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.

机载云降水粒子成像仪所测数据中伪粒子的识别

机载云粒子成像仪(Cloud Imaging Probe,简称CIP)和降水粒子成像仪(Precipitation Imaging Probe简称PIP)所测数据中伪粒子的存在会直接导致仪器所测数据质量下降。利用山西Y-12探测飞机在太原地区的三次航测资料对飞机采样期间伪粒子图像的特点及其成因进行了分析和归类,并在此基础上提出了综合利用到达时间间隔阈值和图像处理识别技术的伪粒子识别方法。利用所提的方法对航测的粒子图像资料进行处理、统计和分析,统计结果表明,在一次测量过程中伪粒子的出现概率最高可达45.2%,其平均出现概率分别是36.01%(CIP))和8.64%(PIP);在所有伪粒子成分中,破碎形成的伪粒子的出现概率是最高的,它可以占到伪粒子总数的95%以上;其次是条纹状粒子和并存粒子,相对来说,空白粒子和线状粒子出现的概率是比较低的。研究还发现,机载平台的飞行状态对伪粒子各成分的出现概率也会造成影响。利用所提方法对仪器测量的粒子谱、粒子数浓度和冰水含量值进行订正,订正结果表明伪粒子对仪器量程内的粒子谱、粒子数浓度和冰水含量值均有影响,其中在云粒子谱影响上,伪粒子对粒子谱两端的影响较大,其中对小云粒子谱的影响主要是在400μm以下,对大云粒子端的影响主要是在1000μm(CIP)和2000μm(PIP)以上。所提方法和阈值对于以Y-12飞机为机载探测平台,以CIP和PIP为探测仪器所获取的其它航次云微物理图像资料处理也是有一定的参考使用价值。

多旋翼无人飞行器机载云台的复合稳定控制方法

针对多旋翼无人飞行器机载云台的稳定控制要求,提出一种采用双速度环控制结构的带有模糊切换条件的模糊自适应PID复合稳定控制方法。在深入分析控制结构扰动抑制能力的基础上,通过模糊自适应控制中自调整因子的引入和控制规则的在线修正,提高系统的快速响应能力;利用变速积分PID控制保证系统的高稳定精度,模糊切换条件实现复合控制的平稳切换。动态响应和稳态精度实验表明,系统的调节时间约为20 ms,稳定精度为0.13mrad。该方法有效地实现了机载云台的稳定控制,完全满足了多旋翼无人飞行器的应用需求。

机载云平台系统中基于可靠性感知的卸载策略

为保障机载云平台的可靠性和解决其高故障率问题,提出了一种可靠性感知计算卸载策略。将卸载时延和可靠性计算问题表述为一个非凸混合整数函数,由于其复杂性,将其转化为凸性函数,并基于连续凸逼近(Successive Convex Approximation,SCA)方法提出一个低复杂度的迭代算法。仿真结果表明,与典型卸载策略算法相比,提出的SCA-SOCP卸载算法可靠性更高,可以有效减少任务计算时延,节约成本。

改进梯度下降法的机载云台姿态解算

针对机载云台计算能力有限、动态性能较差的问题,提出一种基于低成本三轴无刷云台的改进梯度下降法姿态解算。该算法采用四元数描述系统模型,先进行卡尔曼滤波预处理加速度计的输出数据,降低动态误差,后利用基于梯度下降法姿态解算来减小姿态误差,最后线性融合加速度计、磁力计和陀螺仪解算的姿态四元数,从而得到能够适应复杂环境的最优姿态,计算量较小的同时保证机载相机的实时稳定性。通过两组对比实验表明,改进算法较梯度下降法精确度更高,静态、动态性能分别提升15.25%和27.53%,同时与显式互补滤波进行对比,印证了改进算法在云台系统中的可行性。

SPEC机载云探测系统及其云物理研究进展

在综合介绍我国机载云探测系统的发展历程、应用情况和优缺点的基础上,对新一代机载云探测系统SPEC的系统组成、探测原理、探测方法和探测范围等进行了详细说明,并探讨了近年来国内外相关研究进展。随着科学研究人员对云探测精细程度、准确度要求的日益提高,以往使用的粒子观测系统(PMS)等云探测系统已无法满足一些科学试验的需求;SPEC与很多其他云探测系统相比,在精密程度、探测粒子的信息量、分辨率等方面具有很大的探测优势,这对于云物理更深入的研究是非常重要的。国外研发并应用SPEC系统已有几十年的时间,而我国近年开始引进并越来越多地使用这套探测系统来探究云的宏微观物理特性,这必将使得对云物理的理解更加深入。

