电动汽车多参数模型预测制动能量跟踪策略

针对电机制动能量回收率低和直流母线电压波动大的问题,提出了考虑电机功率、双向DC/DC变换器效率、超级电容电压等多个参数实时调整超级电容电流参考值的制动能量跟踪策略。采用储能单元的离散状态空间模型预测超级电容的电流和电压,并结合系统中多个参数计算超级电容的电流参考值。使用基于比例积分(PI)的电流环控制超级电容电流实时跟踪参考值,实现超级电容对电机能量的跟踪。通过仿真分析和对比试验,结果表明:所提出的策略能够将制动能量的回收效率由55.93%提升至86.76%,直流母线的电压波动范围抑制在0.9%以内。

基于递归本征正交分解与强跟踪扩展卡尔曼滤波的结构损伤识别

针对目前已有损伤识别方法难以实时跟踪结构损伤且计算量大的问题,提出了一种基于递归本征正交分解(recursive proper orthogonal decomposition,RPOD)与强跟踪扩展卡尔曼滤波(strong tracking extended Kalman filter,STEKF)相结合的模型降阶与结构损伤在线识别方法,对动载荷作用下的结构损伤识别进行了研究。利用RPOD方法在线更新并实时建立反映结构状态的降阶模型,解决未知载荷作用下多自由度结构动力分析计算量大且难以收敛的问题,同时跟踪损伤的演化并对其进行定位;通过STEKF方法跟踪降阶模型的状态向量,识别因损伤而退化的降阶模型参数。分别采用六层剪切型框架的数值模拟与三层钢框架的模型试验验证了该方法的可行性,结果表明,所提出的方法能够准确建立降阶模型并跟踪降阶模型参数的时变历程,同时可以有效地识别出剪切型建筑结构损伤的位置和程度,即使在处理高程度噪声时仍有较高的精度。

跨域环境下特定多目标跟踪算法的改进

【目的】针对监控视频跨域环境下的多目标跟踪画面中,频繁遮挡、轨迹开始终止时刻未知、目标太小、目标间交互、表观相似以及摄像头视角变化等问题,提出一种改进的多目标跟踪算法。【方法】该算法最大化利用低分检测对象,将未匹配的低分对象进行二次匹配,目标跨域后,依据摄像头拓扑排序规则,以及相邻摄像头的未匹配跟踪轨迹,同时对检测器YOLOv5算法进行优化改进,通过信息流的层层递进,有效解决多尺度问题和小目标信息提取不充分等问题,在相邻的摄像头中快速匹配到跟踪对象,以提高跨域环境下特定多目标跟踪的精度。【结果】对比消融试验表明,本改进算法MOTA达到了62.8%,IDswitch也显著降低。

考虑时变参考和转向延迟的自动驾驶车辆轨迹跟踪控制方法

最优控制方法已成为自动驾驶横向运动控制的主流研究和工业部署方法。LQR方法拥有在线计算量小、实时性好等优点而被广泛使用,但是无法考虑时变参考和转向延迟。延时的存在会导致LQR方法在高速时失去稳定性,因此在解决该问题的同时维持LQR小计算量的特性十分必要。本文在保证实时性的前提下,解决了LQR无法考虑时变参考和转向延迟的问题。将道路曲率作为时变参考、转向延迟特性作为纯延时和1阶惯性环节考虑进跟踪误差状态方程中,将控制时域对应的KKT逆矩阵部分查表到实时求解器中,旨在减小计算量并保证控制器的实时性。仿真试验结果表明:所搭建的EqLPV-MPC控制器可以有效处理道路变曲率工况;相比于LQR方法,车速为72 km/h的双移线工况下横向误差降低39%,航向角误差下降52%,质心侧偏角减少28%。实车试验结果表明,在双移线工况下,本文所搭建的控制器可以将最大横向误差控制在0.1 m以内。

值函数逼近算法在无人机轨迹跟踪的控制研究

为解决载荷状态下的无人机运输的轨迹控制问题,提出了一种基于逼近值函数算法的轨迹规划控制方法。首先建立了无人机运输系统的动力学模型,通过马尔可夫决策过程获得轨迹规划结果,值函数由参数向量和特征向量逼近,利用批处理的方法对参数向量进行更新,并采用贪心策略生成期望轨迹,在此基础上将期望轨迹传递给四旋翼控制器进行轨迹跟踪。仿真结果表明训练后的参数能较好地拟合出值函数,无人机悬挂载荷可以从起始位置平稳地输送到不同的期望位置,且具有较好的收敛性能,最后通过实验验证了该算法的合理性和有效性。

