高动态范围条件重置方法的改进研究

条件重置方法是提高CMOS图像传感器动态范围的有效方法之一,但方法本身存在着一些缺点。为了提高条件重置方法的准确度,文章对条件重置方法进行了分析,对存在的缺点进行了改进设计,结果表明在提高CMOS图像传感器动态范围的前提下,误差减小,精度提高。

一类无重置条件的机械臂加速抑制初态误差迭代学习控制方法

针对任意初态误差,在时间轴上设计一段随迭代次数增加而缩短的修正区间。结合迭代学习控制算法,机械臂在每次迭代时无需重置初始条件,经过多次迭代学习后,实现跟踪误差渐近收敛于零。在λ范数意义下,证明迭代学习控制算法的收敛性,仿真结果验证该方法的可行性和有效性。

一个提高CMOS图像传感器的动态范围的算法

文章提出了一种新的提高CMOS图像传感器动态范围的算法。这种算法在每个传感器像素的积分期间,以时间间隔的指数方式进行采样,比较采样值和参考电压,若采样值小于参考电压,则将采样值输出。采用这种算法,当在每个积分周期采样N次时,最大可以提高CMOS图像传感器的动态范围2N-1倍。

一类机械臂指数加速迭代学习控制方法

针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在λ范数意义下,证明了无需重置条件的比例微分(proportion differentiation,PD)型加速迭代学习控制算法的收敛性。基于二自由度(two degrees of freedom,2-DOFs)仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。