Evaluation of fault diagnosability for nonlinear uncertain systems with multiple faults occurring simultaneously

Up to present,the problem of the evaluation of fault diagnosability for nonlinear systems has been investigated by many researchers.However,no attempt has been done to evaluate the diagnosability of multiple faults occurring simultaneously for nonlinear systems.This paper proposes a method based on differential geometry theories to solve this problem.Then the evaluation of fault diagnosability for affine nonlinear systems with multiple faults occurring simultaneously is achieved.To deal with the effect of control laws on the evaluation results of fault diagnosability,a design scheme of the evaluation of fault diagnosability is proposed.Then the influence of uncertainties on the evaluation results of fault diagnosability for affine nonlinear systems with multiple faults occurring simultaneously is analyzed.The numerical simulation results are obtained to show the effectiveness of the proposed evaluation scheme of fault diagnosability.

基于深度学习的美式车牌检测与识别技术

针对美式车牌存在背景图案多样、文本信息复杂,传统车牌识别方法难以同时满足对不同样式车牌进行识别的问题,通过对文本建议网络和卷积递归神经网络研究,本文提出了一种美式车牌检测与识别方法。针对美式车牌检测时产生多个文本框,且有些车牌号由于被图案隔断不在同一文本框的情况,设计了一套用于筛选车牌号的锚点机制。使用Adam优化算法训练卷积递归神经网络。本文构建了美式车牌数据集,进行验证实验,州名的识别率达到了92%,车牌号的识别率达到了84%,共同识别率达到了82%。且本文提出的网络模型大小不到60 MB,实时性强。提出的SE-MobileNetV2快速特征提取模型,大幅提高特征提取速度。

基于方向选择的移动机器人路径规划方法

针对快速行进树算法(FMT^(*))在逐层递归扩展中产生的冗余探索问题,提出一种基于方向选择的快速行进树算法(DS-FMT^(*))。该算法首先对拟扩展样本的四周产生均匀分布的方向选择线,判断周围的障碍物情况并选择有利于扩展的方向作为候选探索方向。随后将拟扩展到下一样本的实际探索方向与候选探索方向做比对,若实际探索方向与候选探索方向夹角一致,则优先考虑扩展该方向的样本。同时,结合样本的成本对比,改进FMT^(*)递归扩展过程,降低了计算复杂度。最后,将所提出的DS-FMT算法与其他同类算法进行仿真比较,证明了DS-FMT^(*)在保证路径良好质量的同时,提高了规划效率。通过移动机器人路径规划的实际应用实验,验证了所提算法的有效性。

基于卷积神经网络与扩展卡尔曼滤波的单目视觉惯性里程计

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。

永磁同步电机混沌系统的单输入反馈全局指数稳定控制

针对永磁同步电机混沌系统,结合Lyapunov稳定性与比较原理理论,分别对参数确定和参数不确定的永磁同步电机混沌系统提出一种单输入线性反馈全局指数稳定控制器.该控制器不仅结构简单,而且可以通过调整指数收敛速率,实现永磁同步电机混沌系统的全局指数稳定控制.分别对参数确定与参数不确定的永磁同步电机混沌系统进行数值模拟,进一步验证了所提方案的有效性.

基于李雅普诺夫方程的预定时间稳定控制方法

针对固定时间稳定性存在收敛时间估计不准确且难以调整的问题,提出一种基于非负李雅普诺夫方程的全局预定时间稳定性定理.首先,改进传统固定时间稳定系统,在系统中加入一个常数项与一个指数项,以提高系统的收敛速度;然后,加入一个可调节的参数并建立其与系统收敛时间估计之间的直接关系,给出调节参数设计的显式条件,使得调节系统收敛时间更加方便、快捷.在此基础上,针对同一类非线性系统,在初始值已知的条件下,证明其也可以实现收敛时间可调节的有限时间稳定和更加准确的系统收敛时间估计.最后,对所提方法进行数值模拟验证,结果表明:所提的预定时间稳定方法可保证一类非线性系统的收敛时间是可控和可预设的.

基于改进人工势场模型的无人机局部避障方法

针对无人机在追踪目标的过程中实时避障的问题,利用激光传感器获得的障碍物在无人机所处高度的二维位置信息,提出了一种改进人工势场局部实时避障方法.由于无人机始终对视野中的目标进行追踪,因此不存在唯一且固定的目标点,通过结合激光雷达数据,重新构造人工势场模型并对障碍物产生排斥矢量,引导无人机在快速追踪目标的同时躲避空中障碍物,并通过构造动态排斥因子和切换函数对障碍物的威胁进行估计,实现实时局部避障算法.对上述方法进行数值模拟,进一步验证了所提方案的有效性.