基于无迹粒子滤波算法的航空发动机排气温度预测

针对粒子滤波算法不能考虑最新的观测值,仅使用某时间节点之前的实际数据来预测航空发动机排气温度,会造成预 测的温度数据误差累积,不能及时修正以及粒子退化等问题,将无迹粒子滤波引入到航空发动机排气温度预测中。分别介绍了粒 子滤波算法和无迹粒子滤波算法;在此基础上,建立了航空发动机的退化模型。利用退化模型和无迹粒子滤波算法对航空发动机 排气温度进行预测,并将预测值与实际值进行比较,将所得结果与采用传统粒子滤波算法得到的结果进行了对比,结果表明：无迹 粒子滤波算法对于排气温度的预测效果较好,所预测的发动机达到阈值的时间与实际时间更为接近,温度范围更为集中,准确性 更高,预测误差小于5%。     

一种基于单目视觉的自主机器人导航控制方法

首先对单目视觉获得的原始图像进行图像校正处理,利用边界判据函数分割获得可行区域,得到障碍物位置信息,然后在可行区域中根据障碍物位置分段给出机器人导航控制边界,最后采用拟合曲线模型得到前进路径曲线。试验表明,该算法有效稳定,可实时获取可行区域并实现移动机器人自主避障功能。     

DR/GPS组合导航系统滤波技术研究

陆用航位推算系统（DR）的精度主要受到里程系数和航向误差的制约,其误差模型本质具有非线性,因此采用非线性滤波算法能显著提高里程系数和航向误差的估计精度。本文将粒子滤波应用到航位推算（DR）/GPS组合导航系统数据融合过程中,对航位推算 (DR) 与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。粒子滤波存在的主要问题是粒子的退化现象严重,本文将量子粒子群优化 (PSO) 算法与粒子滤波相结合,提出了量子PSO粒子滤波算法,该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过量子PSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了粒子滤波的精度。跑车实验结果表明,该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

月面环境三维激光SLAM技术

同步建图与定位（SLAM）可实现月球车在未知复杂月面环境下的定位与导航,月球表面由陨坑、石头等起伏地形构成,缺乏树木、建筑物等地面存有的显著特征,大量特征不显著的点云数据会对月球车定位精度和实时性造成影响。本文提出了一种针对月面环境的显著特征点云提取方法以及基于曲面定位能力估计的增量式优化算法,通过Fisher信息矩阵计算曲面定位能力指标,获取机器人位姿估计的不确定性测量,利用增量式的SLAM方案进行优化,用于提高定位精度与实时性。通过在Gazebo （物理仿真平台）仿真场景下的测试,验证了算法性能。     

非线性非高斯秩滤波方法

基于秩滤波原理,提出一种非线性非高斯秩滤波方法,给出其递推过程.目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波,无迹Kalman滤波只适用于高斯分布的情况,粒子滤波方法却存在粒子退化及重采样引起的粒子贫化问题.而非线性非高斯秩滤波方法不仅适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、工作量小,便于工程应用.从仿真算例可以看到,该方法的滤波精度与无迹Kalman滤波和粒子滤波方法相比提高了500%以上.      

Rao-Blackwellized粒子概率假设密度滤波算法

针对多目标跟踪（MTT）,提出一种新的基于随机集的滤波算法,称为Rao-Blackwellized粒子概率假设密度滤波算法（RBP-PHDF）。算法运用Rao-Blackwellized思想,通过挖掘分析“混合线性/非线性模型”的结构,采用序列蒙特卡罗（SMC）方法预测与估计概率假设密度（PHD）迭代式中各个目标的非线性状态,并利用非线性状态粒子中包含的信息,使用卡尔曼滤波器（KF）对线性状态进行预测与估计。以更好地估计PHD进而提高各目标状态估计精度。分析与MTT仿真的结果表明,在相同的仿真条件下,与现有序列蒙特卡罗概率假设密度滤波算法（SMC-PHDF）相比,RBP-PHDF在降低粒子维数、减少计算量的同时,有效提升了估计精度。     

非线性状态方程自校准滤波方法

针对工程实际中遇到的非线性系统状态方程中含未知输入（如环境因素的影响、模型和参数选取不当等）的情况,采用自校准技术,基于秩滤波与无迹Kalman滤波算法提出了一种非线性状态方程自校准滤波方法,并分别讨论了自校准秩滤波(SRF)与自校准无迹Kalman滤波(SUKF)两种情况。大量仿真结果和工程应用表明:与无迹Kalman滤波(UKF)相比,该方法通过对系统状态方程中的未知输入进行自动估计和补偿,改善了系统受未知输入影响下的滤波效果,从算例中可以看到,估计精度至少提高了80%,且计算简单,便于工程应用。      

