引入控制量变化率约束的双层协同轨迹规划器

针对亚音速飞行器编队飞行轨迹规划约束复杂、求解困难的问题,提出了一种引入控制量变化率约束的双层亚音速飞行器协同轨迹规划器。首先,引入控制量变化率约束以保证轨迹可行性,为了避免增加新的状态方程而增加计算量,采用拉格朗日插值多项式计算控制变量变化率,将其作为求解最优控制问题伪谱法的约束条件。然后,使用顶层单飞行器规划器在不考虑多飞行器协同约束的条件下使用较少配点的伪谱法快速求解每个飞行器的粗略轨迹结果,求解结果使用拉格朗日插值作为底层多飞行器规划器的初值。底层多飞行器规划器使用更多的配点以确保求解的精度,在考虑多飞行器协同约束条件下进行伪谱法求解,以解决伪谱法初值敏感问题并提高优化效率。最后仿真结果表明了所提方法的有效性,与引入虚拟控制量而增加状态方程方法相比,此方法计算量更小,求解效率更优,满足协同轨迹规划的要求。     

三轴应力约束下疲劳裂纹闭合分析

在对D-B模型修正的基础上,考虑到用三轴应力约束的方法研究穿透裂纹厚度效应,对常幅载荷条件下疲劳裂纹闭合做了详细的分析,并建立了一个有效的分析模型。该模型与三维有限元结果、实验数据和其它模型作比较,结果显示出能很好地处理各种因素对疲劳裂纹闭合的影响;对常幅下裂纹扩展速率首次获得同种材料在不同厚度、应力比和载荷水平下的统一描述。     

空间机器人系统的最小燃料重复运动控制

提出了一种空间机器人系统的重复运动控制方案。用一组完整约束来逼近非完整约束,并将该完整约束用于空间机器人逆运动学的计算,这样即可以满足关节空间重复运动的要求,又可以大大减少控制载体运动所需的燃料和避免安装在载体上的反作用轮达到饱和。仿真结果证实了控制方案的有效性     

活动网络计划约束的复杂性度量及其应用

根据反映活动网络计划约束特征的节点的紧前紧后活动数,提出了一个衡量活动网络计划约束的复杂系数──网络复杂性系数（ＣＮＣ）,并结合有资源约束的网络计划问题提出了一个衡量该类问题的复杂性系数──资源约束的网络复杂性系数（ＣＲＮＣ）,最后介绍了网络复杂性系数在随机活动网络发生器算法设计中的应用,给出了一个产生给定复杂系数的随机活动网络的随机活动网络发生器的设计算法。     

一种考虑最优收敛时间的多无人机编队控制方法

针对多无人机编队过程中的收敛时间问题,提出了一种基于最优控制和粒子群优化算法的一致性编队控制方法。将无人机机动约束和一致性编队控制算法结合,实现了无人机在约束条件下的编队控制。基于人工势场思想,设计了一种具有机间避碰能力的一致性编队控制方法,解决了无人机之间的碰撞问题。通过最优一致性控制和粒子群优化算法优化一致性编队控制方法,在考虑机间避碰的情况下,使整个编队的收敛时间降低1.2 s,整体收敛性能提升6.28%。仿真结果表明该方法能够缩短多无人机的编队收敛时间。     

基于卡尔曼滤波的星敏感器在轨校准方法

根据星敏感器光学镜头以径向畸变为主的特点,采用一阶径向畸变模型,利用摄像机标定中的径向排列约束(RAC),对其外部姿态和内参数进行在轨校准。以采集到的星点的图像坐标和对应导航星在天球坐标系下的赤经、赤纬信息作为滤波器的输入,外部姿态和内参数作为输出,构造相应的状态方程和观测方程,进行两次卡尔曼滤波迭代,结果作为校准参数的最优估计。仿真实验表明:本方法能消除内部参数与外部参数的耦合,校准过程不依赖外部姿态,且状态方程和观测方程均为线性方程,满足卡尔曼滤波迭代的最优条件,能够精确估计出星敏感器内外参数,在星点成像位置噪声标准差为0.05像素时,校准后x、y方向上的平均误差分别为0.044像素和0.049像素。     

惯导平台支撑结构的多约束结构动态优化设计

本文运用多约束问题的最优化理论并结合结构设计方法,对三维空间中惯导平台支撑结构的优化问题进行了研究。针对惯导平台的高精度、空间约束特性以及对外界环境噪声敏感的特点,将支撑结构的自然频率范围、结构空间位移以及强度特性作为约束条件对结构的截面尺寸和整体支撑结构的重量进行了优化。优化结果表明采用多约束变量优化设计能够有效发挥材料性能,新的设计方案能够改善惯导平台支撑结构的动力特性、减轻重量以及提高系统可靠性,对惯导平台支撑结构的实际设计有较大参考价值。     

基于足间距信息辅助的行人三维惯性定位算法

针对行人惯性导航系统误差随时间累积致使定位精度严重下降的问题,提出了一种基于足间距信息辅助的行人三维惯性定位算法。该算法在零速修正算法的基础上,利用足部安装的超声波测距模块实时测量行人双足相对距离,构建了基于超声测距的足间距约束模型,通过随机森林算法实现行人运动模式识别,并针对上下楼梯场景,利用台阶高度和足间距信息进行高度解算,最终实现行人三维惯性定位。在实际路线上开展了三维定位实验,数据显示,所提算法平面闭环误差为总路程的0.64%,与零速修正算法相比下降了55.56%,高度误差为0.06 m,与零速修正和气压计联合算法相比下降了64.70%,能够实现导航误差在总路程的0.50%以内的三维定位。实验结果表明,所提算法具有良好的工程应用价值。     

基于块对角投影表示的人脸识别

针对大多数特征表示算法在挖掘高维数据内在结构时容易受到噪声的影响,以及特征学习与分类器设计割裂导致分类性能降低的问题,提出了一种新的基于特征表示的人脸识别方法,称为块对角投影表示（BDPR）学习。首先,利用样本信息对每类样本的编码系数施加一个加权矩阵,通过局部约束来加强表示系数之间的相似性,从而降低噪声对系数学习的影响,使所提方法能够更好地保持数据的局部结构。其次,为了实现数据与编码系数相关联,降低表示系数的学习难度,构造了块对角化判别约束项来学习一个判别投影,通过投影从低维数据中提取样本表示系数,使系数包含更多的样本间全局结构信息且具有更低的计算复杂度。最后,将系数学习和分类器学习整合到同一框架下,同时增大不同类别样本间的“标签距离”,采用迭代求解的方式交替更新判别投影和分类器,最终得到最适合当前表示特征的分类器,使得所提方法能自动完成分类。多个公开的人脸数据集上的实验结果表明:较之传统的协作表示分类和多个主流的子空间学习方法,所提方法均取得了更优的识别效果。