基于分散化信息滤波的移动机器人定位

给出分散化信息滤波的最优性证明和保证最优性的条件 ,讨论了分散化信息滤波在故障检测和多传感器融合中的优势 ,提出一种在不影响分散化优势的情况下可以减小通讯量的滤波器结构。最后的仿真例子说明该方法在移动机器人定位应用中的有效性。     

基于饱和方法的轮式移动机器人的跟踪及调节控制

研究了有输入饱和限制的轮式移动机器人的全局镇定及跟踪控制.基于串接-反步方法及引入一种运动学振荡器,设计了一统一的连续时变状态控制器,可同时实现机器人的轨迹跟踪和定点调节控制,并使跟踪误差全局渐近收敛于零点附近的一小邻域内.仿真结果证明提出的控制器有效.     

基于鲁棒非线性卡尔曼滤波的自适应SLAM算法

针对传统非迹卡尔曼滤波算法缺乏在线自适应调整能力,在噪声模型出现误差时滤波精度下降的问题,提出了一种基于鲁棒无迹卡尔曼滤波的同步定位与地图创建算法。该算法引入了一个多维观测噪声尺度因子,能根据观测噪声统计特性的实际变化情况对每种传感器的噪声模型做出自适应调整,使其逼近真实噪声水平,进而将滤波增益调整到一个适当值,实现滤波器的最优估计。SLAM仿真实验结果表明,在噪声统计特性发生变化的情况下,该算法相比其它几种SLAM算法具有更好的自适应能力,估计精度更高,鲁棒性更强。     

一种新的强跟踪H∞滤波方法研究及应用

针对常规H∞滤波跟踪机动过程能力较弱的问题,提出了一种新的强跟踪H∞滤波算法,该滤波算法具有较好的姿态跟踪能力,并保持了H∞滤波模型简单、鲁棒性好的优点.文中通过研究基于强跟踪H∞滤波方法的GPS/INS对准,实现空中机动条件下的惯导系统初始对准.对该算法进行仿真验证,测试结果表明,采用基于H∞的强跟踪滤波可以较好地提...     

一种基于粒子滤波的双目视觉惯导SLAM技术

针对智能无人系统的定位与地图构建问题,提出一种基于粒子滤波的双目视觉惯导SLAM（即时定位与地图构建）方法。算法基于传统粒子滤波思想设计实现,后端处理时仅对位姿状态量进行滤波,有效解决了传统算法的维度爆炸问题,减少计算量的同时保证一定的精确度,兼顾SLAM算法精确性和即时性的要求。实验结果表明,方法整体定位精度相对误差低于5%,在光照条件适宜的小型场景效果更佳,误差低于3%,能够达到分米级精度,证明了SLAM方法能够完成SLAM系统的要求,实现即时定位与地图构建功能,具有一定的准确性、稳定性和鲁棒性。粒子滤波能够应用于视觉惯导SLAM领域并达到较高的精度要求。     

基于强跟踪滤波的全自主机器人目标预测

全自主机器人在目标跟踪过程中,为了克服视觉系统造成的决策延时,需要对目标进行预测。目前全自主机器人目标预测方法对目标模型有强依赖性,并对突变状态的预测滞后。本文提出将强跟踪滤波理论应用于全自主机器人目标预测,通过引入渐消因子,克服了其它目标预测方法的缺点。仿真结果说明强跟踪滤波对目标的预测比较精确,并对突变状态反应灵敏,说明该方法的有效性。     

最佳递推滤波在跟踪伺服系统中的应用

五十年代以来,在控制工程领域中,有两大重要发展。一是,数字计算机的运算速度和存储容量不断扩大。二是,控制系统理论借助于经典力学的“状态”概念,从频率城发展到时间域。计算机进入控制工程,这是从经典的自动调节原理,发展到现代控制理论的重要标志。本文简单地介绍了卡尔曼滤波器。给出了一组卡尔曼滤波跟踪算法。在跟踪伺服回路中,送给伺服系统的误差信号ε不是通常由接收机直接供给的,而是经过滤波后给出的误差信号估值(?),从而实现了有计算机参与的全数字式跟踪伺服系统。由于伺服系统和角输出数据是分开的,从而提高了测角精度。文中给出了一个方位——俯仰座角跟踪系统,以雷达站为原点的东、北天座标系,目标是假定匀速直线运动情况下的一组演化方程。滤波效果,取决于我们对模型和测量噪声统计规律的认识程度。经初步试算感到方法简单,效果满意。另外,对船载天线稳定,提出一种设想。不用传统为稳定而用的敏感元件——陀螺。而是对海浪进行随机统计分析,找出规律。将其写进状态方程中,使在给出的滤波估值中包括目标运动和船摇信息。将此信息作为伺服系统之输入。从而达到稳定和跟踪目的之可能性。     

双轮驱动式移动机器人动力学控制

双轮驱动式移动机器人是由一个移动平台和两个独立驱动的驱动轮组成的,本文提出了双轮驱动式移动机器人的动力学控制算法.首先推导出双轮驱动式移动机器人的运动学模型,其次推导出双轮驱动式移动机器人的动力学模型,并给出基于该模型的动力学控制算法,最后用计算机仿真实验验证了该算法的正确性.仿真实验结果表明,利用该算法可以通过控制机器人两个驱动轮的驱动力矩来实现控制机器人按给定的轨迹运动,同时也能实现机器人方向角的改变.该算法很好地解决了双轮驱动式移动机器人系统的动力学控制问题.     

