一种低成本的机器人室内可通行区域建模方法

基于单目视觉的同步定位与建图（SLAM）是机器人领域中的一项热门技术。然而,在场景建图方面,由于其计算量较大,各主流方法还无法在低运算能力的平台上实现实时的场景建模。针对室内环境与小型机器人的特定情况,提出了一种新的可通行区域建模方法。该方法建立在单目特征点SLAM的基础上,通过HSV色彩空间内的图像自适应阈值分割获取地面分割图像,并与SLAM生成的稀疏点云进行交叉比对,进而获取地平面与准确的地面分割区域,再将地面分割区域反投影到地平面上,获取地面的稠密建模。在室内场景的实验中,所提方法的平均运算速度能达到21帧/s,速度约为ORB-SLAM的70%,能够满足移动平台的实时性要求。对于地平面位置的还原平均误差为5.8%,地面上道路宽度的建模误差在3.5%~12.8%。      

基于20-sim的双框架陀螺仪键合图建模与仿真

针对传统建模方法对陀螺结构进行建模时,存在推导过程复杂,直观性不好的问题,本文采用键合图建模方法建立双框架陀螺仪的键合图模型.首先根据陀螺仪的空间运动关系,建立系统的拉格朗日方程;然后基于拉格朗日方程与键合图模型的对应关系,采用调整转换器和调整回转器建立了陀螺仪的完整键合图模型,并采用20-sim软件对模型进行了仿真分析,仿真结果验证了模型的正确性.     

未知区域无人机协同搜索方法及效率分析

随着无人机技术的广泛使用,利用多架次无人机集群的自主协同控制,对某片区域进行覆盖侦察和目标搜索成为该领域的热点和难点问题。本文基于Voronoi图构型的多无人机区域覆盖模型实现了对未知区域的搜索覆盖面积和搜索时间的优化部署,基于概率地图信息更新融合的协同搜索策略实现了无人机自主协同控制,最后利用Matlab平台仿真并比较了不同情况下无人机集群搜索的效率。     

一种基于改进蚁群算法的维修拆卸序列规划方法

鉴于现有的蚁群算法用于维修拆卸序列规划时易受到初始序列的影响而陷入局部最优解的问题,本文根据维修拆卸的特点,基于DCPN模型构建了拆卸Petri网可达图,将拆卸序列规划问题转化为对Petri网可达图最优路径的搜索问题。同时以拆卸代价最小为目标,提出了一种适用于维修拆卸序列规划的蚁群算法,并以飞机前机身电子设备舱设备作为典型实例,验证表明该方法准确有效。     

磁悬浮飞轮储能用永磁偏置磁轴承设计

为了降低飞轮储能系统的磁轴承损耗,设计了一种永磁偏置磁轴承,分析了该永磁偏置磁轴承的工作原理并建立了数学模型,在此基础上对永磁偏置磁轴承进行了参数设计和仿真验证。通过飞轮储能系统试验,验证了该永磁偏置磁轴承设计的合理性。与纯电磁轴承相比,永磁偏置磁轴承显著降低了磁轴承功耗,为飞轮储能系统的长期稳定运行提供了基础。     

一种宽频带振子天线

介绍一种宽频带振子天线,它由旋转对称的导体组成,表面形状沿天线轴线方向是按锥面、球台面、圆筒振子顺序光滑连接而成,在中心用50?Ω同轴电缆馈电. 假定天线表面上等效电流的变化仅沿着导体轴向的表面切线方向,用矩量法计算电流分布,选取三角函数为展开函数和权函数. 用一个例子,给出计算的天线输入阻抗、辐射方向图、方向性系数以及输入驻波比随频率的变化,发现所研究的天线具有满意的宽频带特性.     

基于时空关联图模型的视频监控目标跟踪

多摄像机监控环境下的无重叠视域目标跟踪问题十分具有挑战性,其原因在于跟踪目标在网络中的转移与运动规律往往具有不确定性.目标跟踪的关键问题在于摄像机之间的目标关联以及如何依据网络拓扑结构来找到目标之间的对应关系.提出了一种图模型来对摄像机网络中的时空关联关系进行表达.图模型中的节点表示目标在摄像机视域中的出现区域和消失区域,边由时间与空间关系进行约束.提出了一种将目标外观模型与图模型相融合的跟踪方法,其中外观模型通过协方差描述子进行特征融合,同时,结合二部图匹配策略来解决多摄像头目标跟踪中的识别与匹配问题.在真实监控视频上的实验验证了该方法的有效性.      

基于渐非凸渐凹化过程的子图匹配算法

如何实现外点存在情况下的鲁棒高效匹配是图匹配领域的关键问题之一.针对此问题,提出将渐非凸渐凹化过程(GNCCP)用于子图匹配,即将外点存在情况下的图匹配问题建模为一个基于相似矩阵的二次组合优化问题,然后通过扩展GNCCP来近似优化,是一种新的采用二阶约束图匹配算法.相较于现有算法,提出的算法优势在于可以泛化目标函数定义方式,有效处理外点存在的情况的图匹配问题,且能同时实现有向图匹配和无向图匹配.人工数据与真实数据上的实验证实了算法的有效性.      

一种全局的无关线性图嵌入故障特征提取算法

针对故障特征数据维数高、非线性且系统难以建立物理模型的故障诊断问题,提出了一种全局的无关线性图嵌入故障特征提取算法.通过监督学习建立原始特征的关系图,以线性图嵌入为框架进行特征降维.特征的降维过程既保留了同类数据的局部结构,又考虑了异类数据之间的全局分布,同时最大程度地消除了特征之间的统计相关性.在标准故障数据集上的实验结果表明:与已有的经典算法相比,能更有效地提取出故障的典型特征,因而更有利于故障诊断系统训练网络的快速收敛,实现快速、准确的故障诊断.