基于动态点线耦合的单目视觉惯性SLAM算法

针对传统视觉SLAM算法在暗纹理环境下鲁棒性差、定位精度低的问题,本文给出了一种基于动态点线耦合的单目视觉惯性SLAM算法。设定提取线特征的动态阈值,提高线特征利用率,然后利用点与线特征位置的相似性,提取新的点线耦合特征,并构造点线耦合残差模型,用点线耦合残差来搜索点与线特征之间的关系,将点线耦合残差集成到后端滑动窗口优化中,用以构造最小化成本函数。将构造的算法在EuRoC公开数据集上进行仿真,实验结果表明,本文设计的算法比VINS-Mono算法和PL-VIO算法的定位误差降幅明显,有效地增强了系统的鲁棒性,提高了系统的定位精度。

“新工科”背景下融合互联网与人工智能的教学研究——以自动化专业导论为例

随着工业4.0时代浪潮的持续推进,自动化专业“新工科”建设与课程教学改革迫在眉睫。自动化专业导论是大一新生入学伊始所学习的一门专业引导课程,在教育教学上存在教学模式单一、教学内容陈旧、教学评价片面等问题。针对这些问题,本文建议的自动化专业导论课程教学方针是引入互联网与人工智能融合的新型教育教学方式,即采用线上线下融合的教学模式,将智能理念融入教学内容,引入特色教学评价,有效激发学生对专业的兴趣度,加强对自动化的整体认知和理解,培养学生的专业自信心、专业自豪感、专业责任感,引导学生成为“五育并举”的自动化专业创新型人才。

基于变指数干扰观测器的无人机非奇异终端滑模控制

针对四旋翼无人机系统在受干扰下的跟踪问题,以及姿态子系统的扰动问题和滑模控制时出现的抖振缺陷,基于连续快速非奇异终端滑模控制算法,给出一种适用于有扰动姿态子系统的变指数收敛干扰观测器的趋近率滑模控制器。首先,针对传统滑模控制中存在的快速性问题,采用变指数收敛干扰观测器来对扰动进行补偿和预测。然后利用姿态跟踪误差变化率的估计信息,构建快速非奇异终端滑模面。提高轨迹跟踪误差的收敛速度,并利用Lyapunov分析方法验证姿态跟踪误差在有限时间内收敛,仿真结果证实了这一方法的有效性,使用滑模控制和其改进方法设计四旋翼无人机系统控制器。

遗传算法和小波神经网络PID在电机控制系统中的应用

提出了一种基于遗传算法和小波神经网络的PID参数整定方法。首先,利用具有自然进化的遗传算法对小波神经网络的初始权值进行优化训练,解决了控制器网络初始权系数对控制效果产生的影响;其次,利用小波神经网络对PID参数进行在线调节;最后,将此算法运用到电机控制系统的PID参数寻优中。仿真结果表明:基于此算法设计的PID控制器可以极大地提高寻优速度,鲁棒性强,改善了电机控制系统的动态性能和稳定性。

工程专业理论课程教学效果分析与提升——以安徽工程大学自动化专业为例

工程专业理论课程作为本科高年级重点学习的课程之一,关系到学生对本专业的了解以及专业知识的运用,同时也是培养适应市场需求、服务地方经济的综合型、应用型工程技术人才的重要基础。文章从工程专业理论课程的教学效果出发,从多方面分析了导致教学效果不佳的因素,并围绕这些因素提出了相应策略,通过这些策略的实践与应用,以此促进工程专业理论课程教学效果的提升。

具有极点约束的高超声速飞行器非脆弱最优H_2/LQR控制

针对吸气式高超声速飞行器,提出了一种具有极点约束的非脆弱最优H2/LQR(线性二次型调节器)控制方法.根据吸气式高超声速飞行器的非线性纵向运动方程,推出了一种新的飞行器线性不确定模型,为吸气式高超声速飞行器设计了一种多目标非脆弱控制器.在控制器的设计中,不但考虑了系统的极点配置、最优H2性能和鲁棒保性能3种指标,而且兼顾了因飞行条件不确定性和建模误差引起的控制器增益的变化,利用线性矩阵不等式方法推导了多目标非脆弱控制器的存在条件.仿真实例说明了非脆弱控制器在高超声速飞行器控制中的优越性和有效性.

直线伺服系统的双目标非脆弱控制器的设计及仿真

针对直线伺服系统中存在的多种不确定性,提出一种双目标非脆弱控制器的控制方法.从系统的区域极点配置和保性能控制2种控制目标出发,利用LMI方法推导出鲁棒状态反馈控制器的存在条件,同时考虑直线伺服系统中,控制器增益存在的加性摄动,设计出的控制器实现了系统2种性能指标的优化.并给出具体的算例说明了设计方法的可行性,仿真实验结果表明该控制方法具有很强的鲁棒性.

