPS全组合导航系统进行了研究，建立了相应的误差模型和系统观测模型，特别是组合系统下的GPS载波相位双差观测模型。提出了一种扩展的卡尔曼滤波方法，并进行了系统硬件集成设计。仿真结果表明：该设计改善了系统性能，提高了导航定位的精度、可靠性和实用性。     

余度MEMS-IMU/GPS组合导航系统

对采用余度配置的MEMS-IMU/GPS组合导航系统进行了研究。分析了微小型组合导航系统的特点和误差模型,针对惯性/GPS伪距组合导航模式下,卡尔曼滤波器需要对量测方程线性化的缺点,提出了基于改进平淡粒子滤波的滤波算法。该算法采用权值控制参数决定粒子是否进入平淡卡尔曼滤波器,有效降低了滤波计算量,并和UPF算法精度相当。研究表明,改进平淡粒子滤波算法对系统性能有明显提高,在GPS信号受到遮挡、暂时不可用的情况下,具有较好的抑制误差作用,适合余度微惯性/GPS组合导航系统的应用。     

发射系下SINS/GPS/CNS组合导航系统联邦粒子滤波算法

传统的扩展卡尔曼滤波(Extended Kalman filter, EKF)算法应用于未来高超、空天飞行器的组合导航系统时,因其模型线性化展开会导致模型不准确,从而引起导航精度下降;采用蒙特卡洛方法来实现递推贝叶斯估计问题的粒子滤波(Particle filter,PF)算法能有效避免引入线性化误差,具有一定的优势。据此,针对高超、空天飞行器在发射过程中通常需要直接获得发射惯性系下的高精度导航参数的需求,提高发射惯性系下弹载组合导航系统滤波算法的精确性就尤为重要,PF滤波算法无需对非线性系统进行线性化展开即可直接实现对非线性系统的状态误差估计。为此,本文将PF滤波算法引入空天飞行器SINS/GPS/CNS多信息融合组合导航系统,设计了发射系下基于联邦滤波器的PF滤波算法,实现了对组合导航系统状态参数的直接建模估计。算法仿真结果表明,相较于发射系下SINS/GPS/CNS组合导航系统联邦EKF滤波算法,PF滤波算法有效提高了组合导航系统滤波精度。     

分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用研究

本文研究了分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用。给出了系统的结构框图和动态方程,设计一个分布式卡尔曼滤波器,并进行了计算机误差模拟分析。结果表明;采用分布式卡尔曼滤波器的组合系统可减少计算时间,且导航位置误差小于15m。