空中交通管制系统中目标跟踪技术的分析

论述了空中交通管制系统中采用的自适应单模式跟踪器和交互多模式跟踪器的工作原理、基本特性 ,并对其跟踪精度进行了分析、对比     

复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。     

卫星光通信粗瞄系统非线性摩擦的神经网络补偿

 为克服摩擦对卫星光通信(IOC)瞄准捕获跟踪（PAT）粗瞄子系统的精度控制的影响,首先利用PD控制器以获得稳定的轨迹;再用一种扩展的神经网络结构在线逼近摩擦函数,对摩擦力矩进行补偿;在此基础上,利用传统单层神经网络和自适应的鲁棒项消除神经网络的逼近误差及外部扰动。最后用李亚普诺夫函数方法证明在本文的控制策略下,可以保证系统的渐近稳定性和参数的有界性。     

一种改进的基于分解控制的非线性力矩补偿策略及其在直流电机系统中的应用

 针对直流电机系统中存在的非线性摩擦力矩和波动力矩,提出一种改进的非线性力矩补偿策略,将重复控制机制引入到基于分解控制的补偿策略中。其中,鲁棒自适应补偿器用来补偿系统中存在的非线性摩擦力矩和波动力矩;而插入的重复控制器用来进一步提高系统运动曲线的跟踪性能。二者的综合构成了系统完整的控制律。Lyapunov方法证明了闭环控制系统的全局稳定性。最后,通过对高精度伺服系统的仿真研究证明了该改进补偿策略的有效性。     

直升机切换LPV鲁棒跟踪控制

针对直升机跟踪控制问题,提出了一种基于模态依赖平均驻留时间(Mode-dependent average dwell time,MDADT)切换信号的线性变参数(Linear variable parameter,LPV)控制方法.在直升机全飞行包线内选取可以表征直升机飞行特性的状态作为增益调度变量,利用"小扰动"假设...     

基于PX4飞控的多旋翼无人机编队跟踪系统设计

为解决单架无人机续航能力不足、执行任务单薄、应用场合受限等问题,目前多无人机协同跟踪具有极其重要的研究价值。以多旋翼无人机为研究对象,设计了一种基于PX4飞控的多旋翼无人机协同编队系统。利用飞控底层软件,将设计的制导律进行移植,通过ROS系统对无人机进行外部控制,各个僚机和长机之间能够实时获取其他无人机位置,然后通过控制器得到指令速度,从而形成预设跟踪编队。仿真实验结果表明,整个编队系统对目标的跟踪精确有效,并且所设计的制导律可以在PX4飞控架构下实现对地面目标的编队跟踪,提高了多旋翼编队跟踪系统的稳定性。     

执行器故障下无人机-无人车异构编队控制

针对存在执行器故障的无人机-无人车异构系统,研究了编队跟踪容错控制问题。首先,异构系统采用有向图的拓扑结构,且并非所有无人机/车都能接收到参考信号,故在充分考虑无人机/车运动学模型存在较大差异的前提下,设计了一种针对两类系统都通用的分布式信号估计器来获取参考信号的信息。然后,基于参考信号估计值,利用鲁棒自适应控制理论,提出了形式统一的分布式容错控制协议。该协议无需获取精准故障信息,就能有效地补偿故障对异构系统性能的影响,确保异构系统在故障情况下仍能按照预先设定的编队构型跟踪上外界参考信号。最后,通过仿真试验验证了所提算法的有效性。     

基于GPS定位技术的电力巡检目标实时跟踪平台设计

电力巡检系统在巡检过程中受磁场、风等因素影响,在跟踪巡检目标时存在偏差。为了提高平台跟踪电力巡检目标轨迹与实际轨迹的拟合度,提出了基于GPS定位技术的电力巡检目标实时跟踪平台设计。以电力巡检系统为基础,将平台分为电力巡检目标跟踪运行控制模块、周边环境信息采集模块、电源模块、通信模块和中央控制系统五部分,并设计了平台硬件结构。设计了GPS定位技术和BD-2定位技术定位组合模型,通过求解定位模型,定位电力巡检目标。引入KCF算法设计电力巡检目标实时跟踪算法,实现了电力巡检目标的实时跟踪。实验结果表明：设计平台跟踪单个目标和多个目标时,目标跟踪轨迹均与实际轨迹拟合,跟踪误差小于1m,具有较高的拟合度。     

一种加速度辅助“当前”统计模型距离跟踪方法

在经典的“当前”统计模型中,机动频率通常为经验值,并需预设加速度极限值。针对这一局限,利用递归线性平滑牛顿预测器对加速度进行预估后,得到“当前”统计模型中目标机动频率值的解析解,避免了机动加速度极限值的设置,同时实现了过程噪声协方差矩阵的自适应计算。此外,利用简化的Sage-Husa滤波方法实现了量测噪声协方差矩阵的自适应更新。通过计算机仿真验证了该算法相较于经典的“当前”统计模型的距离跟踪性能更优。