基于纹理边界检测的航天器椭圆特征提取方法

为确定失效航天器等非合作目标的相对位姿，提出一种通过纹理边界检测的椭圆特征提取方法。该方法假设椭圆特征是航天器表面两种不同纹理的边界，利用上一时刻相对位姿信息，将对接环离散几何模型投影到像平面，并沿各离散点的法向方向通过概率方法检测纹理边界点。利用随机抽样一致(RANSAC)方法剔除边界点中的粗大误差，进而拟合出椭圆参数。纹理特征对光照变化具有鲁棒性，因此该方法能够在变光照、星体表面反光不均匀等复杂情况下快速准确地提取图像中的椭圆特征。本文以对接环图像特征提取为例进行仿真校验，分析了算法参数和噪声对提取椭圆精度和时间的影响。利用真实图像与基于梯度边缘的椭圆提取方法进行对比，结果表明，所提出的算法具有较高的精度和速度。     

带角度约束的多飞行器编队协同拦截制导律设计

针对多枚飞行器协同拦截同一目标的问题,在最优控制与时间调整相结合的基础上,设计了一种带有时间约束与角度约束的协同制导律。首先,在初始时刻(或中段制导结束时刻),根据初始状态及终端角度约束情况,以指定策略为编队中的各飞行器分配拦截角度。其次,采用线性化最优控制的设计方法,解算带有拦截角度约束的最优导引指令。最后,在求解针对运动目标的飞行器剩余时间估计的基础上,根据一致性的方法推导时间调整项的导引指令。仿真结果表明,在典型背景下,设计的制导律能够使多枚飞行器以特定的编队构型协同拦截同一目标,从而有效提高拦截概率。     

基于自由权矩阵的时变时延线性群系统编队控制

研究了基于自由权矩阵方法的时变时延线性群系统编队控制问题。首先,基于一致性理论,设计了具有时变时延的线性群系统编队控制协议。其次,通过变量代换,将时延条件下的线性群系统编队控制问题转化为时延系统的镇定问题。构造Lyapunov-Krasovskii函数,并利用自由权矩阵方法对时延系统的镇定问题进行分析,得到了保守性较小的线性矩阵不等式（LMI）判据,并求解出时延上界和编队控制器增益。最后,通过仿真实验,验证了方法的有效性。     

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.      

多智能体系统旋转一致控制

研究了多智能体系统的旋转一致控制问题。在存在时滞条件下提出了一个新的控制协议,利用Lyapunov 理论,分析了闭环系统的稳定性,给出了通信拓扑结构不断切换条件下,系统实现旋转一致的条件。最后,通过仿真验证了所得的理论结果。
     

ICP算法在地磁辅助导航中的应用

利用地磁信息进行辅助导航是组合导航技术研究的新方向。文中对地磁辅助导航的原理和发展现状进行了介绍,并在分析地磁特征的基础上,研究了利用地磁异常特征进行ICP匹配定位的方法。根据应用环境,对ICP算法进行了以下改进:首先,受模拟退火法的启发,提出采用扇形扫描法搜索最优匹配,推动ICP算法向全局最优迭代;其次,结合RANSAC法,有效地剔除了地磁测量中的野值点,提高了算法的鲁棒性。仿真结果证实了改进算法的良好性能。     

基于神经网络的多卫星姿态协同控制预测模型

摘要： 针对多卫星近距离对空间目标监测中的姿态协同控制问题，研究基于神经网络的智能控制模型.首先设计了面向任意姿态控制方法的神经网络自适应控制模型，该模型不改变卫星姿态控制方法本身，而是接收由理想控制模型生成的理想控制量，理想控制量经过神经网络后直接生成适用于卫星的控制量.根据神经网络对控制系统的系统级状态预测，基于一致性控制协议，设计了多卫星姿态协同控制模型.采用等效姿态角，通过数值仿真，分别验证了预测控制方法、输出状态预测、协同控制的方法正确性和有效性.     

执行器饱和的多智能体一致性控制

针对执行器饱和约束下的一类离散多智能体系统，设计了一种基于线性矩阵不等式的一致性控制律，并对线性矩阵不等式解的存在性进行了分析。由于饱和环节的影响，导致多智能体系统的一致性与个体的初始状态有关，不同的控制律所能允许的个体之间的初始偏差的范围不同。为了定量分析控制律所对应的初始偏差范围，引入吸引域的概念对所设计的控制律进行评估，并对控制律参数进行优化以扩大吸引域的范围。最后，通过数值仿真说明了所设计控制律的有效性。     

通信和测量受限条件下异构多UAV分布式协同目标跟踪方法

研究了通信和测量受限的异构多无人机(UAV)网络化分布式协同目标观测与跟踪问题.该分布式UAV系统采用长机一僚机异构型网络结构,以实现在电子静默和战术隐身条件下扩大探测和打击纵深.提出改进的一致性信息滤波(ICF)算法,实现通信和测量范围内各UAV节点的分布式信息融合.由于一致性算法的收敛性与网络拓扑结构的连通性密切相...     

基于信息理论的网络文本组合聚类

尽管近年来针对文本聚类问题进行了大量研究,其仍然是数据挖掘领域的一个富有挑战性的问题,特别在弱相关特征乃至噪声特征的处理上,仍然存在诸多挑战。针对这一问题提出了文本聚类的分解-组合算法框架——DIAS。该方法首先通过简单随机特征抽样将高维文本数据进行分解得到多样化的结构知识,其优点是能够较好地避免产生大量的噪声特征。然后采用基于信息理论的一致性聚类（ICC）将多视角基础聚类知识组合起来,得到高质量的一致性划分。最后通过在8个真实文本数据集上的实验,证明DIAS算法相较于其他被广泛使用的算法具有明显优势,特别在处理弱基础聚类上具有突出效果。由于在分布式计算上的天然优势,DIAS有望成为大规模文本聚类的主流算法。