径向基网络在编码器误差补偿中的应用

利用神经网络进行光电轴角编码器的误差补偿,是一种新的编码器误差修正技术。在利用径向基函数网络(RBF)建立非线性模型对编码器的长周期误差进行修正时,实验数据中的随机噪声会造成过拟合现象的产生,影响模型的补偿效果。针对RBF网络的过拟合现象,分别采用滑动平均法与异常点剔除法对实验数据进行预处理以减小随机噪声的影响。实验表明,使用径向基神经网络进行误差补差可以将编码器的系统精度提高至3倍以上,在此基础上对建模数据进行预处理,可以进一步优化网络性能,使得编码器的系统精度在原有基础上得到进一步的改善,验证了方法的有效性。

利用神经网络提高编码器精度的方法

介绍了编码器误差的构成及特点,针对系统误差的分布规律与特点提出了基于神经网络的误差修正方法。采用非线性逼近精度较高的径向基函数神经网络,以采样点的角度值作为网络的输入样本,以高精度检测编码器的检测值作为学习目标建立了误差修正模型。实验结果表明,采用此种方法可将编码器的精度提高至原来的3倍以上,可有效地改善编码器的系统精度。

多旋翼姿态解算中的改进自适应扩展Kalman算法

提出了一种改进的Sage-Husa自适应扩展Kalman滤波算法,用于保证多旋翼无人机在噪声统计特性未知且时变、振动为主要扰动源、姿态角高动态变化等飞行条件下飞行姿态角解算的精度与稳定性。该算法采用微机电系统陀螺仪实时动态解算的姿态角方差估计系统噪声方差;并采用自适应滤波算法在线估计量测噪声方差,从而保证滤波的精度与稳定性;同时引入滤波器收敛性判据,结合强跟踪Kalman滤波算法来抑制滤波发散。飞行实验与分析表明:改进算法解算的俯仰角与横滚角均方根误差分别为1.722°和1.182°,明显优于常规的Sage-Husa自适应滤波算法。实验还显示:改进的算法自适应能力强、实时性好、精度高、运行可靠,能够满足多旋翼无人机自主飞行的需要,若对参数进行适当修改,还可应用于其它动态性能要求较高的导航信息测量系统中。

基于扰动观测器的多旋翼无人机机载云台模糊自适应跟踪控制

为了补偿多旋翼无人机机载云台的扰动,实现机载云台的稳定跟踪控制,提出基于改进扰动观测器的模糊自适应跟踪控制方法.在原有扰动观测器结构的反馈回路中引入一个补偿控制,构建基于速度信号的改进型扰动观测器结构,分析该结构的补偿扰动能力和鲁棒性;利用模糊系统的逼近性质和李雅普诺夫稳定性原理,设计相应的模糊自适应跟踪控制结构,证明了该控制结构的稳定性.飞行实验表明,应用该控制方法后,视轴稳定误差的均方值小于0.02°,跟踪给定位置信号的跟踪误差小于0.08°,完全能够满足多旋翼无人机机载云台的稳定跟踪控制.引入补偿控制后的扰动观测器补偿扰动能力明显提高,提出的控制方法具有较高的稳定跟踪精度.

基于梯度直方图变换增强红外图像的细节

针对红外图像信噪比低、目标边缘和细节模糊等缺点,提出了一种基于梯度直方图变换增强红外图像细节的方法。通过分析红外图像的梯度直方图,构造出一个高斯函数来扩展梯度直方图,增大图像的梯度值。采用直方图规定化法,实现图像的梯度直方图规定化,得到变换的梯度场。在从变换的梯度场重建增强的图像时,引入全变分(TV)模型来抑制噪声。实验结果表明,提出算法的图像信息熵比灰度直方图均衡化和规定化算法显著提高,明显增强了红外图像的纹理细节,为目标检测、跟踪和识别提供了高质量的图像信息。提出的算法采用有限差分法迭代进行求解和Visiual C++编程,对大小为480pixel×480pixel的图像的处理时间约为40ms,基本达到了工程应用对图像处理的要求。

提高圆光栅测角系统精度的读数头设计

为了有效提高圆光栅测角系统精度,从布置方式及数据处理方式两方面设计了读数头。提出了通过对主光栅刻划误差进行谐波分析来合理布置读数头的方法,经分析采用四均布读数头的布置方式,可以减少主光栅刻划误差82.6%的谐波分量。与传统的模拟量相加数据处理方式相比,数字量相加数据处理方式可以更有效提高测角系统的测角精度和可靠性。分别检测了圆光栅测角系统在单读数头结构和采用数字量相加的四均布读数头结构时的精度,采用单读数头结构时的测角精度为1.15″,采用数字量相加的四均布读数头结构时的测角精度为0.33″。因此相比较单读数头结构和模拟量相加数据处理方式,四均布读数头和数字量相加数据处理方式能更有效的提高圆光栅测角系统的测角精度。

