基于改进蜘蛛蜂算法的无人机三维路径规划

为了提高无人机路径规划在复杂环境中的收敛速度和收敛精度,避免陷入局部最优,提出了一种基于改进蜘蛛蜂算法的无人机三维路径规划方法。本文在传统SWO算法中引入自适应t分布扰动变异和Cubic映射策略更新搜索阶段位置,避免局部早熟收敛;然后,引入周期性随机振幅动态调整追逐和逃逸阶段搜索方向,帮助算法跳出局部最优,并结合螺旋更新机制和Levy飞行策略增强算法全局寻优能力,提高算法收敛精度;最后,将ISWO算法在8个测试函数中进行性能验证并实验仿真,结果表明,复杂地形环境中ISWO算法执行时间相比传统SWO算法减少了26.86%,并且较CPO、COA、GOOSE、PSO、GWO算法执行时间减少了13.80%~28.27%不等。同时,ISWO算法最小适应度值较传统SWO算法减小49.76%,较其他算法至少减小27.73%。由此得出,本文所提改进算法能够在复杂地形环境中快速得到一条更短且更安全的路径。

基于改进分布估计算法的能耗最优AUV路径规划算法与仿真研究

针对经典基于等宽度直方图的分布估计算法(FWH)在解决自主水下机器人(AUV)路径规划问题中易陷入局部极值、计算精度不高等问题,提出一种受粒子群优化算法启发的改进分布估计算法.通过将FWH与粒子群优化算法中优势个体的部分筛选机制相结合的方法,组成双重优势个体产生方法,提高AUV路径规划最优路径的精度,增加收敛速度.在水下数字高程模型环境中对经典分布估计算法、PSO算法、A*算法以及改进后的算法进行性能评估.仿真结果表明,相比于改进前的算法,新的算法计算出的能耗值减少24.9%,有效增加计算精度,避免陷入局部极值,提高效率.

“检测与仪表”课程教学改革探索与实践

“检测与仪表”是自动化专业的专业核心课程,对学生了解并解决工程中的检测技术问题具有积极的作用。针对现有课程教学方面存在的不足,对课程教学活动、教学方法、实施方式和考核方法等方面进行改革探索。改革的核心思想是将课程的重心从传统的知识传授转向实际应用和科研导向,以及将考核方法从传统的考试转向项目和实验的评估。这些项目要求学生积极参与,培养他们的实际技能和创新思维,提高他们分析和解决问题的能力。

基于模型预测的海缆铺设用水下航行器最优避障控制

[目的]自主水下航行器(AUV)在海底复杂地形环境下执行独立铺缆作业时,需要兼顾铺缆质量和自身安全,即在避障的同时还需要保持船体与海底平面的相对高度。为此,设计一种基于模型预测的海缆铺设AUV最优避障控制方法。[方法]首先,基于模型预测控制(MPC)建立AUV的路径跟踪模型,将海底不规则障碍物分类为凸起和凹陷地形,并分别建立障碍物的工程简化数学模型;然后,根据不同地形和海缆铺设要求来设计多个目标优化函数;最后,根据地形特征点迭代计算与海底平面保持稳定高度且路径最短的最优避障路径。[结果]仿真结果表明,该方法响应性能好、可靠性高,能够使AUV选择最短路径并避开意外障碍物。[结论]在复杂的海底环境下,该方法既保障了AUV作业过程中的自身安全,又极大提高了海缆的铺设质量。

基于改进RetinaNet网络的水下机器人目标检测与实验

针对目前水下机器人目标检测算法存在图像退化严重和目标识别率低的问题,提出了一种融合改进RetinaNet和注意力机制的水下目标检测算法。首先,把RetinaNet骨干网络替换成DenseNet网络,保留了更多目标特征并减少了参数量。其次,替换初始卷积为深度分离可变形卷积,从而大大减少了模型的参数量,提高了模型的运算速度。最后,引入CBAM注意力模块,利用CBAM模块在空间和通道2个维度加强特征,减少了水下复杂环境对目标检测的干扰。水下机器人抓取实验结果表明,与初始的RetinaNet算法相比,改进后的算法mAP值可达81.9%,参数量为56.8 MB,检测速度为16.8 f/s,在水下目标检测方面性能优异。

