基于短时FrFT的双基雷达舰船成像最优时间段选取方法

双基雷达系统因其拥有较好的隐蔽性、抗干扰性、灵活性而应用广泛。舰船目标由于受海情影响存在三维运动,瞬时投影平面容易反复叠加,使图像出现严重散焦,大大降低成像分辨率,因此选取最优的成像时间段成为逆合成孔径雷达(ISAR)成像研究领域的热门话题。在双基几何构型下,文中结合图像对比度评判指标,提出一种基于短时分数阶傅里叶变换(FrFT)时频分析的成像时间段选取方法,获得在不同阶次下的时频分析曲线信息,利用估计频率分布的概率密度函数(PDF)选取多普勒频率较平稳的连续时间段,通过最大化图像对比度确定阶次与成像时间段,自适应地获得最佳的成像结果。该方法为最优成像时刻与时间长度的选取提供解决方案,仿真实验结果论证了该成像方法的有效性。

大型刚体调姿系统最优时间轨迹规划

研究基于三坐标支撑柱的大型刚体位姿调整系统。系统可等效为6自由度冗余驱动并联机构,动平台初始位姿和目标位姿已知,而运动时间和路径不确定。为了使支撑柱运动平稳并提高调姿精度,在考虑工程实际中的关节驱动力约束和驱动速度约束的基础上,提出一种最优时间轨迹规划算法。首先运用冗余驱动并联机构的分析方法建立该系统的运动学和动力学模型,并通过Moore-Penrose广义逆矩阵得到关节驱动力的最小范数解,然后以时间为参数,运用5次多项式拟合调姿物体的位姿变化轨迹,再通过二分法求解出满足关节空间约束的最优调姿时间,从而生成相应的关节运动轨迹。仿真结果表明算法只需经过较少次迭代就能获得理想的调姿运动轨迹。总之,该轨迹规划方法是有效的。

静止坐标系下基于最优时间序列的电压型PWM整流器电流预测控制

有限状态预测控制能够实现静止坐标系下电压型PWM整流器的电流控制,但开关频率及稳态控制精度方面的缺陷限制了其进一步发展。针对这一问题,提出了基于最优时间序列的电压型PWM整流器电流控制策略。根据电网电压相位信息筛选非零矢量,基于电流变化特性预测模型得出不同矢量作用下的电流变化特性,结合电流给定值构建基于、轴电流误差的价值函数,以单个采样周期内电流误差最小为约束条件确定非零矢量作用时间。实验结果表明,本文提出的基于最优时间序列的预测控制策略能够有效弥补有限状态预测控制在开关频率及稳态控制精度方面的缺陷,在保证稳态控制精度的同时,实现静止坐标系下电流的准确、快速调节。

基于最优时间步长模型的输电导线雾凇覆冰预测

输电导线覆冰是影响电力系统安全稳定运行的主要自然灾害之一,研究大气环境参数对导线覆冰过程的影响并对其进行准确预测具有重要意义。考虑直接影响覆冰预测准确度和计算时间开销的计算时间步长ts,研究并提出覆冰预测最优时间步长模型,针对雾凇覆冰情形,在每步预测计算中重新确定时变环境参数,对重构网格贴体加密,采用有限体积法求解基于RNG方法的k-ε湍流模型得到气流流场,采用拉格朗日方法在气流流场基础上得到过冷却水滴运动轨迹,通过后处理获得导线雾凇覆冰质量与冰形。研究导线在不同风速、大气温度、液态水含量、水滴中值体积直径以及导线直径等因素下的雾凇覆冰质量与冰形,总结了各因素对导线雾凇覆冰的影响规律。为验证所建雾凇覆冰预测模型,在重庆大学雪峰山自然覆冰试验基地进行了自然雾凇覆冰试验。试验得到的覆冰质量及冰形均与文中预测结果吻合度较好,证明了该预测模型准确、有效。