基于绳系并联机器人支撑系统的SDM动导数试验可行性研究

详细给出了在低速风洞中,采用绳系并联机器人(WDPR)支撑模型,用强迫振荡法进行标准动态模型(SDM)动导数试验可行性的研究。试验中将杆式六分量应变天平内置入模型中以测量模型的气动力和气动力矩,建立了适用于绳系并联机器人支撑系统的模型运动控制子系统和数据采集子系统。采用绳拉力作为参考信号,对气动力矩信号与位姿信号进行数据的同步处理,解决了绳系并联机器人支撑系统应用于动导数试验时所测力矩信号与位姿信号之间的相位差确定问题,给出了WDPR支撑下模型动导数的计算方法。整个试验样机置于某开口式低速直流风洞中进行了俯仰、带偏航角的俯仰以及升沉的动导数试验,通过测量和计算得到各动导数。试验结果与参考文献相比较具有合理的一致性。研究结果表明,采用绳系并联机器人支撑模型进行动导数试验是可行的,至少对于SDM是这样的结果;使用一套绳系并联机器人支撑系统,可以完成多套硬式支撑系统才能完成的动导数试验,从而提高试验效率,降低试验成本。     

一种低数据传输的多机器人实时视觉SLAM

针对多机器人视觉SLAM在实际应用中带宽受限的问题,设计了一种低数据传输的多机器人实时视觉SLAM系统.系统中引入了NetVLAD神经网络模型,通过改进NetVLAD降低了多机器人回环检测的计算资源占用,提高了回环检测的实时性.提出了一种针对描述子缺失情况下的特征匹配算法,提高了回环检测与相对量测的鲁棒性,并提出了一种增量式多机器人位姿图共享和优化方法.最后,通过在KITTI数据集进行测试,验证了该SLAM系统能有效减少多机器人通信过程中的数据传输,具有与单机器人SLAM相当的定位精度和实时性.     

基于刚度优化的绳牵引并联支撑系统力/位混合控制

针对应用于风洞试验的八绳牵引并联支撑系统高性能运动控制问题,开展绳索张力实时优化与力/位混合控制技术研究。基于动态试验需求和系统刚度矩阵,选择主刚度加权和最大为目标函数,将其转化为线性规划问题,采用二维凸多边形张力可行域顶点法进行实时求解,并根据绳索张力变化约束进一步提出连续可行域,确保解的连续性,实现其优化分布;设计一种基于电机转角和绳索张力反馈的力/位混合控制策略,其中位姿控制环采用计算力矩法,并利用实际绳索张力补偿惯性力和非线性力等,进而开展稳定性分析。以风洞试验中典型的推力模拟、俯仰振荡等线位移和角运动轨迹为例,在原理样机上开展控制验证实验。研究结果表明该控制策略能够实现对末端飞行器模型位姿和绳索张力的有效跟踪,且具有较高的精度和良好的稳定性,可以为绳牵引并联支撑在风洞动态试验中的应用提供技术支持。     

移动工业机器人在飞机装配生产线中的应用研究

在总结移动工业机器人在飞机装配生产线等航空制造场景典型应用的基础上,重点分析了移动工业机器人多传感器融合的同步定位和建图、移动机器人导航控制、机械臂精度控制和数字化测量等关键技术,并对未来航空领域移动机器人的人机协作、多传感器数据融合、智能规划与决策、数字孪生体系等发展趋势进行了阐述.     

基于几何特征关联的室内扫描匹配SLAM方法

为实现室内结构化环境中仅依靠激光雷达数据进行实时自定位并创建精确的特征地图,提出了一种基于几何特征关联的室内扫描匹配SLAM方法.几何特征关联与匹配方法的优劣很大程度上影响SLAM的实时性和精度.结合室内结构化环境的特点,提出了一种完备端点定义与提取方法,将直线段特征与完备端点进行关联,优化几何特征扫描匹配过程.此外,姿态角收敛是SLAM进行机器人位姿估计和求解一致性的关键.为确保姿态角准确收敛,采用了基于直线拟合认知的姿态角加权几何平均求解方法.实验证明,提出的SLAM方法得到的定位精度在100mm内,建图精度也较高,能胜任室内SLAM.     