基于扰动观测器的机载云台扰动复合补偿方法

现阶段,无人机机载云台对扰动复合补偿功能提出了较高的要求,以扰动观测器为基准对扰动复合补偿系统进行改进,能够有效提升无人机的动力性能。本文在对基于扰动观测器的机载云台扰动复合补偿系统进行简单阐述的基础上,论述了该系统的设计与实现,介绍了减震装置的设计方法,通过仿真分析和飞行实验的方式,对改进后的系统功能进行了测定,以期为相关人士提供借鉴和参考。

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。

基于扰动观测器的机载云台扰动复合补偿方法

针对多旋翼无人机(mUAV)机载云台的扰动补偿需求,提出一种基于改进的扰动观测器(IDO,improved disturbance observer)的伺服控制器与减振装置相结合的复合补偿方法。深入分析了IDO的扰动补偿能力和鲁棒性,构建了基于IDO的云台伺服控制结构;依据mUAV机载云台的振动特性,设计出减振装置的结构参数及安装位置。飞行实验表明,引入复合补偿方法后,视轴(LOS)指向误差减小到了0.03°,振动隔离度提高了约15dB。复合补偿方法有效地补偿了机载云台的扰动,完全满足了mUAV机载云台扰动补偿的需求。

面向机载惯性稳定云台的微姿态参考系统的研究

基于MEMS传感器设计了面向机载惯性稳定云台的微姿态参考系统。首先,对磁力计受到的环境干扰磁场的影响进行了信号补偿;然后,在分析角速度陀螺、加速度计和磁力计等传感器特点的基础上,提出一种新的卡尔曼滤波算法模型;最后,通过性能测试,验证了微姿态参考模型具有较好的静态和动态性能,完全满足机载惯性稳定云台的需求。

适应曲线轮廓的机载点云建筑外轮廓提取算法

针对最小边界矩形(MBR)算法可利用机载LiDAR点云提取正交建筑轮廓,但当建筑轮廓存在斜直线或曲线时该算法会出现锯齿形轮廓的问题,提出了一种可适应曲线的MBR(ACMBR)算法。在改进MBR(IMBR)算法的基础上引入边界点类型划分算法,再利用最小二乘法拟合斜直线轮廓以及限制端点位置的B-Spline拟合曲线轮廓。结果表明,ACMBR算法能保持建筑轮廓的正交性,且能够识别和拟合包含斜直线、曲线的建筑物轮廓,扩展了MBR类型算法的适用范围。对于斜直线和曲线建筑,ACMBR算法的距离均值和均方根误差均小于IMBR算法,提取的建筑轮廓精度也优于IMBR算法。

机载惯性稳定云台系统的研究

针对超小型无人直升机系统对机载云台的要求,首先,设计了二自由度的机载云台机构,然后,采用MEMS传感器设计了云台系统的微姿态参考系统,其中利用一种卡尔曼滤波算法实现各种传感器信息的融合,从而获得云台系统的最优姿态信息;然后,采用一种自适应模糊控制算法设计了机载云台的控制系统,该模糊控制算法具有模糊规则和解模糊自适应调节的性能;最后,飞行试验验证了云台机构、传感器系统和控制系统的可行性。

复杂场景中机载激光雷达点云数据地面滤波方法研究

为了提高复杂场景点云数据滤波分类效率,提出了一种将多阶段松紧约束结合的地面滤波算法与基于分段能量函数优化相结合的滤波方法。工程实例验证结果表明:该方法能够提升机载激光点云数据处理的自动化和复杂场景适应能力,满足精度和高效处理需求。

基于RANSAC平面检测种子点的机载屋顶点云提取方法

机载激光雷达技术已经成为快速获取城市建筑三维数字模型的有效手段,而建筑物屋顶点云提取则是建筑物三维数字模型重建的关键。针对该问题,本文提出了一种基于随机抽样一致算法(RANSAC)平面检测种子点的机载屋顶点云提取方法。首先,通过近地点分离将地面点从点云中分离出来,保留建筑物点云和少量树冠点云。然后,利用RANSAC平面检测选取种子点,这些种子点几乎全部为屋顶点,且非屋顶点比例极低。接下来,将种子点作为初始增长点,利用种子点与其邻域点法线夹角和Z方向上的距离差值作为聚类特征,进行屋顶点提取。实验结果表明,该方法在不同数据集上取得了良好的屋顶点提取效果。点云密度对屋顶点提取结果有一定影响,较高的点云密度有利于提取几何特征明显的屋顶点。此外,通过该方法选取的种子点准确性较高,非屋顶点的影响非常有限。综上,该方法能够有效地提取机载点云中的屋顶点,为建筑物三维重建和城市规划等应用提供了重要的数据支持。