多目标非脆弱鲁棒控制器在飞行控制系统中的应用

针对飞行控制系统中存在的多种不确定性,提出了飞行控制系统的多目标非脆弱鲁棒控制器的控制方法。由系统的H2性能、H∞性能、区域极点配置和保性能控制四种控制目标,用线性矩阵不等式(LMI)法导出多目标鲁棒状态反馈控制器的存在条件,同时考虑了飞行控制系统中控制器增益的加性摄动,设计的控制器实现了系统的四种性能指标优化。仿真实验结果表明:该控制方法有较强的鲁棒性。

《过程控制系统》课程教学和实践环节的改革与创新探索

《过程控制系统》课程是高校自动化专业的一门重要专业课程。本文分析了该课程的本科教学现状和存在的主要问题,从而有针对性地提出了过程控制系统的教学改革的基本思路和目标,介绍了一系列的教学改革措施和方法,实践表明教学和实验改革大大地提高了高校大学生的学习本课程的效率,提高了学生分析问题的能力。

基于模糊RBF神经网络的PID及其应用

针对传统的PID控制器参数固定而导致在控制中效果差的问题,提出一种基于模糊RBF神经网络智能PID控制器的设计方法。该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制与RBF神经网络相结合以在线调整PID控制器参数,整定出一组适合于控制对象的kp,ki,kd参数。将算法运用到电机控制系统的PID参数寻优中,仿真结果表明基于此算法设计的PID控制器改善了电机控制系统的动态性能和稳定性。

改进Canny边缘算子和高斯混合模型的运动目标检测

在对视频中运动目标的检测,高斯混合模型能够达到较好的效果,但是容易受到光照突变和环境噪声的影响,并且运动目标完整的轮廓难以提取,在对Canny边缘检测算法进行改进,用中值滤波器和双边滤波器构成的混合滤波器代替边缘检测算法中固有滤波器,并且使用Otsu算法取代人工设置双阈值,避免丢失真实边缘,保证边缘信息的完整性,并且用隔帧处理的四帧差分法的到差分图像,获得运动目标区域,再利用高斯混合模型提取前景图像,结合两种算法的前景图像能够获得较完整的运动目标轮廓。根据实验结果分析,和传统的高斯混合模型相比,该算法能够避免一定的光照突变的影响,解决了目标图像出现空洞及漏检造成边缘信息丢失的问题,具有更强的鲁棒性。

高超声速飞行器的增益调度切换控制

针对高超声速飞行器纵向运动模型,提出了一种基于线性变参数(Linear Parameter Varying, LPV)观测器的输出反馈增益调度切换跟踪控制方法。首先,设计一种LPV状态观测器在线观测飞行器的未知状态,针对划分的飞行包线参数子区域和观测得到的状态,设计子区域输出反馈增益调度控制器;其次,以调度参数的值定义切换信号,使设计的子区域增益调度控制器产生相应的切换,从而使飞行器在整个飞行包线内全局稳定和满足指定的跟踪性能指标;通过多Lyapunov函数分析方法证明了系统的跟踪误差和观测误差最终将趋向于一个小的区域。最后,仿真结果说明了所设计的控制器具有良好的跟踪控制性能。

多策略蚁群算法在机器人路径规划中的应用

在二维环境中,蚁群算法规划路径时易出现收敛慢,搜索得到的路径是次优路径等问题。针对这些问题,提出一种新式多策略改进的蚁群算法以提高路径寻优性能和搜索效率。根据当前栅格相对于起始点的位置采用非均匀信息素的分布方式,使得优势栅格的初始信息素浓度较高,避免蚂蚁盲目搜索;采用定向邻域扩展策略重新定义蚂蚁移动规则,进一步缩短路径并提高搜索效率;利用角度引导因子增加终点的指导作用,增加障碍物影响因子避免路径陷入死锁以及降低曲折路径的出现率;采用双层精英蚁策略加大最佳路径的信息素含量,防止算法陷入局部最优,提升算法收敛性。实验结果表明,经过改进后,算法的寻优性和收敛能力都得到了极大的提升。

基于GA与CSA-RBF神经网络辨识的自适应PID控制器

提出了一种基于遗传算法(GA)、克隆选择算法(CSA)和神经网络的自适应PID控制器的设计方法。该控制器主要由四部分组成:一是利用遗传算法优化PID参数初始值;二是用克隆选择算法对径向基函数(RBF)神经网络参数初始值优化;三是RBF神经网络完成对被控对象Jacobian信息辨识;四是单神经元PID控制器,学习并在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能。仿真结果表明,该控制器具有响应速度快,稳态精度高等特点,可用于控制不同的对象和过程。