基于径向基函数网络的光电编码器误差补偿法

提出了一种新的编码器误差修正技术。建立了径向基函数网络模型，以高精度检测仪器的检测值为学习目标，以生成最小映射误差为原则调节网络权因子、径向基函数中心和宽度，使建立的网络具有良好的学习能力和泛化能力。利用DSP的在线烧写技术保存网络建模参数，从而无需拆改编码器系统即可实现误差的补偿与修正，并且可根据使用需要进行程序更新。仿真和实验表明，采用此种方法可将编码器的精度提高至原来的1～3倍，有效地改善了编码器的系统精度，并且很好地解决了非线性误差对系统的影响。

模糊神经网络在自适应双轴运动控制系统中的应用

为了更好地提高工艺加工平台的精确度,结合自适应控制与区间二型模糊神经网络理论设计了一个双轴运动控制系统。该系统通过控制两个场向永磁同步电机来定位X-Y双轴运动转子的位置,从而跟踪预设的蝶形曲线。针对由区间二型模糊神经网络的有限规则产生的不可避免的逼近误差和优化的参数向量等集中不确定性因素,设计了自适应集中不确定性估计律,并通过在线鲁棒补偿器处理集中不确定性的值。最后,通过TMS320C32数字信号处理器运行了本文提出的控制算法。实验结果验证了基于区间二型模糊神经网络设计的双轴运动控制系统的轨迹跟踪精确度较高。与一型模糊神经网络控制系统相比,区间二型模糊神经网络控制系统具有更好的控制性能,鲁棒性更强。

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。

基于变分偏微分方程的红外图像增强算法研究

针对红外图像具有对比度低、边缘模糊的缺点,提出一种基于变分偏微分方程理论的红外图像增强方法.通过重建图像梯度场的分布,以此增强图像中纹理细节不明显、对比度小的微弱信息.在梯度场的变换中对噪声的幅值切割,完成了对噪声处理.结果表明本算法使得原图像的灰度平均梯度值提高2～3倍,对增强红外图像的边缘和微弱有用信息效果明显,避免了直方图均衡类算法丢失一些灰度相近且分布较少的微弱细节信息的缺点,为图像识别和跟踪应用提供了高质量的图像信息.

四旋翼微型飞行器的区间二型模糊神经网络自适应控制

针对四旋翼微型飞行器控制系统中存在不确定性、外界干扰等影响控制精度的问题,提出了基于区间二型模糊神经网络(IT_IIFNN)的四旋翼微型飞行器自适应控制方案。首先,根据四旋翼微型飞行器的动力学模型,设计了基于IT_IIFNN的四旋翼微型飞行器自适应控制器,该控制器由两部分构成,其中IT_IIFNN用来在线逼近系统不确定性;鲁棒补偿器用来实时补偿IT_IIFNN的逼近误差以及外界干扰。其次,利用Lyapunov稳定理论证明此飞行器控制系统闭环稳定性。最后,通过四旋翼微型飞行器样机来验证IT_IIFNN自适应控制器的优越性。验证结果显示,在加入风速为1.5m/s的外界干扰条件下,跟踪误差可近似达到10-2。结果表明,IT_IIFNN自适应控制器具有良好的跟踪精度、稳定性及鲁棒性。

增益自适应滑模控制器在微型飞行器飞行姿态控制中的应用

针对微型飞行器的姿态角摄动引起的系统不确定性及外界干扰等问题,提出了基于区间二型模糊神经网络辨识的增益自适应模糊控制器。首先,给出了微型飞行器姿态动力学模型。然后,采用区间二型模糊神经网络对滑模控制器中由于姿态角摄动引起的系统不确定性进行在线辨识,通过增益自适应滑模控制器中的校正控制项对辨识误差及负载干扰进行补偿。最后,通过设计李亚普诺夫函数,得到闭环系统一致稳定条件下的区间二型模糊神经网络参数在线调整的自适应律及滑模增益自适应律。仿真对比表明,与传统的增益自适应滑模控制器和基于一型模糊神经网络辨识的滑模控制器及相比,本文提出的控制器不仅对系统的不确定性因素及外界干扰具有较强的鲁棒性,而且稳定误差小,跟踪精度高。

基于快速仿真原型的飞行器半物理仿真系统

设计了基于快速仿真原型技术的大闭环半物理飞行实时仿真系统。地面半物理仿真实验由动力学仿真、视景仿真和飞行控制等分系统组成,通过光纤反射内存网络高速互连。基于层次化、模块化的建模原则在Matlab/Simulink环境下建立了飞行器数学仿真模型;在此基础上,利用相应硬件驱动模块完成了系统半物理仿真模型;最后,以某制导飞行器为背景,利用实际参数进行了数学和半物理仿真实验。与飞行实验比较,射程相对偏差为2.3%,最大高度相对偏差为0.85%,仿真结果证明了建模理论和方法的合理性和有效性。