机载LiDAR点云数据滤波方法研究

为了改善地形复杂区域机载激光雷达点云滤波效果,本文提出了一种结合布料模拟滤波与改进不规则三角网的机载LiDAR点云滤波方法。该方法实现机载LiDAR点云滤波的主要步骤为:首先,使用KD树算法将原始点云数据中的粗差剔除;其次,使用CSF对粗差剔除后点云数据进行滤波,滤除建筑物等高大地物点得到初始地面点;最后,使用改进的TIN算法对初始地面点进行进一步精滤波,得到最终地面点结果。为了对本文提出方法的有效性与优越性进行检验,使用两组实验数据进行滤波实验,结果表明本文点云滤波方法可有效降低Ⅰ类、Ⅱ类误差,对不同地形条件进行点云滤波均有较高的准确性。

基于机载LiDAR点云数据的道路标识线提取方法研究

为了提高基于机载LiDAR点云数据的道路标识线分类精度,提高机载LiDAR点云数据的利用率,本文提出了一种从机载LiDAR点云数据中自动提取道路标识线的新方法。该新方法实现道路标识线自动提取的步骤为:首先,对原始机载LiDAR点云数据进行滤波处理,消除地物点对道路标识线点云提取的影响;其次,对道路面点云数据进行二维投影,获取道路点云数据的强度特征图,并根据标识线连通分析得到标识线边缘信息;最后,通过指定约束识别规则实现道路标识线的精细化处理。使用两组机载LiDAR点数据进行实验,结果表明,本文提出的新方法能够很好地获取道路标识线边缘与标识线点云,提取道路标识线的平均完整率与平均正确率分别为0.94、0.98,均优于对比方法实验结果,具有实用性强、鲁棒性好的特点。

基于机载LiDAR点云数据的组合滤波方法研究

为提高机载LiDAR点云的滤波精度,更好地服务于高精度数字高程模型(Digital Elevation Model,DEM)制作,本文综合各种机载LiDAR点云滤波方法的优点,提出一种组合点云滤波方法。该组合滤波算法由渐进三角网加密(Progressive TIN Densification,PTD)滤波、邻域高差滤波以及平面拟合滤波算法组成。首先,使用PTD算法对原始机载LiDAR点云数据进行初始滤波,滤除大部分地物点;其次,使用邻域高差滤波算法补全缺失点云区域;最后,使用平面拟合滤波算法滤除近地噪声点。本文提出的组合滤波算法综合了上述3种滤波算法的优势,提高了对地形的自适应性以及近地点去噪的处理能力,实验表明本文提出的组合滤波算法能有效弥补单一PTD滤波算法难以保留陡坡区域地形特征的缺陷,有效提升点云滤波的质量。

基于无人机载LiDAR点云数据的电力线提取方法

机载激光雷达(LiDAR)点云电力线提取过程中存在杆塔形状复杂、噪声影响大等问题,导致电力线点云提取精度低,本文提出一种基于点云分块处理、格网划分的曲面拟合滤波、自适应密度聚类算法的电力线点云提取与重建方法。首先,根据电力线走向,对整体点云进行分块处理;其次,在曲面拟合算法的基础上,引入格网划分思想,提出一种改进曲面拟合滤波算法并进行点云滤波;最后,通过给出自适应密度聚类解决方案精确提取电力线点云。借助点云库(PCL)、libLAS库与Visual Studio 2017 C++开发环境实现本文算法,基于实测点云数据对本文方法进行测试与精度评定。结果表明:电力线提取精确率为97.82%、召回率为99.76%、F1值为98.78%,一次便可实现电力线的成功提取,在保证提取精度的同时提升了提取效率,本文研究能够为电力线智能巡检提供良好的工程应用价值。

基于机载LiDAR点云数据的建筑物三维模型重建方法

以机载LiDAR点云数据为研究对象,提出一套建筑物三维模型重建方法。首先使用渐进三角网滤波算法分类地面点与非地面点,通过训练完成的随机森林模型完成建筑物点云提取;其次将方向作为约束条件,使用随机抽样一致(Random Sample Consensus,RANSAC)算法完成建筑物轮廓线提取并获取屋顶关键点信息;最后使用SharpGL工具包,以建筑物轮廓线与屋顶关键点信息为框架重建建筑物三维模型。以实测机载LiDAR点云数据为例进行实验,结果表明,本文方法能够提取得到完整的建筑物轮廓信息,并具有较高的建筑物模型重建精度。

基于机载LiDAR点云数据的建筑物三维模型重建方法研究

根据建筑物点云的分布特征,提出一种机载LiDAR点云建筑物三维模型重建方法。首先,利用布料模拟滤波算法剔除地面点,实现包含建筑物点云在内的非地面点提取,并利用最大类间方差法提取建筑物点云;其次,使用Alpha Shape算法提取建筑物点云中边缘点,并规则化处理建筑物轮廓线,通过屋顶分割算法提取建筑物屋顶信息;最后,使用SharpGL工具进行建筑物三维模型重建。以某地级市某地区机载LiDAR点云数据为例进行实验,结果表明该方法进行建筑物三维模型重建具有较高的精度与效率,适用于城镇复杂区域建筑物三维模型重建。