基于分层小生境蚁群算法的WSN中QoS组播路由研究

针对无线传感网络(WSN)的动态网络环境和能量约束的问题,在优化网络动态结构的基础上,提出用分层小生境蚁群算法求解WSN的QoS组播路由的方法。首先依据能耗将网络结构进行分簇分层优化并建立小生境,然后再结合蚁群算法优化QoS组播路由,最后进行能耗分析。该策略在保证能量最优的前提下,降低了路由的时间复杂度和空间复杂度,仿真结果表明了其有效性。

多模态函数优化的小生境蚁群算法及其仿真分析

结合蚁群算法基本原理,设计一种解决多模态函数优化问题的小生境蚁群算法(NACA),算法采用实数编码,通过对NACA仿真研究,并和相关算法的仿真结果进行比较分析,结果表明NACA具有参数易于选择、适应性强、收敛性好等优点,非常适合于求解同时具有多个最优解或需要搜寻局部最优解的多模态函数优化。

对模糊集、Vague集和C^＊-模糊集的比较研究

模糊集、Vague集和C*-模糊集(新模糊集)都是对经典集合论的扩展,同时又是模糊集合论分支的发展成果。为完善模糊理论体系并将其有效应用,在介绍了三种集合的概念的基础上,分析了它们之间的区别和内在联系并参考与概率论统一定义的C*-模糊集合框架,提出了新Vague关系,使得在处理不确定问题的领域中有了完备的理论基础。最后对三个集合的发展和应用作了一些探讨性研究。

融合A^(*)蚁群和动态窗口法的机器人路径规划

针对蚁群算法在全局路径规划时无目的搜索、收敛慢和规划的路径不平滑等问题,本文提出了一种融合A^(*)蚁群和动态窗口法(dynamic window algorithm,DWA)的平滑路径规划方法。首先,对于传统蚁群算法,利用改进A^(*)算法非均匀分配初始信息素,解决算法初期搜索无目的问题;给出算法自定义的移动步长和搜索方式,提高路径寻优效率;修改转移概率函数中的启发函数值并增加障碍物影响因子,在避免死锁现象的同时加快收敛速度;采用二次路径优化策略,使得路径更短更平滑;其次在动态窗口法的评价函数中引入动态避障评价子函数,提高路径的安全性。仿真实验结果表明,改进A^(*)蚁群算法较传统蚁群算法可减少8.75%的路径长度和59%的转折点数,融合优化动态窗口法后,移动机器人既能保证在静态环境下规划出全局最优的路径,又能实现动态环境下的路径规划,有效躲避环境中出现的动态障碍物。

基于目标检测与深度信息关联的RGB-D SLAM算法

针对高动态环境下实时定位与建图(Simultaneous Localization and Mapping,SLAM)系统精度下降的问题,给出了一种基于ORB-SLAM2的动态环境RGB-D SLAM算法.对于一般动态环境SLAM算法中深度学习网络的实时性问题,使用YOLOv5目标检测轻量级网络获得场景语义信息,即保留了场景中的语义信息,同时满足SLAM系统的实时性要求.对于目标检测网络获取的场景语义信息冗余的问题,设计一种深度信息随机采样一致性(Depth-RANSAC)算法,将语义先验信息与场景深度信息相关联,对待检测区域的动态特征信息进行过滤,避免了特征信息误剔除,保留了静态的场景信息,使估计的相机轨迹更加精确.在TUM数据集下对此算法的进行验证,实验数据表明,本文算法在高动态序列场景下比ORB-SLAM2具有更好的表现.

基于粒子群与人工鱼群混合算法的TSP求解模型

传统的群智能算法不断被优化和改进,但由于传统单纯算法的固有缺陷和局限性很难从根本上去除,因此衍生出许多群智能混合算法。针对人工鱼群算法(AFSA)收敛速度慢及粒子群算法(PSO)全局收敛性差的缺陷,提出了一种新的粒子群与人工鱼群的混合算法。算法以人工鱼群算法为基础,将粒子群算法的线性递减惯性权重策略引入到人工鱼群算法中,对人工鱼进行编码处理以及动态改变人工鱼个体的视野,使之形成新的粒子群人工鱼群混合算法(PSO-AFSA)。完成算法融合并将混合算法应用于旅行商(TSP)问题。仿真结果表明:与传统的人工鱼群算法和粒子群算法相比,该混合算法全局收敛性效果更好,收敛速度更快。