多臂空间机器人的视觉伺服与协调控制

针对多臂空间机器人自主目标抓捕任务，首先建立多臂空间机器人的运动模型和其与目标的相对运动模型，采用Kane方法建立多臂空间机器人的动力学模型；其次，研究基于视觉伺服的机械臂在线轨迹规划算法，并引入零反作用机动，消除机械臂运动对平台姿态的扰动；再次，在不使用零反作用机动功能时，分别使用基于角动量前馈补偿的协调控制算法和逆动力学方法设计了协调控制器，在机械臂运动时保持平台姿态和相对目标的位置。最后，开发了基于Matlab的仿真软件MASS（多臂空间机器人仿真），仿真结果校验了上述方法的有效性。     

新能源接入配电网经济性与可靠性优化研究

为寻求新能源配电网的可靠性和经济性最优,实现新能源电源的优化配置,本文提出将可靠性和经济性同时作为两个优化目标,运用自适应粒子群优化法,对新能源电源进行多目标优化配置。以IEEE-RBTS Bus 6主馈线F4为例,通过系统仿真找到新能源配电系统可靠性与经济较均衡的Pareto最优解集,可根据决策者的偏好选择最优方案。本文的研究为新能源电力系统可靠性和经济评估提供了一个新的研究思路。     

基于发布订阅的进程间通信设计与实现

航天器的每一种行为都需要多种信息的综合，这使得有效传递传感器数据成为关键问题.机器人操作系统(ROS)将基于主题的发布订阅作为内部的一种通信机制，解决消息的传递问题.由于ROS使用C++编写，无法直接应用在嵌入式平台中.本文利用C语言实现了ROS中基于发布订阅的通信机制，将信息的传递过程虚拟化成很多节点，每个节点可以选择自己感兴趣的话题成为发布端或者订阅端.发布端/订阅端并不需要知道其他节点的信息，实现功能解耦.目前，该方法在Windows平台上进行了单机和多机间的测试，通信效果良好，完成了进程间数据的传递.     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法，具有较为灵活的并行化跟踪方式，能够较好地维持跟踪目标的假设状态，具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段，但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器，实现视频图像中的飞行器跟踪，跟踪图像存在跟踪滞后、画面抖动等现象，跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法，建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪，在识别和跟踪的基础上建立云台控制模型，通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据，检验飞行器目标的跟踪效果。     

轴承腔甩油盘结构优化设计

根据轴承腔中采用环下供油方式冷却跑道的特点,设计出两种不同结构方案的甩油盘。分别建立其气液两相流的流体域数值分析模型,采用CFX软件对跑道下表面的流场进行计算,得到滑油的质量流量和体积分数。运用ANSYS Workbench的多参数响应面优化设计方法,以滑油有效冷却流量为目标函数,得到甩油盘各个结构参数在限定范围内的极值及对应的结构参数值,并将优化后的结构参数构造的数值分析模型输入CFX软件中,对其计算结果进行检验,证明了优化设计的可靠性。通过对比两个甩油盘方案的优化结构,选出了更优的结构方案,可为工程设计提供参考。     

无须模板的阵列天线方向图综合设计方法

阵列天线方向图综合通常须选择适当的方向图模板。然而,目前还没有方向图模板选择方案的研究,因此无法保证现有模板的合理性。为避免所预设的方向图模板不可行,本文提出以最小化旁瓣最大值与主瓣最小值的比值为准则,构建方向图综合优化设计问题。该问题的不等式约束是非凸且耦合的。采用罚函数法将不等式约束引入目标函数中,然后设计一个光滑函数来逼近并替代目标函数中不可微部分,从而得到原问题的可微逼近问题,最后使用拉格朗日神经网络法求解逼近问题进而得到原问题的近似解。仿真试验验证了本文所提方法的有效性。     

CFRP反射器型面主动控制和作动器位置优化

研究了运用压电陶瓷作动器对碳纤维增强复合材料（CFRP）格栅反射器的型面主动控制。首先，采用了一种具有独立电压自由度的梁单元，以及考虑高阶剪切变形的板单元，对主控格栅反射器进行有限元建模；运用能量变分哈密尔顿原理推导了主控格栅反射器的有限元控制方程，并给出了反射面型面残余均方根（RMS）误差最小的电压最优控制方法。然后，研究了在典型载荷下，反射面残余RMS误差最小的PZT作动器位置分布的优化配置问题；提出了一种将遗传算法和梯度投影方法相结合的改进优化方法，用来求出在限定作动器数量的条件下，作动器几何位置的优化配置，使控制后反射面的残余RMS误差最小；给出的数值算例验证了方法的正确性和有效性。最后，研制了格栅反射器型面主动控制的实验样机，针对反射器的初始制造误差进行了型面主动控制，验证了控制方法的可行性和有效性。     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题，目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测，前者有着较高准确性，后者有着较好速度，但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能，基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块，通过对候选区域网络（RPN）的锚机制进行引导，使得对于预选锚框形状的选择更具有多样性；同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题，提出了一种置信度因子的NMS（Cf-NMS）算法，对于模型的整体性能有着很大的贡献。实验结果说明，所提方法虽然在速度性能上有略微的下降，但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。