基于均值漂移无味粒子滤波的地面运动目标变结构交互多模型跟踪(英文)

为了跟踪地面运动目标,本文提出在变结构交互多模型基础上使用均值漂移无味粒子滤波的算法。模型滤波中,通过均值漂移将无味粒子滤波产生的采样粒子向目标状态最大后验密度估计方向移动。"停止"模型基础上,提出了"遮蔽"模型:出现地形遮蔽时,使用上一时刻的预测代替下一时刻的测量,且保持道路模型与遮蔽前一致。仿真实验采用地面运动目标指示雷达,考虑地面运动目标的三种常见场景:进入或离开道路、经过道路交叉点以及无测量值。使用了RMSE和ANEES两种评价指标,实验结果表明本文算法有效地提高了目标改变行驶道路时的跟踪精度;且目标速度过低或被遮蔽时,可以避免轨迹中断。     

MOTION PLANNING OF MULTIPLE MOBILE ROBOTS COOPERATIVELY TRANSPORTING A COMMON OBJECT

Many applications above the capability of a single robot need the cooperation of multipl emobile robots, but effective cooperation is hard to achieve. In this paper, a master-slave method is proposed to control the motions of multiple mobile robots that cooperatively transport a common object from a start point to a goal point. A noholonomic kinematic model to constrain the motions of multiple mobile robots is built in order to achieve cooperative motions of them, and a “Dynamic Coordinator“ strategy is used to deal with the collision-avoidance of the master robot and slave robot individually. Simulation results show the robustness and effectiveness of the method.     

惯性/视觉/激光雷达SLAM技术综述CSCD

同时定位与建图(SLAM)技术已广泛应用于各类自主移动平台中,其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而,视觉SLAM系统易受视觉环境变化的影响,而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展,对SLAM系统的精度和鲁棒性等提出了更高要求,将多种具有互补性的传感器进行融合是提升SLAM系统性能的有效途径。据此,聚焦惯性/视觉/激光雷达多传感器融合SLAM技术,从多传感器标定和多源数据融合两个主要方面进行综述,最后对多传感器融合SLAM技术的发展趋势进行了展望。     

基于遗传算法的多机器人系统集中协调式路径规划

根据多机器人系统无碰撞运动的需要,对其工作空间进行了分解,确定了机器人运行路线上的各个可能路径点,从而得到了规划空间的多路径点链接图描述。基于这种对规划空间的链接图建模描述,开发了一种混合遗传算法用于寻找多个机器人的无碰撞协调运动路线。仿真结果表明,这种方法可有效地解决复杂规划空间下的多机器人路径规划问题。     

基于视觉的行人引领移动机器人导航方法研究

移动机器人通过跟随领航员以实现导航是一种便捷的导航方式。针对行人引领导航中的领航员定位问题,提出了一种基于视觉的行人引领导航方法。该方法利用卡尔曼滤波器预测领航员的位置和尺度,并基于深度神经网络的行人检测器提供的结果更新滤波器的状态。为了关联检测结果和卡尔曼滤波器预测结果,提出了2个指标用于衡量两者之间的关联性。其中,为了提高在多个行人中辨认领航员的可靠性,创新性地引入了一个孪生神经网络,使用该网络全连接层提取的特征作为候选人的特征描述子,并通过计算特征之间的余弦距离来验证检测器检测到的行人身份。此外,当卡尔曼滤波器跟踪领航员失败时,综合考虑检测结果和孪生网络的判断结果重新初始化卡尔曼滤波器,以实现持续的领航员定位。视频实验和物理机器人实验验证了所提出的方法的有效性和可靠性。     

引入UPF的交互式多模型的算法

融合交互式多模型和UPF（the unscented particle filter）,提出了一种新的多模型滤波算法。多模型结构能适应目标高度机动,粒子滤波能处理非线性、非高斯问题,而UKF（the unscented Kalman filte,）可以提高估计精度。与其它交互式多模型算法进行了比较,试验仿真结果证实了新滤波算法的有效性。     

基于最大一致容积Kalman滤波器的多机器人协同定位CSCD

机器人位置信息是多机器人系统执行任务的前提,单个机器人因传感器载荷和作用范围的限制,难以完成复杂环境中的定位任务,多个机器人通过协作可实现大范围下的位置确定。将配置多个传感器的同构机器人群替换为配置单个或少量传感器的异构机器人可降低硬件成本,并且通过设计协同算法,不会降低定位精度。提出了一种将容积Kalman滤波器与最大一致思想融合后的新型滤波算法,并将该算法应用于麦克纳姆轮机器人系统。通过仿真和实物验证了最大一致容积Kalman滤波器的协同定位效果。     

面向视觉SLAM的快速均匀特征点提取方法CSCD

针对现有特征点提取方法中特征点提取结果冗余且均匀性差,导致SLAM定位精度及计算效率低的问题,提出了一种面向视觉SLAM的快速均匀特征点提取方法。在该算法的特征点提取部分,创新性地根据目标特征点提取数量对图像进行网格划分,使得特征点均匀分布在整幅图像中。同时,提出了一种兼顾全局和局部信息的均匀性评价标准,更符合视觉SLAM对特征点分布的要求。在NVIDIA Jetson TX2嵌入式平台上进行了实验验证,实验结果表明,新提出的特征点提取方法降低了特征信息冗余及特征信息缺失的概率,提升了SLAM定位精度,在计算资源有限的平台上具有实际应用价值。