电动静液作动器的非线性变阻尼积分滑模控制

对于电动静液作动器(EHA),传统滑模控制器存在加速度信息难以获取,参数不易整定和控制信号抖振等问题,从而造成控制器很难应用于实际。针对以上问题,利用奇异摄动理论对EHA数学模型进行合理的降阶,从而使控制器设计避免了使用加速度信息。在此基础上,利用降阶模型设计了一种新型非线性变阻尼积分滑模控制器(NSMC),该控制器可根据位置控制误差实现系统阻尼比由欠阻尼到过阻尼的自适应调节,能有效提高位置阶跃调节性能。设计了一种基于滤波器的不确定项估计器对EHA中存在的参数不确定性和外部扰动进行实时估计并补偿。滑模面积分项的引入和不确定项估计器的使用,一方面使控制器中无需使用切换函数,实现了EHA的无抖振滑模控制,另一方面使系统整个动态过程完全表现为滑动模态,从而可根据EHA控制指标直接整定滑模面参数,大大简化了参数整定过程。同时利用Lyapunov稳定性理论对整个闭环系统和滑模面的稳定性进行了详细分析。分别与PI控制器、传统滑模控制器(SMC)和传统变阻尼滑模控制器(DVSMC)进行了详细的仿真分析比较,仿真结果表明NSMC能有效提高EHA位置跟踪性能和增强对参数不确定性和外部扰动的鲁棒性。     

视觉SLAM方法综述

实时定位与建图(SLAM)技术搭载特定传感器,使移动机器人在无任何环境先验条件下,在运动过程中自主建立环境模型来计算自身位姿,大幅提高其自主导航能力,以及对不同应用环境的适应性。视觉SLAM方法以相机作为外部传感器,通过采集周围环境信息来创建地图并实时估计机器人自身位姿。为此,介绍了具有代表性的经典视觉SLAM方法及与深度学习相结合的视觉SLAM方法,分析了视觉SLAM方法中采用的不同特征检测方法、后端优化、闭环检测,以及动态环境下视觉SLAM方法的应用,总结了视觉SLAM方法的问题,并探讨了视觉SLAM方法在未来的热点研究方向和发展前景。     

基于A*和TEB融合的行人感知无碰跟随方法

移动机器人通过跟随一个指定行人实现导航是一种便捷的方式。针对行人跟随中的机器人跟随和避障问题,提出了一种基于路径规划的无碰跟随方法。该方法结合激光点云分割提供的非行人障碍信息生成静态障碍代价地图,并根据3D行人定位结果,利用基于无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）和最近邻联合概率数据关联（Nearest Near Joint Probabilistic Data Association,NN-JPDA）的多行人跟踪器估计干扰行人运动状态,进而生成动态行人代价地图。在此基础上,基于A^*的全局规划器结合静态障碍代价地图输出指向目标行人的全局路径,而基于时间弹性带（TEB）算法的局部规划器也将动态行人代价地图纳入考虑范围以规划优化的局部路径,这能够帮助机器人实现行人感知的避障且跟随全局路径。通过低频全局规划与高频局部规划结合的方式实现对目标行人安全无碰的跟随。实验验证了所提方法的有效性。     

聚焦变换在MIMO阵列方位估计中的应用

MIMO阵列是近年来信号处理领域提出的一种新体制阵列技术,可有效避免常规阵列中的相干源问题。为解决多载波造成的方位模糊,提出了一种基于聚焦变换的MIMO阵列目标方位估计方法。该方法将MIMO阵列接收信号分解为多个频率分量的信号,并通过聚焦算法将多个频率信号聚焦到同一信号子空间,然后对聚焦后的信号进行方位估计。仿真结果表明:与直接对MIMO阵列接收信号进行方位估计相比,该方法利用了MIMO阵列的回波不相干性和宽带信号能量,具有更好的分辨能力和更高的方位估计精度。     

基于星间链路的多星系统分散定轨算法

介绍了一种基于星间链路信息的多星系统自主导航方法。首先以星间相对位置矢量为观测量建立两星系统的观测方程,采用强跟踪滤波(STF)算法进行集中定轨,获得卫星的参考轨道信息。在此基础上,建立单星的观测方程,然后使用加权最小二乘估计器和卡尔曼滤波器进行单星轨道确定,从而实现了一种不需要长期轨道预报信息的分散定轨算法。数学仿真表明,该算法是可行的,且具有较好的定轨精度。     

基于Toeplitz矩阵重构的相干信源DOA估计算法

提出了一种基于Toeplitz矩阵重构的相干信号源DOA估计算法。首先对各个阵元的接收数据与参考阵元（第一个阵元）的接收数据的相关函数进行排列,形成Hermitian Toeplitz矩阵,然后通过奇异值分解可以得到信号子空间和噪声子空间,从而实现相干信源的DOA估计。该算法在不减少阵列有效孔径的情况下,增加了可估计相干信号源数目,并在低信噪比条件下能够得到较好的估计性能,计算机仿真结果证实了算法的有效性。     

一种新颖的快速DOA估计算法

一次快拍空间FFT法运算量小,但抗噪声性能较差,易形成伪峰;多次平滑FFT法充分利用阵列多次快拍的所有数据,具有较好的抗噪声性能,抑制了伪峰的形成,但运算量较大。提出了自相关阵平滑空间FFT算法,其性能优于现有的自相关阵单列FFT,与多次平滑FFT法相当且易于实现,运算量较小。理论分析与仿真实验证明了该算法的有效性。     

一种未知信源数的快速DOA估计算法

针对众多性能优良的超分辨DOA估计算法大都是以预知信源数为前提,信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classifjcation）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。     

具有丢包补偿的分布式一致性融合估计器

研究了具有随机丢包的网络化分布式一致性估计问题。丢包现象存在于各节点间局部状态估计值的传输过程中,引入一组服从Bernoulli分布的随机变量来描述。当发生丢包时,以融合节点前一时刻融合估计值的一步预测值进行补偿。建立了以估计器增益为决策变量,以所有传感器有限时域下状态融合估计误差和为代价函数的优化问题。在给定一致性权重下,通过最小化代价函数的上界得到了一组次优的估计器增益,并给出了融合估计器渐进稳定的充分条件。最后,通过算例仿真验证了算法的有效性。