基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。      

无人驾驶矿用运输车辆感知及控制方法

针对当前矿区生产作业效率低下、安全事故频发等问题,提出了一种矿用运输车辆无人驾驶感知及控制方法。感知部分,设计出基于激光雷达和毫米波雷达融合的多目标识别架构,在数据关联的基础上,应用基于卡尔曼滤波的联合概率数据关联（JPDA）算法实现矿区环境下多目标识别;控制部分,采用路径预瞄-跟踪的方式,将横向控制与纵向控制进行解耦,并通过反馈机制实时进行偏差修正,实现无人驾驶矿用运输车辆精准的横向与纵向控制。此外,搭建了矿车无人驾驶系统平台,在矿区不同场景下对上述感知及控制方法进行了测试。实验结果表明,感知算法能够实现道路可行驶区域的精确检测,并可识别出多种障碍物类型,控制算法在上下坡等场景下可实现无人驾驶矿用运输车辆纵向速度和横向位置的精准控制,满足实际应用需求。      

数字锁相解调器的优化设计

数字锁相解调器是电磁无损检测中弱信号处理的重要方法,针对其性能优化,设计一种引入卡尔曼滤波器的数字锁相解调器,该解调器兼具了强抗噪能力及良好的动态跟踪响应特性。利用卡尔曼低通滤波器截止频率随迭代次数下降的特性,结合零点频率,设计了数字锁相解调器中的低通滤波环节,实现了非常窄的锁相带通,进而提高了抗击强噪声干扰能力。此外,利用卡尔曼滤波器的迭代预测-更新特点,实现了数字锁相解调器较小的响应时间,进而改善了数字锁相解调器的动态跟踪响应特性。仿真和检测实验证明所设计数字锁相解调器具有较高的抗噪能力和良好的动态跟踪响应特性,在电磁无损检测中能够精确、快速捕捉检测信号中包含的缺陷信息。      

基于跟踪微分器的高超声速飞行器减步控制

针对高超声速飞行器强非线性,强耦合与高度不确定性的特点,提出一种基于高阶跟踪微分器的减步控制方案。将高超声速飞行器纵向模型表达为严反馈形式。在反步法设计框架中,引入跟踪微分器,利用其对给定信号任意阶导数精确估计的能力,计算第1步设计中产生的虚拟控制量的导数,并直接获得第2步实际控制量,从而将设计步骤从3步减少为2步。且在每步设计中将参数不确定性与外部扰动建模为等效干扰,设计扩张状态观测器获得等效干扰估计值,继而在控制器设计中进行补偿。利用Lyapunov方法证明闭环系统稳定性。仿真结果验证了所提控制方案对不确定及干扰的抑制作用,且跟踪精度优于传统动态面方法。     

高超声速机动目标天基跟踪鲁棒性滤波方法

为解决高超声速滑翔飞行器(HGV)机动飞行过程中的跟踪问题,提出了一种基于机动观测器补偿的鲁棒扩展卡尔曼滤波方法。针对传统卡尔曼滤波器由于模型误差而无法稳定跟踪的问题,首先建立了HGV动力学模型和天基红外测量模型;随后,设计机动观测器对未知气动加速度进行在线估计;在此基础上,利用机动估计对扩展卡尔曼滤波中的预测步骤进行修正,克服了因模型误差而导致的滤波发散问题;最后,考虑到机动观测器的时延误差,在扩展卡尔曼滤波迭代过程中引入次优渐消因子,提高了滤波跟踪的鲁棒性。与强跟踪滤波、扩维卡尔曼滤波、交互多模型滤波等典型跟踪方法相比,所提方法可在不具备目标机动先验信息的情况下,以较低的计算耗时取得良好的稳定性和跟踪精度。     

基于不变流形的高超声速飞行器动态面控制

针对存在未知气动参数的吸气式高超声速飞行器纵向运动控制问题,提出一种基于不变流形的自适应动态面控制方法.通过合理假设将高超声速飞行器纵向模型分解为弹道倾角回路和速度回路,分别实现对弹道倾角和速度参考指令的跟踪.弹道倾角回路被表达为严反馈形式进行控制器设计.采用基于不变流形的自适应方法实现了对未知参数的估计.所提出的自适应动态面控制方案能保证未知参数估计误差全局一致稳定和闭环系统全局有界稳定,且估计器和控制器设计不存在耦合,因此参数设计更加容易.仿真结果验证了该控制方法在参数估计方面的显著优势和良好的闭环系统性能.     

基于深度学习的无人机视觉目标检测与跟踪

针对目标检测中小目标物体漏检率及误检率高等问题,提出了一种基于Yolov3-Tiny算法的改进模型。改进k-means聚类方法,增加3×3和1×1的卷积池化层,将第9层卷积输出上采样,并与第8层卷积得到的特征图进行连接,得到新的输出:52×52卷积层,形成新的特征金字塔。基于卡尔曼滤波算法实现目标跟踪,提出融合跟踪算法的检测网络,使用匈牙利匹配算法对检测边缘框与跟踪边缘框进行最优匹配,利用跟踪结果修正检测结果,提高了检测速度,同时提升了检测能力。在ROS、Gazebo和自动驾驶仪软件PX4的综合仿真环境下对所提算法进行了对比试验。试验结果表明:改进算法平均检测速度降低了15.6%,mAP提高了6.5%。融合跟踪算法后的网络平均检测速度提高了34.2%,mAP提高了8.6%。融合跟踪算法后的网络能够满足系统实时性和准确性的要求。      

多四旋翼无人机系统分布式分层编队合围控制

针对带有多个领航者与跟随者的欠驱动四旋翼无人机群系统, 提出了一种分布式分层编队合围控制方法。设计分层分布式有限时间滑模估计器, 实现在仅有部分领航者获取到期望轨迹的条件下, 每架无人机都能生成其满足控制需求的估计位置信息。针对六自由度欠驱动四旋翼无人机模型的特点, 提出一种无人机位置层和姿态层的分层控制方法, 实现了无人机对所生成的估计位置的跟踪控制, 该方法采用高阶导数逼近算法, 防止在求解期望角速度的过程中出现微分爆炸。所提方法能在满足姿态稳定收敛的条件下实现有效的编队合围控制。通过数值仿真验证了所提方法的有效性。