融合动态风险图和改进A*算法的动态改航规划

结合机载气象雷达探测信息,本文提出了一种融合动态风险图和改进A*算法的动态改航规划方法.该方法首先利用机载气象雷达的探测结果,将其进行离散化处理,建立一个定期更新的动态风险图,以此作为算法的仿真环境;然后,综合考虑了航迹长度、航迹偏离度和管制约束等因素来构造算法的代价函数,基于该代价函数进行航迹规划.同时,对A*算法的...     

基于Kinect的七自由度空间机械臂体感控制方法

针对七自由度空间机械臂的体感控制问题,提出了一种基于操作周期和运动周期的增量式关节角人机运动映射方法。使用Kinect传感器采集人体关节点坐标数据并使用空间向量法计算关节角,根据关节角增量及手势命令计算得到机械臂关节角。为解决关节坐标数据的抖动与失真问题,分析了Kinect对不同关节点采集的数据精度的关系,并给出一种限幅平滑滤波算法。结合上述结果,提出对操作周期进行分段的方法,并给出了优化后的体感控制算法。最后,搭建了空间机械臂体感控制的仿真试验平台,在Unity中搭建仿真试验场景,经体感控制下的空间机械臂运动试验验证了所提出方法的可行性。     

基于BP神经网络的飞机装备维护人员综合素质评估

在分析了影响维护人员素质的因素后提出了基于BP神经网络对维护人员综合素质进行评估的方法.利用BP神经网络建立了维护人员综合素质的评价模型,并通过使用改进算法进行了训练.训练测试的结果表明,该方法具有较高的可行性和有效性,为全面评估维护人员的素质提供了一种方法.     

水下无线传感器网络目标定位算法

提出了一种基于目标位置的定位转换算法,通过对水下声波传播衰减的研究,推导出距离与声强度的公式,进一步由节点接收到目标强度信息计算出节点与目标的距离进行定位。当目标处在水下传感器网络内部时,根据节点接收到信号强度的大小,进行加权质心定位算法。为解决三维坐标系下目标深度的计算,通过在海面设置大功率骨干节点,通过主动探测声呐测得目标的距离与角度,从而计算出目标深度。仿真验证表明,本文算法的有效性。     

基于非精确计算的空间探测相控阵雷达任务规划算法

针对空间探测相控阵雷达系统,提出了一种新的基于非精确计算模型的观测任务规划算法。首先,建立了目标观测的实时任务模型,并分析了观测任务所占用传感器的资源;其次,基于非精确计算模型,提出一种多任务并行的实时容错调度算法来解决观测任务规划问题,该算法综合考虑相控阵雷达的搜索任务与跟踪任务,来进行系统资源的分配。对于跟踪任务,算法结合目标的过境时间以及当前系统的负载情况,以此来确定雷达对该目标的观测时间段;最后给出了算法的评估方法。利用2886个低轨空间目标进行仿真验证,结果表明,基于非精确计算模型的任务规划算法,可显著提高系统调度成功率以及时间资源利用率．比传统方法更稳健。     

月面巡视器基于深度学习的即时定位与建图

针对载人登月对月面大范围行走探测以及月面巡视器导航定位的要求,提出了一种基于深度学习的视觉即时定位与建图(SLAM)方法。该方法设计了一个全监督的卷积神经网络对单目SLAM建模,减少了传统方法中人工设计特征和根据场景设置各种参数阈值的局限性;同时,利用深度学习模型良好的迁移学习能力,从大量地面数据训练并在少量仿月表面数据微调中得到网络的参数,从图像序列中直接估计平移量和旋转量;此外,引入了三维点云构成的稀疏深度图作为监督,采用光度误差构造的损失函数将深度信息和位姿信息结合,得到位姿估计的精度比肩传统SLAM算法,同时增加了算法对环境的适应性和鲁棒性。实验证明该算法在城市道路环境和仿月表面环境均有较优的性能。     

基于知识工程的飞机装配过程故障智能诊断技术

针对飞机装配过程中故障产生原因复杂,描述文本较长的特点,结合深度学习理论,提出了基于知识工程的故障智能诊断方法.首先对飞机质量故障表单进行属性约简,利用基于词库与全模式分词相结合的分词算法约简长文本属性.通过深度学习算法将长文本属性向量化表示,然后利用最相邻(KNN)算法与余弦相似度算法,从历史故障表单中检索出与新表单...     