Mecanum轮全向AGV轨迹跟踪级联控制器设计

针对四Mecanum轮驱动的自动导引车(AGV)的轨迹跟踪控制问题,设计了一种模型预测控制(MPC)和自适应滑模控制(SMC)级联的控制器,来改善控制精度和稳定性,提高控制过程的层次性、针对性和有效性。在运动学层面,建立了AGV轨迹跟踪误差模型,将其转化为二次规划问题,并加入约束条件,配合模型预测控制的滚动优化来在线求解二次规划的最优解,将AGV位姿误差转化为轮子转速的期望输出;在动力学层面,采用滑模控制得到轮子的输出力矩,实现轮子对期望转速的跟踪,引入具有快速准确逼近能力的极限学习机(ELM)神经网络对模型不确定性和未知干扰进行在线观测,并与滑模控制相结合自适应抵消干扰,进一步提高控制器的鲁棒性。在余弦扰动和脉冲干扰下对控制器进行仿真验证,并将结果与PID控制结果进行对比,发现MPC+SMC级联控制器的跟踪效果具有明显优势;与采用径向基函数(RBF)神经网络观测的级联控制器的对比表明,采用ELM观测器的控制器对干扰的鲁棒性更强,在各转速条件下与干扰曲线的拟合度均超过95%,其跟踪误差在多项指标上相比其他方法小1个数量级,最大位置偏差仅为毫米级。轨迹跟踪样机实验结果验证了该控制器的实用性和可行性。

跟踪延伸护理在幽门螺杆菌感染患儿根治中的应用

目的:探讨基于知信行理论的跟踪延伸护理在幽门螺杆菌(Hp)感染患儿根治中的应用效果。方法:选取2022年1月~2023年4月滨州医学院附属医院收治的160例Hp感染并需要根除的患儿为研究对象,随机分为对照组80例,实施常规护理;观察组80例,在对照组基础上实施基于知信行理论的跟踪延伸护理。比较两组患儿服药依从性、治疗效果、生活质量[采用儿童少年生活质量量表(QLSCA)]。结果:观察组患儿服药依从性为86.3%、治疗有效率为88.8%,高于对照组(66.3%、71.3%),差异有统计学意义(P<0.05);干预后观察组患儿的生活质量(QLSCA)评分为(61.58±6.53)分,高于对照组干预后的生活质量(QLSCA)评分,差异有统计学意义(P<0.05)。结论:基于知信行理论的跟踪延伸护理用于Hp感染患儿,可以提高患儿的服药依从性,改善患儿的生活质量。

改进Camshift算法实时目标跟踪实现

为解决Camshift目标跟踪算法在跟踪目标遮挡时陷入局部最大值、跟踪目标快速移动导致跟踪丢失以及光照变化影响跟踪精度一系列问题,提出一种改进Camshift目标跟踪算法。利用自适应权重与H通道特征提取模板,融合Kalman滤波算法并引入巴氏距离遮挡判别法。非遮挡时,使用Kalman预测调整跟踪搜索区域;遮挡时,使用Kalman预测跟踪。实验结果表明,将改进后算法部署于FPGA硬件平台能够准确地跟踪快速运动、遮挡干扰目标,在1920×1080分辨率下理论跟踪帧率为98.17帧/s,对1080p@60 Hz以及多种分辨率视频输入下平均跟踪重叠率达到84.68%。

空间定位与特征泛化增强的铁路异物跟踪检测

针对现有深度学习异物跟踪检测算法易受复杂环境、目标遮挡等影响,导致出现漏检及检测精度低等问题,提出了一种空间定位与特征泛化增强的铁路异物跟踪检测算法。提出改进多尺度级联GhostNet特征提取网络,提升对红外目标的特征提取能力;利用异物空间位置定位与泛化形态信息,设计空间定位与特征泛化增强模块,增强对复杂场景下位置移动与跟踪轨迹变化目标的检测精度;构建金字塔预测网络,得到红外铁路异物的检测锚框、类别及置信度信息;通过改进类别和置信度显示的DeepSORT跟踪算法,结合卡尔曼滤波与匈牙利算法实现红外弱光环境下铁路异物跟踪检测。实验结果表明:所提算法对铁路异物的跟踪检测精确度达到83.3%,平均检测速度为11.3帧/s;与比较算法相比,所提算法检测精度更高,对红外弱光场景下铁路异物跟踪检测具有较好的性能。