改进SMO的高速永磁同步电机无传感器控制研究

对于高速永磁同步电机(PMSM)无位置传感器控制研究中,针对传统滑模观测器(SMO)存在滑模抖振,以及在观测到的反电动势信号经过低通滤波器(LPF)消除高频谐波造成的相位滞后的问题和高速下由于电流采样造成的数字延时问题,提出一种基于二阶广义积分器-锁频环(SOGI-FLL)的改进SMO方法。针对上述问题,首先利用双曲正切函数来代替sign函数,来减少滑模的抖振;然后引入SOGI-FLL代替LPF来对观测的反电动势进行滤波,进而消除相位滞后。其次在此基础上补偿由于数字延时造成的角度误差。最后搭建PMSM实验平台验证此方法的可行性,实现PMSM无位置传感器控制在中高速域转子速度和位置的准确估算。

基于COA-GRU的低成本气体传感器数据修正方法

针对低成本气体传感器在受到温度、湿度、压力、气体交叉干扰等影响时检测精度低的问题,提出了一种长鼻浣熊-门控循环单元神经网络(COA-GRU)的修正模型,用于提高传感器检测精度。首先,根据低成本传感器的非线性特性构建了GRU修正模型;其次,利用COA算法解决修正模型的多局部极值以及参数组合寻优问题;最后,利用低成本传感器组以及H200D气体检测装置的实测数据对该方法进行了仿真实验。结果表明,使用COA-GRU修正模型后,SO_(2)、CO、NO_(2)、CO_(2)传感器的平均绝对误差分别降低了72.0%、28.4%、29.6%、13.5%,能够有效提高低成本传感器的检测精度。

基于模糊PID型代价函数的永磁同步电机模型预测电流控制

针对永磁同步电机控制中有限集模型预测电流控制在参数失配时稳定性能和动态性能有所下降的问题,提出一种基于模糊PID型代价函数的模型预测电流控制方法。该控制方法设计了一种包含比例、积分和微分项的代价函数,将传统的电流误差作为比例项实现转速的跟踪,电流误差的积分作为积分项用来消除预测误差,预测电流的差值作为微分项减小转速纹波。同时使用加入了滤波器的模糊控制对PID参数进行动态调整。该控制方法可以在参数失配的情况下降低转速振荡,提高动态响应能力,降低参数失配对控制器性能的影响,同时保留在参数匹配时的各项性能。仿真与实验结果表明,该方法较传统有限集模型预测电流控制在参数失配时有更快的响应速度、更小的转速振荡和更好的负载突变响应。

基于强化学习的无人机智能组网技术及应用综述

针对无人机在民用和军事等领域中的研究热度及应用需求日益增长,传统Mode1-Based的网络部署、设计、操作方法无法应对动态变化的无人机场景的问题,本文综述了灵活性高、适应性强的AI-Based的智能组网技术,并引入强化学习这一人工智能领域的重要分支。对现有利用强化学习技术解决无人机组网难题的研究进行了概述,结合无人机组网的特性梳理了此领域应用强化学习技术的主要思路。从几个应用场景,以及组网关键技术的角度进行了归纳,给出了基于强化学习的无人机智能组网技术所面临的机遇与挑战,并进行了总结。探究了无人机通信的感知能力与决策能力,适应了其动态变化且需要高度自治的环境需求。为未来无人机智能组网技术的发展提供了有价值的理论基础和实践指导。

基于FA-PID算法的电动舵机多非线性系统研究

针对制导炮弹电动舵机常规建模时常将各部分视为线性环节,且采用传统三闭环PID算法无法解决复杂非线性系统的高频响、低超调等问题。本研究充分考虑了舵机系统内部的电机、死区齿隙与LuGre摩擦等非线性环节,搭建了电动舵机的多非线性控制系统,根据舵偏角运动方向的非单一性,设计了电机的正反转逻辑换相判别模块,并在电动舵机的位置环中引入了模糊自适应PID(FA-PID)智能算法。结果表明:采用FA-PID算法相比于传统PID控制对小角度位置响应的延迟时间下降了约0.49%,上升时间下降了约6.91%,峰值时间下降了约39.94%,稳态误差下降了约94.44%,且进一步通过小角度方波/正弦位置跟踪研究同样可以得出该算法的快速性与鲁棒性。