基于模板匹配的集中式多传感器群内目标精细跟踪算法

为解决多传感器探测下群内目标精细跟踪的难题,基于非机动情况下各探测周期内群内目标真实回波位置相对固定的特性,提出了一种基于模板匹配的集中式多传感器群内目标精细跟踪算法。该算法通过预关联成功的群状态集合与群量测集合分别建立模板形状矩阵和待匹配形状矩阵,利用匹配搜索模型和匹配矩阵确认规则选出代价最小的匹配矩阵,并基于模板和对应的匹配矩阵利用 kalman滤波完成群内各目标航迹的状态更新。仿真表明,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率方面的性能明显优越,能很好的满足群内目标精细跟踪的实际工程需求。     

基于流形学习的涡轮泵海量数据异常识别算法

为了获取海量试车数据中的信息以分析涡轮泵的健康状态,提出一种基于流形学习的海量数据异常识别算法.该算法将反映涡轮泵状态的振动数据重构到高维空间中,利用扩散映射方法直接对其进行学习,提取出数据内在的低维流形特征,以可视化的方式直观地识别出涡轮泵数据中的异常状态.仿真与试车数据验证结果表明了所提算法的可行性和有效性.该算法克服了传统方法解决非线性问题不足的缺点,为试车后涡轮泵的健康分析提供了一条新的途径.     

一种基于聚类分析的二维激波模式识别算法

在激波捕捉求解器计算的可压缩无黏流场基础上,提出了一种探测并识别二维激波干扰模式的新算法,从3个层面详细介绍了该算法的实施流程。首先,采用基于当地流场参数设计的传统激波探测方法,辨识出激波附近的一系列网格单元;其次,通过经典的K-means聚类算法将这些激波单元划分成许多簇,并根据簇的相邻信息定义每个簇的类别;最后,设定相关准则对某些紧邻的簇进行合并,进而确定各个激波干扰点的位置,记录各条激波分支所对应的簇,采用Bézier曲线拟合算法分别对其聚类中心进行拟合以获取更加光滑的激波线。数值试验表明,该算法不受网格类型的限制,不仅可以保证最终拟合的激波线具有较高的位置精度,还可以清晰地识别出流场中多激波干扰的模式,同时对分析非定常流场中激波的运动与演化过程也提供了一种有效的可视化手段。     

基于视觉SLAM的飞机模拟座舱三维地图构建

针对飞机座舱副驾驶的研究需要,为使得机械臂能够在飞机座舱完成导航任务,旨在构建一个可用于机械臂导航的飞机模拟座舱三维地图。针对特征点分布情况对即时定位与地图构建(simultaneous localization and mapping,简称SLAM)的建图精度的影响,通过实验对比,验证了ORB-SLAM改进的ORB(oriented FAST and rotated BRIEF)特征检测算法相对于OpenCV库中SIFT,SURF和ORB算法检测提取的特征点分布更加均匀,更适用于SLAM。采用Kinect V2.0作为深度信息图像和彩色图像的数据采集设备,在飞机模拟座舱真实的环境下,结合ROS系统和ORBSLAM2系统框架,构建了飞机座舱内的三维稠密点云地图。针对点云地图存在数据大和难以实现导航等问题,采用了OctoMap数据模型,该数据模型能够压缩点云,调节分辨率和判断空间是否被占据,将点云地图转化为八叉树地图,最终获得数据小和适用于导航的三维八叉树地图。     

航空发动机直纹叶片的线形特征点云构造算法

针对航空领域形状复杂、高精度的直纹叶片曲面的逆向设计问题,借助该类叶片曲面的几何特征,提出一种线形特征点云的构造算法.在对叶片散乱点云边界进行快速识别的基础上,采用反投影法提取直纹母线矢量,利用退火算法求解边界数据点配准的多目标优化问题,以实现边界点云数据的非刚性配准.根据配准结果构造等分点,进而得到规则有序的线形特征点云,达到快速生成高质量叶片曲面的目的.本算法在处理直纹叶片点云数据方面具有较好的效果.对直纹叶片的曲面重建具有一定的理论意义和应用价值,通过实验验证了该算法的可行性.     

ICP配准算法的影响因素及评价指标分析

基于3D激光雷达传感器的同时定位与地图构建(SLAM)技术,是机器人自主定位解决方案的核心。三维点云配准环节是3D激光雷达SLAM实现自身定位与地图构建的关键所在。重点围绕ICP算法在三维激光点云配准中的应用开展研究,首先对ICP算法的配准原理及其求解过程进行详细分析,其次介绍了ICP的影响因素并提出了相应的评价指标,最后测试了ICP算法在不同角度和位移下的配准效果并进行了实验分析。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