四旋翼飞行器中升力波动的干扰与抑制

四旋翼飞行器旋翼产生的升力是在基值的基础上附加一系列频率特性和旋翼转速有关的高频分量。由于它会对飞行器的控制产生扰动,本文研究了这类高频升力分量对飞行器的影响并给出了抑制扰动的方法。首先,基于拉格朗日能量法建立四旋翼飞行器动力学模型;进而分析了高频升力分量与飞行器角速度扰动之间的关系。然后,将角速度反馈环节加入针对有色噪声的卡尔曼滤波器来抑制角速度扰动对控制器的影响。实验结果显示:与改进前相比,采用本文的方法对四旋翼原型机进行悬停控制可使控制量波动减少50%,高频控制量衰减至-17db以下。结果表明:采用本文的方法,可以有效地抑制升力波动对四旋翼飞行器的影响,提高飞行控制效率。

基于PSD的微位移传感器

微弱电流的放大与处理是基于位置敏感探测器(PSD)的微位移传感器的关键技术。分析了电流—电压转换原理,指出转换误差主要来源于偏置电流及失调电压。应用屏蔽、Guard、避免自激等技术设计了前放电路,实现了微弱电流信号的提取。传感器工作距离为10 mm,测量范围为±0.5 mm,采用精度为±0.5μm的装置驱动钢板进行微位移测量,实验数据表明:传感器分辨力为±0.5μm,检测精度为±2%。

编码器自动检测过程的虚拟仪器化设计

在传统的光电轴角编码器手动检测基础上,设计了一种编码器自动检测系统。以LabVIEW为开发平台,采用直接比较法,通过RS-232串口传输数据,24位高精度编码器作为基准,步进电机控制转台自动定位,多点检测以消除系统误差。系统具有自动记录数据、误差分析、绘制误差曲线、数据存储等功能。实例检测结果表明:该系统可对高达18位的各类光电轴角编码器实现自动检测,操作简单,可靠性高。与传统手动检测相比,消除了人眼读数和手动定位误差,检测效率提高近3倍。

气动干扰下的Hex-Rotor无人飞行器控制器及其飞行实验

分析了气流扰动、翼间干扰等因素对飞行中的无人飞行器的控制精度和效果产生的影响,并给出了相应的解决方法。建立了Hex-Rotor飞行器的动力学模型,分析了升力因子不确定性导致飞行器控制效果下降的影响因素。设计了反演滑模控制器来控制飞行器的空间六自由度运动,同时考虑升力因子的不确定性采用超螺旋非线性观测器观测各个旋翼的升力因子来克服气动干扰的影响。通过原型机验证了提出的方法,结果显示:Hex-Rotor飞行器在气动干扰较大的外部环境中飞行时,水平位移跟踪误差不超过±4.5m,高度误差不超过±2.5m,姿态角度误差保持在±2°内,较大地增强了飞行器的抗扰能力。结果表明:采用本文的方法可以有效地估计各个旋翼的升力因子,从而提高Hex-Rotor飞行器的控制精度和效果。

激光直写凹球面网栅的电控实现

凹球面网栅激光直写系统采用同心结构，应用调节角速度的控制算法以及周期纬线纬纬相交形成网栅的图形结构，确保激光直写光斑在不同的纬度以不同角速度扫描，始终保持线速度和曝光量恒定，实现了在凹球面上以恒定曝光量激光直写网栅。分析了网格周期、角速度和纬线弧长等关键参数，设计了控制程序。在通光孔径60mm的普通玻璃凹球面上进行了多组激光直写试验，设定周期450～800μm，线速度1～20mm／s，经显影、定影后由微米级读数显微镜测得网格实际周期与设定周期误差在±3％以内，原子力显微镜测得线宽小于5μm。结果表明：采用同心结构及稳光、调速控制保证凹球面网栅激光直写系统的曝光量不变，线条侧壁陡直、平行，具有较好的均匀性，满足了设计要求。

基于角点和局部特征描述子的快速匹配算法

提出了一种基于角点检测和灰度差分不变量区域统计直方图的局部特征描述子相结合的快速匹配算法。通过建立较少图层的阶梯金字塔,利用Shi-Tomasi算法提取图层中数量适中的强角点。采用具有几何意义的低阶灰度差分不变量描述图像特征,改进了传统算法对噪声及角点位置偏差敏感、计算复杂等问题。实验结果表明算法在保证具有旋转、尺度缩放、光照及小视角变化、模糊等性能不变的同时,整体匹配所耗时间以及正确匹配率均优于SIFT和SURF算法。

RBF网络在编码器误差补偿中的应用

利用径向基函数(RBF)网络进行光电编码器误差补偿,具有非线性处理特性好、逼近精度高等特点。针对RBF网络在工程应用中的特点,文中首先介绍了RBF修正模型与编码器检测转台的结合应用,在进行编码器误差检测的同时即可完成仿真分析;再进一步根据算法在数字信号处理器(DSP)中的应用,介绍了算法的优化方法。实际工作表明:将建模与检测相结合,效果直观,方法灵活;优化后的补偿算法在满足运算时间的基础上并未对补偿精度带来明显影响,可将系统精度提高1～3倍。