基于强跟踪滤波和模糊逻辑推理的有向图切换算法

针对传统卡尔曼滤波算法中对于强机动目标跟踪性能较差的问题,文章提出了一种新的机动目标跟踪算法DS_STF_FI算法。该算法将强跟踪滤波引入到变结构多模型跟踪算法中,结合模糊逻辑推理来实现多模型间的信息交互,并通过有向图切换法实现模型集的自适应调整,从而使跟踪算法能够适应机动目标运动状态的变化。仿真结果表明,与基于卡尔曼滤波的DS_KF_FI算法相比,文章提出的算法的跟踪性能明显提高,且具有较高的算法费效比。在机动目标跟踪领域具有广泛的应用前景。     

一种强跟踪非线性衰减滤波的环月自主导航方法研究

针对月球所具有的特殊环境,将两个航天器利用相对位置信息导航的方法应用到环月航天器的自主导航中.由于低轨道环月的摄动力模型受复杂性因素的影响,动力学模型存在较大的误差,导致滤波发散,就此提出一种自适应衰减因子非线性滤波方法.通过仿真结果比较表明,此方法不仅能更好地消除非平稳随机噪声带来的长期项状态估计误差,还能适应采样周期的实时变化进而保证最佳的衰减抑制效果.     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

基于改进快速距离转化的移动机器人路径规划方法

在分析快速距离转化法不足的基础上，提出了一种利用空间数据结构及编码方案的特性进行距离和安全转化，使用约束参量控制路径搜索过程的三维空间机器人路径规划方法。这种方法使用八叉树建立空间模型，通过构建树节点的拓扑关系使路径搜索转化为图搜索算法。根据拓扑关系按照波动传播的方法依次对各个节点进行距离和安全转化，保证了可行路径的产生。约束参量的使用能够有效地避免传统方法在搜索过程中的随机性，协调路径规划中的最短距离和最大安全需要，搜索给定参数下的最优路径空间。理论分析和仿真实验验证了该算法的可行性和正确性。     

一种可移动检测机器人站位规划策略

针对大型舱体舱外有效载荷支架检测过程中机器人站位难以确定的问题,提出一种规划策略。首先,结合机器人正运动学构建检测环境的数学模型,分别从舱体轴向与径向初步划分工作区域。然后,基于遗传算法(GA)优化检测视点次序并对工作区域栅格化处理,结合工作区域内对应视点位姿信息及关节转角约束,通过机器人逆运动学求得满足约束条件站位。最后,考虑不同关节转角误差对机器人末端精度和机器人运行过程安全性的影响,对检测过程各关节角度变化方差加权处理并构造优化函数。通过算例验证了所构建的模型及方法的可行性,结果表明该策略能够得到满足检测需求的优化站位。     

Petri网在机器人足球系统中的应用

足球机器人系统是一种典型的离散事件动态系统,很难用传统的数学模型表达式来表达。Petri网是一种系统描述和分析工具,由于它本身具有的某些优势,使得它在足球机器人系统中的应用越来越广。论文提出了应用Petri网对该系统建模的方法,利用该方法在对机器人足球比赛充分研究的基础上,建立了其Petri网模型,并通过适当的分析方法对其合理性进行了分析。该建模分析方法不仅适用于足球机器人系统,而且适用于其它离散事件动态系统。     

基于PhoneGap的跨平台移动应用开发研究

本文介绍了常用的四种移动应用开发方法,包括原生应用、移动Web应用、PhoneGap和Titanium框架,并从开发难易程度、可用平台、应用外观、应用运行速度以及使用智能终端的硬件功能等方面对四种开发方法进行了比较。最终选择了PhoneGap框架开发了一个跨平台的移动应用程序:海关EMS订单查询应用。经测试,该应用能兼容常见的移动平台,且运行速度快,用户交互流畅。     

浅谈Hadoop在移动云计算中的应用

本文提出一种移动云平台系统方案,使之支持Android智能手机的云计算。这种平台允许客户端应用程序可以方便地利用数据,并执行对智能手机和手机服务器的异构网络的网络计算任务。通过减少设备的数量和处理节点,该平台允许应用程序抽象地使用分布式资源,而无需考虑云的物理性质。将Hadoop移植到Android平台,使之能满足移动云平台的需求。