基于局部几何特征的稠密点云配准方法

针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题，提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征，从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上，使用K维树搜索完成局部几何特征描述子的关联工作。最后，通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明，该方法的配准成功率达到92.5%，配准精度达到0.0434m，配准时间相对最邻点迭代配准算法缩短了74.7%，实验结果验证了该方法的有效性、实时性和鲁棒性。     

A point cloud deep neural network metamodel method for aerodynamic prediction

Aiming to reduce the high expense of 3-Dimensional (3D) aerodynamics numerical simulations and overcome the limitations of the traditional parametric learning methods, a point cloud deep learning non-parametric metamodel method is proposed in this paper. The 3D geometric data, corresponding to the object boundaries, are chosen as point clouds and a deep learning neural network metamodel fed by the point clouds is further established based on the PointNet architecture. This network can learn an end-to-end mapping between spatial positions of the object surface and CFD numerical quantities. With the proposed aerodynamic metamodel approach, the point clouds are constructed by collecting the coordinates of grid vertices on the object surface in a CFD domain, which can maintain the boundary smoothness and allow the network to detect small changes between geometries. Moreover, the point clouds are easily accessible from 3D sensors. The point cloud deep learning neural network, which employs re-sampling technique, the spatial transformer network and the fully connected layer, is developed to predict the aerodynamic characteristics of 3D geometry. The effectiveness of the proposed metamodel method is further verified by aerodynamic prediction and robust shape optimization of the ONERA M6 wing. The results show that the proposed method can achieve more satisfactory agreement with the experimental measurements compared to the parametric-learning-based deep neural network.     

面向结构化场景的激光雷达点云高精度配准与定位方法

在基于先验地图的激光雷达室内导航方案中,通常采用点云配准的方法进行无人设备位姿初始化.在结构化场景下,传统配准算法特征鲁棒性较差,导致点云配准的误差较大且易陷入局部最优.针对该问题,提出了一种基于多平面空间模型的点云快速配准方法.首先该方法利用特征直方图的思想对空间点云进行快速粗聚类,根据平面一致性将粗聚类后的点集进行...     

基于多特征点参数权值优化的蒙皮点云去噪研究

点云去噪的效果对三维扫描过程后续的曲面拟合与造型设计至关重要，如何快速准确提取特征点已成为研究热点，然而点云去噪的关键之处在于奇异值与离群值的检测。提出耦合多特征点参数的去噪模型，分别讨论每个特征点参数对去噪模型的影响程度；采用群智能算法求解出一组最优参数权重，以此确定点云去噪模型，从而达到三维散乱点云最优去噪效果；通过对Bunny 模型进行去噪仿真以及某一型号的蒙皮进行去噪实验，对去噪模型进行验证。结果表明：本文提出的点云去噪模型相较于半径滤波器、统计滤波器、改进体素滤波结合高斯滤波模型，迭代更快、耗时更少，具有更好的去噪效果。     

基于改进DeepSORT的视觉/激光雷达目标跟踪与定位方法CSCD

通过结合目标跟踪与相对定位,在对多帧检测目标进行关联与分析的同时,可以获取其三维信息。但当目标外观特征变换较大时,传统目标跟踪算法较易发生漏匹配或身份变换,而仅依靠对齐点云的相对定位算法较易出现定位失效的情况。针对以上问题,提出了一种基于改进DeepSORT的目标跟踪与定位方法在原始DeepSORT算法中加入基于位置约束的匹配,解决了因外观改变导致的漏匹配问题;在获取跟踪信息的基础上,设计了基于目标运动模型的相对定位方法,解决了图像中目标较小时相对定位不连续且定位精度较低的问题。试验结果表明,与传统DeepSORT算法相比,多目标跟踪准确度提高了5.9%;与仅依靠对齐点云的相对定位算法相比,定位精度提高了62.4%。     

基于三频外差法的异构铸件三维测量系统

惯性平台中的台体和本体均为复杂异构铸件,目前多采用人工划线法建立多个基准来进行测量,效率和精度低,易漏检误检。基于多频外差法的三维光学测量系统已广泛应用于航空、航天等制造领域,根据被测铸件异构的特点,结合双目视觉和相位光栅法较高的检测效率和精度,搭建了一套三维测量系统。首先通过平板标定法得到系统的固定参数和可变参数,然后利用数字光栅投影仪向被测零件表面投射三套不同频率的相移条纹图,相机同步采集变形条纹图,再利用四步相移和三频外差法得到周期为1的相位分布,以此为基准展开得到连续分布的绝对相位,结合极线约束和相位匹配重建出被测零件的三维点云数据,最后在三维软件中完成点云处理、曲面重构和三维测量。实验结果表明,系统的绝对测量精度小于0.1mm,能够实现异构铸件的三维尺寸测量,具有较高的检测效率。