基于虚拟雷达和两级神经网络的割草机路径跟踪算法

为提高果园内小型双电机驱动履带式割草机恶劣路面下路径跟踪精度,提出了一种基于虚拟雷达路径感知和两级深度神经网络的路径跟踪控制算法。首先搭建了两级串联的人工深度神经网络,一级深度神经网络通过虚拟雷达路径感知算法,计算得到履带式割草机与目标路径的相对位置关系。二级深度神经网络根据履带式割草机跟踪偏差、航向角、横向偏差影响因子、折算履带滑转率以及履带式割草机与目标路径的相对位置关系,计算得到两侧驱动电机的控制转速,实现路径跟踪控制。在灌溉翻浆的果园路面,开展了履带式割草机U形路径跟踪实车试验,当车速分别为0.4、0.8 m/s时,该算法路径跟踪的最大横向偏差分别为0.064、0.072 m,平均横向偏差分别为0.026、0.033 m。与传统的纯追踪控制算法相比,最大横向偏差分别减小31.18%、20.88%,平均横向偏差减小35.00%、29.79%。基于虚拟雷达和两级深度神经网络的路径跟踪控制算法可有效提升履带式割草机在恶劣路面下的路径跟踪精度。

基于虚拟雷达模型的履带拖拉机导航路径跟踪控制算法

为提高传统果园广泛使用的小型履带式拖拉机导航路径跟踪控制精度和行驶稳定性,提出了一种基于虚拟雷达模型的导航路径跟踪控制算法。该算法借鉴人对车辆的驾驶经验,参考雷达扫描原理和图像识别原理,构建了虚拟雷达模型,生成虚拟雷达图,使用该图描述车辆与路径的位置关系;经深度神经网络分类生成对应的履带拖拉机行驶操作指令;以果园作业典型的U形路径为例进行了仿真验证试验和实车试验。仿真结果表明:本文提出的算法能够精准实现导航路径跟踪控制。果园实车试验表明:当车速为0.36、0.75 m/s时,该算法路径跟踪的最大横向偏差分别为0.150、0.191 m,平均横向偏差分别为0.031、0.051 m,标准差分别为0.025、0.036 m;与模糊控制算法相比,最大横向偏差分别减小了15.73%、36.33%,平均横向偏差分别减小了27.91%、19.05%,标准差分别减少了21.88%、28.00%。研究表明,基于虚拟雷达模型的导航路径跟踪控制算法具有更高的路径跟踪精度和行驶稳定性,满足果园实际作业需求。

一种基于多标定体融合的超宽带虚拟孔径雷达系统校正方法

系统校正技术是影响超宽带(Ultra Wide Band,UWB)虚拟孔径雷达(Virtual Aperture Radar,VAR)对浅埋弱小目标穿地探测效果的重要因素,系统的超宽带特性及多通道不一致性使得常规高频窄带雷达基于单一标定体的校正方法不再适用,该文在对系统误差、标定体及地雷电磁特性分析的基础上,提出了多标定体-分频段融合的多通道校正方法,利用多个标定体对不同频段分别校正,该方法有效地校正了系统误差,提高了成像质量,实测数据验证了方法的有效性。

雷达信号分析虚拟仪器的设计与实现

虚拟仪器技术在众多领域得到了广泛的应用。文中针对雷达自动测试系统中对虚拟仪器的需求,分析了目前流行的虚拟仪器编程软件Labwindows/CVI在数值分析和信号处理方面的不足之处,提出了一种在Labwindows/CVI环境下利用ActiveX技术调用MATLAB工具箱中的函数,从而实现混合编程构建虚拟仪器的简单易行的方法,并用该方法实现了雷达信号分析虚拟仪器的设计。

一种基于位置识别的室内场景点云配准方法

针对现有方法在低重叠室内场景点云配准稳健性较差的问题,本文提出了一种基于位置识别的点云自配准方法。首先基于室内空间分割结果生成虚拟雷达观测位置,构建虚拟扫描;其次从虚拟扫描中提取全局特征描述符进行位置识别;然后利用位置识别结果确定重叠区域;最后计算重叠区域的转换参数,并根据刚体转换的特性获取最终的整体转换参数。试验结果表明,本文方法能够在低重叠的室内场景精确计算转换参数。

基于压缩感知的地雷散射结构提取

利用目标信号的先验稀疏性,通过压缩感知(Compressive Sensing,CS)方法可以实现对目标的稀疏成像,获取其空间散射结构。该文将CS理论应用于车载前视步进频率超宽带探地雷达(Vehicle-mounted Stepped-frequency Forward-looking Ground Penetrating Virtual Aperture Radar,SFGPVAR)系统,通过电磁建模,指出金属地雷目标可近似为具有旋转不变性的对称圆柱体,在对电磁仿真和实测数据分析的基础上,得到超宽带SFGPVAR系统中金属地雷具有孤立的双散射点结构,在成像空间满足稀疏分布条件,因此利用CS算法可以实现地雷空间散射结构的提取。该文最后通过对SFGPVAR系统实测数据处理验证了CS算法提取地雷散射结构的可行性以及地雷双散射点结构特征的稳健性,该方法不仅拓展了地雷目标特征提取的新思路,也为具有简单离散散射结构目标的检测鉴别探索出一条新路。