基于低阶干扰估计器的欠驱动三自由度直升机鲁棒控制

针对模型不确定且外部未知扰动影响显著的欠驱动三自由度（3-DOF）直升机,本文设计、分析并实验验证了一种基于不确定性与干扰估计器（UDE）的主动抗扰控制策略。具体地,针对该直升机平台动力学耦合严重且存在欠驱动特性等问题,基于全驱动系统控制思想,发展了一种基于反馈线性化的升降角和偏航角轨迹跟踪策略,同时实现了内部状态（俯仰角）的镇定;在内外环三通道虚拟控制中,进一步设计了一阶UDE,并联合UDE和标称控制,构建了可有效补偿三通道模型不确定和外部扰动的鲁棒控制方案。该方案较好应对了被控对象的欠驱动特性,控制信号连续且光滑,同时干扰补偿器还具有设计参数少、性能调节简单且清晰等优点。借助于奇异摄动理论,分析了闭环系统跟踪误差的收敛性、输入-状态稳定性、及UDE参数对误差最终界的影响规律,揭示了闭环控制系统潜在的多时间尺度属性。仿真和实验结果验证了干扰补偿的必要性,UDE的有效性和其调参的便捷性。     

一种提高椭圆曲线密码运算效率的改进算法

与其它公钥体制相比,在同样安全强度下,椭圆曲线加密技术(ECC)具有计算量小、密钥尺寸短和占用带宽少等优点,被认为是最有希望的公钥密码系统。椭圆曲线密码中的数乘运算是密码体制实现中的核心步骤。本文通过对椭圆曲线中的数乘运算中的两个连续窗口之间的间隔(interval)的研究,提出了一种窗口间隔为5/2的算法。该算法与已有的窗口间隔为2的算法相比,有效地减少了运算量,提高了加密解密等步骤的实现效率。     

跨传感器异步迁移学习的室内单目无人机避障

针对强化学习策略由仿真环境向实际迁移困难的问题，以提高无人机采用无深度信息单目视觉时的行人规避能力为目标，提出一种基于异步深度神经网络结构的跨传感器迁移学习方法。首先，在仿真环境中仅使用虚拟单线激光雷达作为传感器，通过基于确定性策略梯度(DDPG)的深度强化学习方法，训练得到一个稳定的初级避障策略。其次，用单目摄像头和激光雷达同步采集现实环境中的视觉和深度数据集并逐帧绑定，使用上述初级避障策略对现实数据集进行自动标注，进而训练得到无需激光雷达数据的单目视觉避障策略，实现从虚拟激光雷达到现实单目视觉的跨传感器迁移学习。最后，引入YOLO v3-tiny网络与Resnet18网络组成异步深度神经网络结构，有效提高了存在行人场景下的避障性能。