基于Netfilter连接跟踪机制的BitTorrent协议监测

利用Linux2.4内核中防火墙平台中的连接跟踪机制,设计并实现了对BitTorrent协议的监测控制,从而有效的利用网络的带宽。

基于前馈非线性模型预测控制的类车机器人路径跟踪

类车机器人由于零件标准化程度低,侧偏刚度等轮胎力学参数难以准确获得,存在动力学建模十分困难的问题,因此现有研究工作通常以运动学模型作为类车机器人的控制模型,但由于其运动学模型存在模型失配,导致类车机器人与参考路径之间的误差、类车机器人的前轮转角和前轮转角速度出现剧烈振荡现象.针对前述问题,本文基于非线性模型预测控制(Nonlinear model predictive control,NMPC)的滚动优化原理,引入基于逆运动学模型的前馈转角信息,将前轮转向角作为预测模型的第四维,提出了一种基于前馈非线性模型预测控制(Feedforward NMPC,FNMPC)的类车机器人路径跟踪控制算法.并通过Simulink和CarSim进行了联合仿真,结果表明FNMPC有效减小了模型失配导致的振荡现象,同时具有较高的跟踪精度.其中前馈非线性模型预测控制器的位移误差幅值不超过0.1106 m,航向误差幅值不超过0.1253 rad.在相同工况下,线性模型预测控制、前馈线性模型预测控制、纯跟踪控制和Stanley控制误差发散,而本文提出的FNMPC相比已有NMPC跟踪精度更高,且控制增量绝对累计值相比NMPC控制器减小67.53%.通过线控类车机器人底盘作为实验平台完成的测试结果表明,NMPC系统在进入弯道时出现控制失控现象,在相同工况下,FNMPC系统能够有效完成对参考路径的跟踪,同时将位移误差幅值控制在0.1624 m以内,航向误差幅值控制在0.1138 rad以内.

Linux下基于Netfilter连接跟踪技术的研究与应用

结合Netfilter防火墙框架深入研究了linux平台下连接跟踪技术的实现过程,并采用用户空间配置工具i-ptables编写了一个ftp连接跟踪的应用实例。

结合Udwadia-Kalaba控制理论的下肢外骨骼步态轨迹跟踪控制

针对现有轨迹跟踪控制方法较难兼顾控制精度与稳定性的问题,提出一种基于Udwadia-Kalaba(U-K)控制理论的鲁棒控制方法。基于拉格朗日法建立机器人动力学模型,将动力学参数分为确定的名义部分与不确定部分;结合U-K理论与系统名义部分参数确定外骨骼机器人系统理想运动轨迹约束下的名义部分控制力矩;为消除机器人系统不确定部分的影响,引入鲁棒控制器,通过划分不确定性边界确定其应输出的额外控制力矩。仿真结果表明:相较于传统PID算法,基于U-K控制理论的鲁棒控制的外骨骼机器人髋关节、膝关节角度的轨迹跟踪控制精度分别提高了76.4%和96.8%。基于设计的下肢外骨骼机器人样机进行轨迹跟踪对比实验,实验结果表明:基于该方法的下肢外骨骼髋关节、膝关节角度的轨迹跟踪精度为0.467 0°和0.114 1°,相比作为对照的PID算法,分别提高了82.6%和86.8%,同时系统整体控制周期缩短了56.6%,该控制方法具有更高的同步性、控制精度与稳定性。

基于二型模糊逻辑控制的半挂车轨迹跟踪研究

自动驾驶商用半挂车可以显著提升干线物流效率。然而半挂商用车是典型的欠驱动系统,在大曲率运动工况下难以同时兼顾牵引车和挂车的横向轨迹跟踪精度。随着车辆速度和负载的提升,挂车质心转移及载荷转移加剧,对铰接处产生更强烈的不确定性影响,造成挂车与牵引车之间行驶轨迹的偏差进一步加大,增加了轨迹跟踪难度,影响了行驶安全性。为提高半挂商用车牵引车与挂车的横向安全性,本文提出一种基于二型模糊控制的鲁棒路径跟踪策略。首先,在MATLAB/Simulink中建立了半挂车辆的7自由度动力学模型,精确模拟牵引车与挂车的横-纵向运动动力学特性。其次,利用二型模糊逻辑控制理论中输入隶属度函数对系统不确定性的覆盖特性,设计了同时调控牵引车和挂车横向轨迹跟踪精度的二型模糊控制器。为提高不确定因素影响下横向轨迹跟踪控制的精度,降低控制器设计难度,采用粒子群优化算法对二型模糊控制器的输入隶属度函数参数进行优化。最后,利用MATLAB/Simulink与TruckSim的联合仿真平台,分别在不同车速和负载条件下进行车辆轨迹跟踪的仿真,以验证本文提出的控制策略,并与一型模糊控制和预瞄控制结果进行对比。结果表明:在双移线这种轨迹曲率发生变化的工况下,本文提出的二型模糊控制器对牵引车和挂车的横向轨迹跟踪精度有明显提升。