基于双种群遗传混沌优化算法的最优时间轨迹规划

针对以最短运行时间为目标的工业机器人轨迹规划问题,提出一种基于混沌局部搜索的双种群遗传最优时间轨迹规划算法。首先以各个节点之间的时间间隔之和为优化目标,以各关节的角速度、角加速度和角加加速度为约束条件,利用五次多项式拟合规划的关节空间位置节点模拟机器人的运行轨迹;然后,利用双种群遗传算法全局搜索能力强、进化速度快和混沌算法局部搜索能力强的优点,提出一种基于双种群遗传混沌优化算法的机器人轨迹规划方法,规划最优时间轨迹;最后,以3自由度空间机械臂为例,验证了所提算法能够使机器人末端执行器的运行轨迹平滑且时间最优。该算法应用于机器人轨迹规划可以延长机器人使用寿命,提高生产效率。

一种并联机械手操作空间最优时间轨迹规划方法

提出一种并联机械手最优时间轨迹规划方法。在操作空间中将机器人的拾取点通过椭圆曲线进行连接,应用先进SCCA(Sine Constant Cosine Acceleration)凸轮运动曲线定义了椭圆路径运动规律,从而使机器人运动过程中关节速度、加速度及转矩曲线连续、平滑,动态性能较优。在此基础上,以关节速度、加速度及转矩为约束条件,以拾取时间最短为目标,采用自适应遗传算法对轨迹进行优化求解,算法中利用罚函数处理非线性约束问题。通过自行设计的Delta机器人仿真及试验结果,表明文中提出的轨迹与常用门字型轨迹相比,运动曲线更加平滑、自然,能有效减小关节空间冲击,缩短机器人拾取时间,提高工作效率。

基于最优时间的超声检测轨迹规划

为提高实体曲面工件超声自动化测量中曲面特征选取效率与探头的平稳性,对五自由度超声检测臂的终端探头从初始位姿到目标位姿进行最优轨迹规划.利用D-H表示法和牛顿-欧拉递推方法,分别建立超声检测臂运动学和动力学模型,以时间为参数,采用五次多项式对探头的初始位姿与目标位姿之间的运行轨迹进行拟合,以轨迹时间最短为目标,运用黄金分割法来寻找各关节的最大速度、加速度和驱动力(矩)约束下的最优轨迹.该方法符合实际工程应用要求,提高了探头运行平滑性和检测效率.

大型导弹起竖过程最优时间轨迹规划研究

关于导弹起竖优化控制问题,对导弹起竖过程的最优时间轨迹规划问题进行研究,提高导弹起竖过程的快速性和平稳性。由于多级液压缸换级碰撞带来的液压冲击引起系统振动,提出采用分级规划的策略。在对每一级进行轨迹规划时,为保证起竖过程的平稳性,在综合考虑装备实际中的液压系统压力、流量及导弹横向过载约束的基础上,根据五次多项式和非对称组合正弦函数的两种最优时间轨迹规划方法,建立了相应的最优时间轨迹规划模型进行求解。对含二级液压缸的大型导弹起竖过程最优时间轨迹规划仿真算例验证了改进的分级规划策略和最优时间轨迹规划方法的有效性。

基于动态安全域的最优时间紧急控制策略算法

紧急控制是电力系统安全的重要防线,对维持故障及大扰动下系统暂态稳定有重要作用。对电力系统紧急控制的大量仿真表明,当系统遭遇故障多摆失稳时,电力系统事故后紧急控制时间对系统稳定性影响在时间域上是非线性的。基于动态安全域理论对紧急控制时间影响进行量化比较,并提出一种改进的故障后系统最优紧急控制策略计算方法。该方法考虑了紧急控制策略时间维度的优化,能量化反映在多摆失稳情况下紧急控制时间对系统的影响,并计算最优集中紧急控制时间及切除量。IEEE10机39节点系统仿真结果表明,新算法可以优化控制策略,减少控制成本。

基于最优时间间隔的足式机器人足端轨迹规划

在任务空间进行足式机器人足端轨迹规划时,由于任务空间与关节空间的非线性映射关系会导致关节电机的速度、加速度超限或发生突变,影响机器人的运动平稳性。针对该问题,提出了一种基于最优时间间隔的足式机器人足端轨迹规划算法。首先对任务空间规划出的足端轨迹离散点反解计算得到对应的关节角度,然后以关节角度为约束,以轨迹点之间的时间间隔为优化对象,建立机器人关节速度、加速度、加加速度与时间间隔的函数关系,构建面向最优时间间隔的多目标优化模型,引入分段式染色体片段变异处理对传统的遗传算法进行改进,得到机器人运动性能最优解。样机试验表明关节空间加速度峰值最大降低73.58%,加加速度峰值最大降低77.15%,任务空间中Y方向加速度最大降低61.82%。

