基于点线特征融合的双目惯性SLAM算法

针对室内弱纹理场景下,基于点特征的SLAM算法难以追踪足够多的有效特征点,导致系统定位精度和鲁棒性较差,甚至完全失效的问题,提出一种基于点线特征并融合惯性测量单元(IMU)的双目视觉惯性SLAM算法。利用点线特征的互补优势来提高数据关联的准确性,同时引入IMU数据为视觉定位算法提供先验和尺度信息,通过联合最小化多残差函数得到更准确的相机位姿,并据此构建环境点线特征地图、稠密地图和导航地图。针对传统线特征提取算法在复杂场景下易检测到大量短线段和相似线段特征以及线段存在过分割等弊端,利用线段长度抑制、近线合并及断线拼接策略在FLD算法的基础上进行改进,以降低线特征的误匹配率,运行速度是LSD算法的2倍以上。通过对比多组公开数据集和真实弱纹理场景下得到的仿真实验结果可知,所提算法在保证定位精度的同时能够获得更为丰富的环境地图,具备较好的鲁棒性。     

一种基于年龄和性别特征的遗传算法

提出了一种基于年龄和性别特征的遗传算法。标准遗传算法（SGA）已经被成功的应用到很多进化优化问题上，但是对于复杂的多模态函数寻优时，会出现早熟收敛现象。为了解决这个问题，结合自然界最常见的有性繁殖现象，赋予了遗传个体年龄和性别特征，提出了基于年龄和性别特征的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子。对不同年龄和不同性别的个体赋予不同的进化控制参数，克服了早熟收敛问题且保持了群体的多样性，使算法能顺利的收敛到全局最优值。     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

前馈神经网络的一种简单共轭梯度学习算法

针对前馈神经网络学习误差函数维数高、计算复杂度大的特点,对梯度下降BP算法加以改进从而构造出一种简单共轭梯度下降算法(MPARTAN算法).该算法计算复杂度不高于动量BP算法, 与FR共轭梯度法相比,该算法的稳定性好,又具有共轭梯度法的优点,收敛速度快.文中给出了该算法的收敛定理,并用2个实验例子比较了动量BP算法、FR共轭梯度法和MPARTAN算法的计算结果.     

Bi_(1.9)Pb_(0.3)Sr_(2.0)Ca_(1.7)Mg_(0.3)Cu_(3.1)O_x 超导块材弱连接区的低磁场性

通过对在不同外磁场下Ｂｉ１．９Ｐｂ０．３Ｓｒ２．０Ｃａ１．７Ｍｇ０．３Ｃｕ３．１Ｏｘ超导块材的交流磁化率的测量，获得了样品内晶粒间和晶粒内对外场的不问响应范围．通过与粉状样品实验结果的比较和Ｘ光分析，认为块状样品在温度为１００Ｋ左右出现的抗磁台阶是样品内晶粒间超导弱连接的一种抗磁效应．对弱连接区有效钉扎力Ｆｐ和临界电流密度Ｊｃ与外场Ｈ的关系进行了讨论．     

输入受限乘波体飞行器的最优跟踪控制方法

针对存在输入受限的乘波体飞行器最优跟踪问题,基于反演控制设计了最优跟踪控制器。将控制分为稳态跟踪控制和瞬态最优控制两部分。首先基于反演控制框架,引入有限时间收敛跟踪器对虚拟控制律进行估计,避免了普遍存在的“微分项膨胀”问题。其次,考虑系统中存在不确定项,设计了非线性干扰观测器对不确定项进行估计,确保控制器的鲁棒性。同时,充分考虑输入受限情况,基于辅助误差补偿策略对控制输入进行修正。然后,为了实现最优控制,基于自适应动态规划设计瞬态最优控制器。最终通过数字仿真,验证所设计控制方法的有效性。     

弱撞击对接机构捕获过程的传力性能分析

弱撞击对接机构(Low impact docking mechanism,LIDM)的力雅可比矩阵包含了驱动臂与负载传感环力和力矩的传递关系信息。然而,力和力矩具有不同的量纲,将雅可比矩阵分解为两个分别与力和力矩传递相关的子矩阵,在两个子矩阵的基础上,分别推导出力和力矩传递关系的数学模型,并通过计算工作空间内力和力矩传递能力的分布规律,研究LIDM力和力矩的传递性能。分析结果表明,对接机构的结构构型确定后,力和力矩传递性能呈椭球体分布,并随负载传感环沿不同路径移动,呈现不同的规律。研究结果对以LIDM为代表的空间对接机构的结构性能评价及优化具有重要的工程意义。     

非线性方程求解中的幂指函数法

给出幂指函数在非线性方程求解中的一种迭代算法,既给出初始值的判断条件,又给出方程根附近的近似误差公式。算例表明:与其它五种方法相比,本文提出的幂指函数法精度较高,其收敛速度是Newton法和二次曲线法的10倍左右;而计算时间是Newton法和二次曲线法的十分之一左右。