改进分布估计算法的AUV全局路径规划

为解决基于固定宽度直方图(FWH)的分布估计算法在解决自主水下机器人(AUV)路径规划问题时易陷入局部最优的问题,提出一种个体更新方法融合策略。将狼群优化算法(WPA)中的部分个体更新方法,以及三次样条函数融合到算法当中,增加算法个体更新方法的多样性。提高AUV路径规划的精度,增加收敛速度。在水下数字高程模型环境中,对原始算法以及改进后的算法进行性能评估。仿真结果验证了算法改进的可行性和有效性。

基于智能预测控制的鱼雷状小型无人艇轨迹跟踪研究

[目的]针对无人艇(USV)在狭窄湖泊、涵洞作业时存在精度保持难和航迹控制难的问题,以自主研制的一款鱼雷状小型USV为对象,提出一种轨迹跟踪智能预测控制方法。[方法]首先,构建自主研制的欠驱动USV非线性状态空间模型;然后,设计智能预测控制器,该控制器基于模型预测控制的设计思想并结合改进的粒子群算法,在线决策、优化每一时刻的性能指标并纠正预测状态;最后,开展仿真和湖试试验测试系统对参考轨迹的跟踪性能,并与线性模型预测控制器的跟踪性能进行比较。[结果]结果表明,所设计的智能预测控制器超调小、抗干扰性好。[结论]所提方法不仅能运用于鱼雷状小型USV跟踪系统,也能对其他USV跟踪系统起到很好的借鉴作用。

船舶永磁同步电机在线惯量辨识研究

针对船舶永磁同步电机推进系统的转动惯量和负载转矩存在扰动的问题,提出基于梯度校正法与扩展卡尔曼滤波器结合的在线惯量辨识算法,采用梯度校正法对转动惯量进行辨识,利用扩展卡尔曼滤波器观测负载转矩,辨识的惯量值对滤波器的系数矩阵进行修正,同时观测的负载转矩作为梯度校正法的输入参数以及作为电流环的前馈补偿。仿真和实验验证了惯量辨识算法的可行性,以及系统对于负载转矩变化的抗扰动性能。

无人机图像小目标检测实验的设计与实现

针对无人机图像小目标检测存在目标密集和遮挡等问题,设计了卷积注意力、深度特征融合和多尺度特征融合模块以增强图像小目标的局部信息和语义信息,从而提高对无人机图像小目标特征的提取能力,最后结合改进的损失函数加快了模型的收敛。基于VisDrone2019数据集的实验结果表明,所提模型提高了无人机图像小目标检测精度,减小了目标误检和漏检概率,为复杂场景下无人机小目标检测提供了实验基础。

基于DFT的旋转变压器信号偏差矫正方法研究

解码芯片在对旋转变压器输出的位置信号做处理的过程中,芯片在采样时容易产生各种非理想偏差,这会造成转子位置估算精度的急剧下降。针对该问题,分析了电压信号中的幅值偏差和正交偏差会对旋转变压器解码的输出角度叠加一个2倍频的波动,直流偏差会叠加一个同频波动的问题,提出了一种基于离散傅里叶变换(DFT)的输入矫正法用于实现旋转变压器输出信号的偏差矫正,同时有效降低一次二次波动。该方法首先离散采样信号,通过DFT公式提取旋转变压器输出信号的直流信号和基频信号;然后基于直流信号和基频信号先后计算直流偏差、幅值偏差和正交偏差,通过控制器实现偏差值矫正。最后,仿真和试验结果表明,在芯片采样产生偏差时,所提出的偏差提取方法有效,试验中相应的正余弦输出信号指定阶次的波动更小。