面向最优时间窗口覆盖的查询服务

该文提出了最优时间窗口覆盖查询问题,该问题是指给定多个用户和对应的时间区间以及持续时间大小的要求,希望找到既满足持续时间大小要求又能够被最多用户覆盖的时间区间段.该问题的解决能够为现实生活提供多种服务,比如:安排直播时段、云服务收费等.根据我们的调查发现,该问题属于时态数据库领域,但是与现有的时态数据库领域问题都不一样,导致目前没有现成的方法能够直接解决最优时间窗口覆盖问题.该文针对该问题设计了一种算法——基于Timeline Index的查询算法(TLI算法),该算法利用Timeline Index数据结构存储原始数据信息.再通过Timeline Index利用相邻的时间点构造多个时间区间,对于不满足时间大小的时间区间,我们设计了专门的调整机制使它们变成新的满足要求的时间区间.我们通过理论证明该算法的时间复杂度O(NlogN),其中N是原始数据中记录的数量.最后通过实验分析,发现TLI算法的运行效率比基准算法普遍快了1个数量级.

关于双积分系统时间最优控制中最优时间的计算方法的推导过程

本文讨论了利用极小值原理设计的双积分系统的时间最优控制的控制曲线和开关曲线,着重讨论了该系统在最优控制下最优时间的计算方法的推导过程。

同步电机基于最优时间理论的高性能电流控制

传统的同步电机矢量控制系统中,电流环采用PI调节器,由于PI调节器是对d,q轴分别控制,没有综合考虑d,q轴的情况,无法将控制电压合理地分配到d,q轴,因此传统的PI控制不能满足对电机动态响应要求比较高的场合。基于控制理论中的最优时间控制,结合同步电机的电流方程设计出一种新的电流控制方法,这种控制方法通过合理分配d,q轴控制电压使d,q轴电流在最短的时间内达到给定值,从而实现电机的高速动态响应。通过仿真,证明了这种控制方法比PI控制的优越性。

可移动着陆器腿足最优时间-急动度轨迹规划

为保证可移动着陆器在运动过程中腿足机构不产生较大的冲击和振动,对可移动着陆器腿足机构各关节空间内的运动轨迹进行了规划,并以时间-急动度最优为目标进行优化。首先,介绍了兼具着陆缓冲和星表移动等功能的六足可移动着陆器的设计方案,推导了腿足运动学,分析了落震缓冲性能;其次,通过运动学逆解求得足端迈步轨迹关键点在关节空间内的映射节点,对节点进行三次样条曲线拟合;然后,以节点时间间隔为变量,建立了最优时间-急动度轨迹优化模型;最后,通过多种群遗传算法对该模型全局最优解进行搜索求解。结果表明,可移动着陆器腿足机构具有稳定连续的运动性能,所规划的最优时间-急动度轨迹合理有效,腿足机构运动过程中无较大冲击和振动。

基于改进GA的5R串联机器人最优时间轨迹规划

该文以工业自动化中的5R工业机器人为研究对象,在关节空间中采用3-5-3样条插值曲线建立起轨迹基元函数,并提出一种改进遗传算法(genetic algorithm,GA)对3-5-3样条插值曲线的各段插值时间分别进行优化用以满足不同速度的约束条件。在遗传算法中采用轮盘赌法和锦标赛选择法相结合的选择算子并针对交叉概率和变异概率分别设置自适应参数调节机制,以实现算法性能的提升,防止种群陷入局部极值。在MATLAB中搭建5R机器人仿真平台进行实时实验,得到了各关节角度位置、角速度、角加速度、急动度曲线,实验表明该方法能够有效实现不同速度约束下的最优时间轨迹规划。

最优时间的无零矢量有限状态预测控制

针对三相逆变二电平电路运行特性和交流侧共模电压抑制需求,提出了一种最优时间序列的三相逆变器无零矢量有限状态预测控制.在传统有限控制集模型电流预测控制基础上舍弃零矢量,以减小输出电流偏差为目标构造价值函数;非零矢量采用最优作用时间,以消除共模干扰的最大值.通过实验表明,改进策略有效地降低了共模电压,改善了输出电流的对称性,提高了稳态精度.

