基于改进WKNN的位置指纹室内定位算法

位置指纹算法是目前解决室内定位问题的主要方法,指纹特征和匹配算法为影响算法精度的两大因素.针对室内复杂环境下Wi-Fi信号强度波动较大的现象,提出了基于方差的加权距离以改进WKNN算法.在离线特征提取阶段,选择了均值和方差两个特征值,既反映该采样点的RSS幅值,也反映该点RSS的波动情况;在线阶段,根据方差提出了加权距离进行相似度的计算,查找距离最近的K近邻点,并以实际环境下采集的数据验证了改进WKNN算法在RSS波动大的情况下对定位效果的改善,在综合考虑了AP组合的影响后,实现了误差均值为1.456m的定位效果.     

离心叶轮全三维反问题方法设计误差稳定性研究

用流线曲率全三维反问题方法和引入滑移因子模型的准三维流线曲率反问题方法设计了叶片数不同的和增压比不同的小型高速离心叶轮.用商用计算流体力学(CFD)求解器估算了这些叶轮的性能.对比了这两种反问题方法的设计误差稳定性,考察了分流叶片对设计误差的影响.结果表明,流线曲率全三维反问题方法能够根据叶片负荷对叶片设计做出恰当调整.较准三维反问题方法,流线曲率全三维反问题方法所设计叶轮的增压比普遍偏高.随叶片负荷增加,较准三维反问题方法,流线曲率全三维反问题方法的设计误差变化较小,即其设计误差稳定性明显较好.分流叶片对准三维反问题方法设计结果的影响明显较小.      

基于自适应网格的超声速液体射流破碎过程研究

为研究超声速气流中液体横向射流的破碎过程,采用脉冲背景光方法和VOF方法开展了实验和数值研究。为提高液体横向射流中气液界面和气流场特征捕捉的精确性,采用自适应网格技术对于气液界面、激波出现位置进行网格细化,计算得到了较为精细的气液界面、激波特征及涡系结构。研究结果表明:在低成本仿真模拟条件下,利用自适应网格计算得到的射流轨迹和轮廓与实验吻合较好,射流轨迹的最大误差为10%;射流初始段在超声速气流条件下,仍然存在一段高度约为1.9倍喷孔直径且圆柱形态保持较好的连续光滑液柱。随着喷注压降的升高,液柱的长度逐渐增大;主流气体流经液柱发生三维绕流,在射流附近和近壁面区域形成不断演化的反转涡对,反转涡对的形成加速了液体射流一次破碎过程。     

基于人工地标的移动机器人定位与调整技术

在飞机大型构件测量领域,针对测量设备自动化转站时存在移动机器人无法准确到达站位的问题,提出了采用基于人工地标的移动机器人定位与调整技术实现转站时的精确定位。其次,设计了一种人工地标,给出使用激光跟踪仪的地标标定工装以及标定方法,通过该方法可得到地标在全局坐标系下的坐标。同时,介绍了地标的编码与位姿的解算方法,以及移动机器人位姿调整策略。最后,试验表明,人工地标测量的位置和角度误差均较小,移动机器人通过人工地标的定位与调整后的精度可以满足自动化转站的精度要求。     

基于PC的三维激光加工数控系统构架与关键问题研究

提出了以微步距硬件插补为核心的三维激光切割数控系统构架,分析了软件任务并构建了控制功能的实时调度模型,实现了Windows平台的实时性及多任务协调控制。开发了基于DDA精插补的微步距硬件插补模块,满足运动控制的速度与精度要求;构建了内核驱动模块实现中断响应与伺服控制;结合空间圆弧转接理论与前推–回溯算法开发了轨迹速度预测与平滑模块;提出了硬件分频调节法实现进给倍率的改变。该三维激光切割数控系统能够实现高速高精度运动控制,并且软硬件结合的开放式结构提高了系统的实时性以及功能的可扩展性。     

无人机虚拟视景显示技术研究

基于无人机模拟飞行的虚拟视景显示技术是三维可视化显示研究的一个重点,虚拟视景实时同步显 示是三维可视化实现中必须解决的一个难题。本文分析了实现无人机模拟飞行三维虚拟视景系统的基本结构、 实现过程以及显示方式,提出了无人机模拟飞行三维虚拟视景可视化空间信息动态同步、多方位、多视角的显 示方式及显示的关键技术。     

三维自适应终端滑模协同制导律

针对多枚导弹协同作战的问题,且多枚导弹之间保持有向拓扑通信的条件下,基于终端滑模法设计了视线方向及视线法向的双层协同制导律。其中,视线方向的制导指令能够保证导弹同时完成拦截任务;视线法向上的三维制导律能够保证每枚导弹以期望的视线角攻击目标,从而发挥各枚导弹的最大杀伤力,并且视线角的约束相当于规划了末制导段导弹的弹道问题,在一定程度上避免攻击目标前导弹间发生碰撞。同时,针对所设计的滑模制导律设计了新的自适应律,从而加快了滑模面的收敛速度并且削弱了由符号函数引起的系统抖振现象。基于李雅普诺夫稳定性理论,证明了所设计制导律的正确性,并在最后给出了数学仿真实验,验证了所设计制导律的有效性及优越性。     

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。