基于滑窗滤波器的改进MRAS转动惯量辨识

交流伺服电机在负载突变时,传统模型参考自适应(model reference adaptive system,MRAS)不能同时满足辨识精度和收敛速度两方面的需求,鉴于此,提出一种基于滑窗滤波器的改进MRAS转动惯量辨识策略。首先,利用曲率模型(curvature model,CM)对电机的负载扰动进行实时估测;其次,对传统MRAS法进行改进,基于滑窗滤波器原理设置变增益机制的判断依据,使负载突变时系统自动调整自适应率中的增益系数,确保转动惯量被快速、精准的辨识;最后,通过仿真和搭建实平台对所提方法进行验证,结果证明此方法不仅具备较高的辨识精度,同时收敛速度快,很好的克服了传统方法的不足,表现出优异的动态性能。

偏振融合的红外船舶弱小目标跟踪算法

针对传统红外船舶目标跟踪场景中对偏振因子利用率低、背景复杂、目标尺度和外观变换剧烈导致的跟踪失败和模型退化问题,提出了一种基于联合预测框架的双相关滤波目标跟踪算法。在构造一种偏振约束自适应新式滤波器-位置联合优化框架的基础上,用偏振掩模滤波器对主滤波器的响应图谱进行了修正,构造出基于偏振特征的并行双滤波器结构,并对提出的优化框架进行了收敛性证明。此外,构造了红外偏振船舶的弱小目标数据集,并在此数据集上通过实验证明所提算法可以实现实时跟踪,且在准确性、鲁棒性等常用性能指标中平均高出国际上近期提出的其他相关滤波算法15%以上。

梯度投影法实现永磁同步电机最优曲线跟踪

针对永磁同步电机弱磁控制在线计算复杂度高、计算负担较重的问题,提出一种高效的弱磁曲线跟踪方法,以实现永磁同步电机的运动控制,通过一种更优化的投影与迭代结合的方法实现在一定的电流、电压约束下,电机最优运行状态的在线跟踪。同时,提出了针对ADADELTA梯度下降法的一种简化方法,优化了梯度下降法的计算流程,减少了迭代次数,提高了运算性能。该方法避免了不同运行区域的算法切换,有效地发挥了电机潜能,保证电机高功率输出。最后通过电机对拖实验,验证了此算法的合理性。

用户行为驱动偏好代理模型辅助的交互式个性化进化搜索算法

随着互联网用户数量迅猛增长,产生了大量用户生成内容,出现了信息过载现象.考虑用户生成数据,建立用户兴趣偏好模型,同时联合交互式进化计算,提出用户行为驱动偏好代理模型辅助的交互式个性化进化搜索算法,帮助用户从海量搜索空间中搜寻符合用户潜在需求和兴趣偏好的项目或内容.利用用户交互行为、评分数据和项目类别信息,构建基于受限玻尔兹曼机的用户偏好感知模型,抽取用户偏好特征;从进化优化的角度,设计基于用户偏好的代理模型及其进化策略,生成含用户偏好的新个体,并预测进化个体适应值,引导进化优化过程;根据新增用户生成内容和模型管理机制,动态更新各模型,及时跟踪用户偏好,顺利完成个性化进化搜索.通过大量真实世界数据集的实验,验证了所提算法处理动态个性化搜索和推荐任务的可行性及有效性.

基于改进的联邦UKF无人艇组合导航系统设计

针对无人艇在高海况下长航时,大幅度作业滤波精度较低的问题,提出一种基于联邦结构的无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)算法,将其应用于自主研制的无人艇组合导航系统中。建立系统误差方程和量测方程;引入渐消因子、基于量测值与预测量测值差值的可变因子和自适应最优信息分配因子对联邦UKF算法进行改进,保持信息的强跟踪特性和组合导航系统的信息融合精度,得到全局最优估计值。开展湖试试验,验证该组合导航系统的有效性,结果表明该系统实时性、稳定性好,抗干扰能力强,能有效提高导航精度。该方法不仅能为无人艇作业提供安全保障,而且可供其他组合导航系统设计参考。