基于时间最优的机器人位姿同步轨迹规划方法

为提高工业机器人在工作空间的运行效率,提出了一种在笛卡尔空间实现位姿同步的时间最优轨迹规划方法。该方法采用三次均匀B样条曲线对机器人末端路径点进行位姿同步的路径插值;以减小运动时间为优化目标,在满足关节运动学约束的条件下,采用线性规划对离散后的笛卡尔空间参数化轨迹进行逆向与正向递推,求解路径参数的相平面图。基于路径参数的相平面图,通过雅可比矩阵计算关节速度进行时间最优速度规划。针对所提方法进行实验验证,结果表明该方法在满足机器人实际运动性能的前提下达到了时间最优。

农业物料移运机器人协同作业时间最优轨迹规划方法

为了解决机器人将农产品从收获场所转移到仓库或运输车辆存在的移动轨迹和作业轨迹相对独立且耗时长的问题,本文设计一种物料移运机器人,并提出一种物料移运机器人协同作业时间最优轨迹规划方法,获得机器人作业系统和行驶系统协同作业的时间最优轨迹。该方法建立机器人协同作业的运动学模型和动力学模型,对物料移运机器人开展时间最优轨迹规划,并基于Lyapunov理论设计控制律减少跟踪误差,最后通过Matlab/Simulink和ADAMS联合仿真验证方法的有效性。结果表明,提出的轨迹规划方法可使机器人在抓放料协同作业和避障协同作业中取得平滑且时间最优的运动轨迹,机器人各关节的位移、速度、加速度、力/力矩曲线变化平缓,两履带牵引力满足机器人的要求且可快速稳定跟踪时间最优路径。

GEE平台下结合滤波算法和植被物候特征的互花米草遥感提取最优时间窗口确定

互花米草的快速入侵严重影响湿地生态系统平衡。因此,精确监测互花米草扩张的时空动态变化过程具有重要意义。尽管现有基于植被物候特征的互花米草遥感提取方法,避免了光谱特征相似性引起的分类误差,但受到云和潮汐的严重影响,难以获取大尺度湿地植被提取特征信息。本文提出一种结合最大值合成法和Savitzky-Golay(S-G)滤波算法提取互花米草关键物候特征,减弱大尺度云和潮汐对时序遥感信号特征的影响,精准重构符合植被生长趋势的NDVI时间序列数据。通过获取关键物候特征,确定互花米草提取的最优时间窗口,基于Google Earth Engine(GEE)平台精准获取互花米草空间分布状况并分析典型地区的互花米草空间分布特征。研究结果显示,生长季初期(6—7月)为互花米草提取的最优时间窗口,该时期总体分类精度为89.81%,Kappa系数为0.88,相比其他时期的总体分类精度提高10.09%,Kappa系数提高0.11。互花米草提取结果表明,2020年福建省互花米草入侵面积总计100.78 km2,主要分布在宁德、福州、泉州以及漳州等地。其中,宁德市互花米草分布面积最广,共计38.08 km2,占全省互花米草分布总面积的37.79%。福建沿岸的互花米草在空间分布上呈现多种地理特征,在半封闭型海湾和河口地区的沿岸附近主要以连续的条带或片状斑块分布,而在低潮位区域则多是零星斑块。本文研究成果能为互花米草扩散的长时期、大范围空间监测提供可行性方案,为湿地植被精准提取提供技术支撑,为实现海岸带资源的高质量可持续利用提供数据基础。

基于最优汇集时间间隔的城市间断交通流预测

针对城市交通流受信号控制的影响而呈现出间断性、周期性和随机性的特点,提出基于最优汇集时间间隔的城市间断交流预测方法.该方法首先基于傅里叶变换和自相关分析获取城市间断交通流的信号控制周期,再利用交叉验证均方差模型确定最优汇集时间间隔与信号周期的关系,在此基础上提出融合贝叶斯神经网络和深度学习模型的LSTM-BConv预测模型.基于实测数据的实验结果表明:1)基于最优汇集时间间隔统计交通流数据能有效提升城市间断交通流预测模型的预测精度;2)城市间断交通流数据的最优汇集时间间隔为交通信号控制周期的倍数;3)对比试验结果表明,LSTM-BConv预测模型优于常见的预测模型,平均绝对百分比误差提升了4.57%.预测结果可以为信号控制方案的优化提供参考依据.