无人平台SLAM技术研究进展

作为一种定位与感知方法,同时定位与建图(SLAM)是实现无人平台导航制导与控制的关键技术。阐述了SLAM技术的发展历史、研究现状与应用场景,分析并介绍了SLAM原理及其算法实现。此外,总结了若干SLAM领域的研究热点,并对SLAM技术的发展趋势进行了展望。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。      

基于神经网络的机动飞行器自适应控制方法

针对机动飞行器强耦合性、快时变性以及高不确定性的问题,建立了六自由度刚体运动数学模型,按照时间尺度将姿态运动模型分为快变子系统和慢变子系统并分别设计动态逆控制律。然后给出了神经网络自适应控制器的设计方法,对神经网络的逆误差补偿原理、输入的选择、权值矩阵更新规则进行分析。通过算例进行六自由度仿真,证明本文方法的跟踪精度较高。     

基于危险评估的自动紧急避撞控制策略

基于车辆危险评估机制,设计了一种集成制动和转向的汽车自动紧急避撞控制策略。首先结合车辆安全性和最优换道轨迹,分析了在紧急工况下车辆制动和转向避撞临界纵向距离,然后建立了基于模糊推理的危险评估模型,该模型输出的危险因子反映车辆发生碰撞的危险程度,并以此建立汽车自动紧急避撞控制策略。最后基于PreScan和MATLAB/Simulink的虚拟平台仿真验证该控制策略的有效性。结果表明自车在跟车行驶时,对比基于碰撞时间倒数(TTC~(-1))单一全制动无法有效避开障碍物的危险工况,该避撞策略能够通过制动和自主换道来避免车辆发生碰撞,提高了车辆安全性。     

贫预混燃烧室化学反应器网络模型建模及不确定性分析

基于CFD三维数值模拟结果的化学反应器(CRN)网络模型方法具有快速预估燃烧室NOx排放的特点。研究通过CFD数值模拟手段获得了贫预混燃烧室流场、温度场等特征分布,基于燃料空气掺混特性、速度场、温度场、OH分布以及达姆科勒数,燃烧室被离散划分为预热区、火焰锋面区、火焰过渡区、后火焰区、中心回流区以及角回流区,建立了复杂的CRN模型表征燃烧室内部的流动特征和火焰结构。以贫预混燃烧器为对象,与实验结果进行了对比验证。通过敏感性和不确定性分析获得了反应区域停留时间和烟气回流比例等关键参数对NOx排放的影响规律。结果表明:CFD-CRN混合方法更适用于在高当量比条件下贫预混燃烧室NOx排放的快速有效预测。在相同扰动强度的条件下,反应预热区域和火焰锋面区域的停留时间扰动对CRN模型预测NOx的生成量和稳定性影响更显著。CFD-CRN混合方法应明确在较高的绝热火焰温度条件下烟气回流比的准确性计算及其对NOx生成的显著影响。      

基于粒子群优化算法的永磁电机热网络参数识别

监测永磁电机的永磁体温度对于保证电机的使用寿命至关重要,因为过高的温度会产生永磁体不可逆失磁现象。提出了一种基于粒子群优化算法的永磁电机热网络参数识别方法,实现用热网络监测永磁体的温度。该方法首先建立永磁电机的热网络模型,利用粒子群优化算法结合电机温升试验所得温度数据对热网络模型的主要热力参数进行识别;然后利用该热网络模型进行在线温度识别,识别过程能够快速收敛,具备良好的辨识精度;最后,通过对比仿真识别温度和电机温升试验数据,验证了该方法的准确性。     

软件定义网络在无人机地面站的应用研究

借鉴软件定义网络（SDN）的思想,提出一种网络智能流量控制方法并研制出智能流量控制软件。它综合采用网络态势感知技术、显式拥塞通告技术、数据中心传输控制协议和多队列调度技术来实现了网络态势动态感知和网络流量全局控制。该软件在半实物仿真软件定义网络环境中进行了测试,测试结果满足了预期的指标;该软件还在某无人机地面站中进行了验证,显著提高了测控数据在网络中传输的确定性。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

基于遗传算法的空空导弹消耗规律神经网络预测方法

针对弹药预测问题,介绍了基于遗传算法的BP神经网络的相关原理及理论,研究了基于遗传算法的空空导弹消耗量BP神经网络预测方法,弥补了传统的BP神经网络法在弹药预测方面存在许多缺点,采用遗传算法求得影响弹药消耗各因素的权值及阈值,具有较高的准确性;同时,优化过程是对神经网络算法的权值及阈值进行优化,由适应度函数计算出染色体的适应度值,再经过选择、交叉及复制等操作,得到适应度最高的个体。对历次空战空空导弹消耗量数据进行归一化处理,将处理结果带入传统BP测,得到预测结果并对比分析,预测结果显示了遗传算法优化的有效性,避免了传统BP算法局部性强的缺点,预测结果较优化前较大提升,验证了改进算法的有效性和先进性。