圆形轨迹导引下的无人机事件触发抗干扰环绕控制

针对内部不确定性以及外部环境摄动的目标环绕控制问题,在基于反步法的双层制导框架下,利用级联控制思想,提出了一种圆形轨迹导引下的四旋翼无人机事件触发抗扰环绕控制方法。在轨迹回路中,构建了可满足持续激励条件的目标位置估计器,保证仅通过视线方位角就能获取可满足最终一致有界条件的目标估计项。随后,基于目标的位置估计结果,设计了目标环绕控制律生成线速度指令,并通过方向向量场验证了该环绕制导律的有效性,消除了现有李雅普诺夫向量场制导(LVFG)对相对位置和目标速度的依赖。在姿态回路中,通过采用扩张状态观测器(ESO)补偿系统的集总不确定性,设计了基于相对阈值事件触发控制的姿态控制器,在有效降低控制器到执行机构之间信号传输频率的同时,实现了四旋翼无人机对静止/移动目标环绕。然后,借助输入状态稳定性定理证明了系统的稳定性。仿真结果表明,所提控制方案能够实现圆形轨迹导引下四旋翼无人机对静止/移动目标的环绕监视。

未知环境下群机器人多目标搜索协同控制

未知环境下,群机器人无法预先获取多目标搜索的环境信息,仅可局部感知与局部通信.本文针对避障效率与搜索效率的缺陷提出边界扫描的避障策略和目标位置估计的粒子群算法,边界扫描的避障策略(BSOA)将障碍物简化成连续障碍物与非连续障碍物两种情况,并根据情况向特定边界运动;目标位置估计的粒子群算法(TPEPSO)则利用获取的目标信号估计目标位置,结合粒子群算法到达目标附近,从而实现目标搜索.提出的方法与基于简化虚拟受力分析模型的循障避碰方法(SVF)及扩展粒子群算法(EPSO)、自适应机器人蝙蝠算法(ARBA)仿真比较,搜索效率提高5.72%~21.58%,总能耗减少4.30%~19.11%.

加速的TLD算法及其在多目标跟踪中的应用

TLD(Tracking-Learning-Detection)算法是近期受到广泛关注的一种长时间视觉跟踪算法.为提高该算法的运行速度,一种ATLD(Accelerated TLD)算法被提出,对原始TLD算法做了两方面改进:在检测模块引入基于灰色预测模型的目标位置估计和检测区域设置;运用基于NCC(Normalized Cross Correlation)距离的图像检索方法管理正负样本集.并在此基础上实现了多目标跟踪.通过实验比较了ATLD算法、原始TLD算法及两种近期改进的TLD算法.实验结果表明:ATLD算法在确保精度的前提下运行速度更快.

基于UKF的雷达和机载ESM扩维跟踪

为有效提高异类传感器融合跟踪的效果,提出了一种基于UKF的雷达和机载ESM扩维跟踪算法。首先将目标和机载ESM的状态信息组合起来,形成一个高维的状态向量,从而有效抑制滤波中GPS定位误差所带来的影响;接着在此基础上采用UKF来实现目标的定位跟踪,以求进一步减小扩维后线性化误差加大等问题的影响。仿真结果表明,该算法可更好地实现对目标的定位跟踪。