无人平台复杂地形探测的视触融合方法

为提高无人平台在复杂环境中的地形探测能力以及解决在小样本数据下识别地形困难的问题，提出了一种无人平台复杂地形探测的视触融合方法。在原始宽度学习的基础上，建立了多模态级联特征节点宽度学习框架。首先进行触觉和视觉初步特征提取和融合特征提取，随后将融合特征矩阵经宽度学习分类器得到地形识别的结果。最后，在自建的视觉-触觉地形 (V-T2)数据集进行了实验验证。结果表明，相比于传统的融合算法，提出的融合算法有很好的准确性和鲁棒性，为无人平台地形探测提供了有效的策略。     

线性调节器鲁棒设计法

本文将文献最优控制系统设计加权阵的选择方法推广到鲁棒控制系统设计,进而得到鲁棒控制系统设计的一种新方法。本方法适用于输出反馈系统的最优和鲁棒设计,从而使文献最优全状态反馈系统设计方法成为其一个特例。一个具体实例显示出本方法设计结果具有较文献设计结果较优的性能。     

面向在轨服务遥操作技术的研究与展望

回顾了面向在轨服务遥操作技术的发展现状。针对现代航天器对在轨服务的技术需求,分别从系统结构与体系结构、控制模式、控制技术等方面论述了面向在轨服务遥操作技术需要研究的主要关键技术问题。最后,对遥操作技术的未来发展进行了展望。     

Groebner基方法在LEO卫星网络路由优化中的应用

卫星网络中的服务质量(QoS,Quality of Service)多目标约束路由问题已被证明是一个非确定性多项式完全(NPC,Non-deterministic Polynomial Complete)问题.根据低轨(LEO,Low Earth Orbit)卫星网络拓扑变化有规律、可预知的特点,将Groebner基方法引入满足QoS多目标约束的路由算法中,应用算法前将QoS多目标约束问题转化为单目标约束问题,使它能够被多项式的最短路径优先(SPF,Shortest Path First)路由算法求解,从而通过Groebner基方法解决QoS多目标约束路由问题,保证了QoS参数的有效性.最后,将所提出的算法与启发式算法和最短路径优先算法进行了仿真比较.仿真实验结果表明,Groebner基方法有效降低了星上计算的难度,比传统方法能提供更好的QoS保证.     

自由飞行空间机器人基座位姿调整的模糊PD控制

由于自由飞行空间机器人处于微重力的环境,因此其在目标获取的过程中必然会出现因机械臂运动和环境影响而导致基座的复杂运动.本文设计了自由飞行空间机器人位姿调整的模糊PD算法,根据接收到的实时位置信息,空间机器人可以自主地调整基座的姿态和位置来校正位姿误差,保证目标的稳定捕获.利用开发的实验平台与传统的on/off式控制器进行了实验对比,验证了此方法在稳定性、控制精度和燃料消耗上都有较好的表现.     

最优极点域参数空间设计法及其应用

本文提出了参数大范围变化鲁棒控制器设计的一种方法。此方法是在系统最优设计的基础上,利用参数空间法对最优设计结果进行修正以在系统最优性和鲁棒性之间取得折衷。本方法物理概念直观,并能实现系统的全自动设计,具有较强的工程性。最后举一例说明了本方法的应用。     

机械手的神经网络自适应滑动模控制器设计

 针对多关节机械手的鲁棒跟随控制器设计问题，提出了一种新的机械手神经网络自适应滑动模控制器设计方法，机械手的动力学非线性假设是完全未知的。在提出的控制结构中，高斯径向基函数神经网络用于在线补偿机械手的动力学非线性，参数学习律由稳定性理论得到。给出了系统稳定性和参数收敛性的证明。最后提出方法的可行性通过仿真得到验证。     

基于RBF神经网络的自适应PID星钟热控制

星钟的频率稳定性决定了星钟提供时间信息的精度,而频率稳定性取决于星钟物理核心温度的稳定程度.基于RBF神经网络逼近星钟热模型,设计自适应PID控制方法实现星钟物理核心的温度控制.仿真验证了算法的有效性.     

一类新型机动目标跟踪算法

阐述了当跟踪非机动目标时,传统的Kalman滤波可以得到很好的跟踪精度。但是当日标机动时,传统的Kalman滤波不能对目标的突然变化做出及时的改正和预测,因此跟踪精度很差,甚至出现丢失目标的情况。文中采用的基于截断正态概率模型的改进自适应目标跟踪算法, 其结构和计算简单,鲁棒性好,较好地解决了使用Kalman滤波带来的不足。     

基于离散粒子群算法的多飞行器在轨服务任务分配

为解决多约束条件下飞行器在轨服务任务分配问题,以在轨卫星群为研究对象,提出了一种基于离散粒子群算法的多服务飞行器的目标分配方法,综合分析目标飞行器价值、服务飞行器消耗以及能量时间消耗等3项关键指标因素,建立了在轨服务任务分配问题的数学模型。通过构建粒子与实际问题间的对应关系,设计了新的离散粒子群位置和速度更新公式求解任务分配问题。仿真结果表明:离散粒子群算法具有收敛速度快,寻优能力强等优点,能够有效地解决多约束条件下的服务飞行器协同任务分配问题。