基于MAS的无人机编队飞行智能优化控制

 针对无人机编队飞行的实际背景和限制条件,提出了一种基于多智能体系统（MAS）技术的编队飞行的智能优化控制策略和实现算法。利用多Agent之间的交互作用,以灵活便捷的方式进行各单机之间的协同优化,从而可实现多架无人机的自主编队飞行。考虑到leader-follower原理的支配机制,对面向编队飞行的僚机控制律与实现算法进行了重点研究,设计了僚机编队控制器,通过仿真实验验证了其鲁棒性和稳定性。最后针对编队队形的变换与躲避威胁等特殊情况对无人机编队单元之间的协调优化进行了仿真验证和分析。     

基于解耦和动态补偿的卫星控制系统设计

针对带大型挠性单翼太阳帆板和偏置动量的三轴稳定卫星,研究如何消除星内外干扰对姿态控制精度影响的卫星控制系统的设计问题。首先对星内外干扰进行了数值分析,进而阐明了在经典控制方案中干扰力矩对姿态控制精度的影响,指出经典控制在克服干扰力矩对姿态控制精度影响方面存在的不足之处。然后根据卫星的动力学特点,提出并论证了在设定角动量交换系统标称值条件下基于解耦和动态补偿的卫星控制系统的设计方案。最后深入分析了在该方案下太阳帆板挠性模态的稳定性。     

PMMWI与Ⅵ优势互补的人体隐蔽违禁物检测与定位

根据公共场所人体安检的性能要求和技术需求,将被动毫米波成像（PMMWI）的可透视成像性能优势与可见光成像（Ⅵ）的细节高分辨性能优势相结合,提出一种基于PMMWI与Ⅵ优势互补的人体隐蔽违禁物检测与定位算法。首先,提出一种基于低层特征融合的改进U-Net以增强深度神经网络（DNN）对PMMWI中弱小目标轮廓的敏感度,提高PMMWI中人体轮廓和隐蔽违禁物的分割精度,并同时实现Ⅵ中人体轮廓的像素级分割;然后,在PMMWI和Ⅵ中的人体轮廓分割基础上,通过基于人体轮廓的尺度变换与滑动适配实现PMMWI人体轮廓和Ⅵ人体轮廓的良好配准,根据配准结果实现单帧图像中人体隐蔽违禁物的高效检测;最后,通过序列图像检测结果的对比融合与优化决策给出隐蔽违禁物的定位结果。一系列综合实验与对比分析结果,验证了提出的人体隐蔽违禁物检测与定位算法的性能优势。      

一种新的基于PCNN的自适应强去噪方法

为了实现椒盐噪声的有效去除和图像细节及纹理的有效保留,提出了一种新的基于PCNN(Pulse Coupled Neural Network)的自适应滤波方法ADEN(Adapative Denosing method for Extreme Noise)-PCNN.该方法引入了像素受污染状态的甄别机制,只对被污染的像素进行降噪处理,保证了去噪的同时不损坏图像信息,实现了图像的细节和纹理的有效保留;为了确保图像质量,在面向图像降噪的PCNN神经网络阵列结构中引入了自组织机制,可以自动地估计噪声的强度信息并进行PCNN网络中神经元连接方式的自组织转换,此外引入了自适应机制,根据噪声强度的估计信息,自动进行滤波次数的优选,增强自适应能力.实验结果表明所提方法较常规方法和其他同类方法在去噪效果、保留图像细节方面展现出明显的优势.     

某卫星姿态角的确定和对测量部件的故障诊断

卫星三轴姿态的确定是对卫星进行姿态控制的基础,利用陀螺和红外敏感器互补的特性,并对测量所得到的数据进行处理,便可得到卫星姿态角的估计值。陀螺和红外地球敏感器是卫星姿态控制系统中关键的测量部件,两者的测量输出通过卫星运动学方程相关,有冗余关系,可以用于故障检测。本文对所设计的观测器进行了数值仿真,证实了其有效性,并直接利用所设计的观测器进行故障检测,首先得出陀螺和红外地球敏感器在各种故障下的输出残差曲线,然后分析陀螺和红外地球敏感器的不同故障对输出残差信号的不同影响,找出各种故障与不同输出残差的对应关系,从而确定发生故障的部件。     

高精度位置跟踪自适应增益调度滑模控制算法

影响位置跟踪精度最重要的因素之一是系统不可避免地存在内外不确定性。由于具备很强的鲁棒性,滑模控制能有效消除系统不确定性的影响,然而也会带来抖振这一顽疾。因此,有效削弱滑模控制系统的抖振是提升系统跟踪精度的关键。为此,本文提出一种误差主导的自适应增益调度算法,该算法利用等效原理准确判断系统滑动模态是否建立,并以此来调度切换函数增益值的增减;同时,为克服因利用低通滤波器获取切换函数等效输出而引起的时间延迟,在增益调度中采用误差主导的增益变化率,确保了增益调度的实时性。理论和仿真实验证明,在滑动模态建立前,该增益调度策略能加快滑模变量的收敛速度;而在滑动模态建立后,该增益调度策略能使增益值在有限时间内趋近于系统不确定的绝对值,降低了系统抖振幅值,从而获取更高的跟踪精度。直流力矩电机伺服系统位置跟踪对比实验结果表明,该增益调度方案有效,能使系统获得更高的跟踪精度。