基于DQN的智能农机路径跟踪控制研究

针对复杂路面条件下无人化农业作业车辆路径跟踪控制精度低、控制器参数整定困难的问题,设计了一种基于深度强化学习的路径跟踪控制算法。基于五层BP神经网络构建了DQN(Deep Q-Network)路径跟踪控制器,实现了网络的轻量化和高度的可移植性。控制器网络的输入状态在采用车辆当前舵角、车辆与目标路径上控制点间横向距离偏差的基础上,引入车辆前方设定距离内的平均路径曲率,实现了车辆转向性能的提高。分别开展了仿真和田间试验,验证了所设计深度强化学习网络算法的收敛性,并对比了有路径曲率输入和无路径曲率输入两种网络的路径跟踪控制性能。仿真试验中,基于正弦曲线对两种路径跟踪控制方法进行训练,两种路径跟踪控制网络收敛后的平均跟踪距离误差为0.008 4、0.017 7 m。在间隔6 m的U型路径上进行田间测试试验,结果显示:有路径曲率输入的模型性能显著优于无路径曲率输入的模型,两种路径跟踪控制方法在路径上平均跟踪距离误差为0.038 9、0.068 4 m。验证了该路径跟踪控制方法有效性,可满足农业作业车辆路径跟踪控制需求。

基于改进滑模控制的水稻直播机路径跟踪研究

为了提高水稻直播机自动作业时路径跟踪的精度和稳定性,提出了一种基于新型非线性滑模面和改进快速变幂次趋近率的滑模路径跟踪控制方法。首先,建立Frenet坐标系下直播机的路径跟踪运动学模型;然后,为保证路径跟踪过程中横向偏差和航向偏差全局收敛,采用双曲正切函数设计滑模面;最后,在快速幂次趋近率的基础上设计了变指数幂次项,提高了系统趋近速度并有效抑制了抖振。在Simulink上搭建模型并进行仿真,与基于快速幂次趋近率和指数趋近率的滑模控制方法相比,本文改进滑模控制方法的路径跟踪误差收敛时间最短并且无抖振现象发生。直播机采用改进算法以0.8 m/s的速度在水田实际自动作业时,横向偏差和航向偏差的平均绝对误差为0.016 9 m和1.099 9°,均方差为0.021 5 m和1.499 2°,提高了路径跟踪的精度和稳定性,满足了实际作业需求。

基于特征融合和模板更新的孪生网络跟踪算法

针对现有孪生网络跟踪算法仅使用主干网络最后一层的特征进行相似度匹配,以及缺少有效模板更新策略的问题,提出基于多尺度特征融合和自适应模板更新的孪生网络跟踪算法。首先,结合深度过参数化卷积设计非填充单元,提取更深层的前景特征和语义背景;然后,设计新的全局-局部特征融合模块,充分聚合浅、中层特征的全局和局部信息,捕获丰富的浅层外观特征和中层过渡特征;最后,采用自适应模板更新机制在线更新模板。为验证算法的有效性,在公开数据集上对所提算法进行详尽评估,实验结果显示,所提算法在OTB2015和VOT2018数据集上的精确度分别达到0.878和0.588,GOT10K数据集上平均重叠率达到0.526,优于其他主流算法。

激光跟踪测量系统伺服跟踪控制方法

针对激光跟踪测量系统跟踪目标的运动轨迹不确定、加速度与速度不断变化的特点,为提升其稳态及动态性能,对伺服跟踪控制方法进行研究,提出一种基于模糊自适应的激光跟踪双闭环控制方法。电机定位控制环路采用模糊自适应微分先行PID,位置跟踪控制环路采用模糊自适应整定PI,设计不同模糊规则,实现控制参数实时整定,使其始终保持在最优区间。实验结果表明,该方法能够根据跟踪目标运动的不确定性产生的误差来实时调整控制参数,有效提升激光跟踪的稳态和动态性能,使跟踪系统的稳态误差降低至1.90′以内,跟随误差则降低至0.56′以内。

农田作业车的RBF-PID横向路径跟踪控制研究

针对农业现代化背景下大块农田环境的农用车辆路径跟踪作业的需求,采用RBF神经网络自整定PID控制参数的方法优化传统的基于增量式PID的车辆横向路径跟踪算法,建立3-6-1结构的RBF神经网络,以目标路径位置、实际行驶位置和上一周期方向盘转角为输入量,隐藏层设置6个神经元,输出量为方向盘转角,通过梯度下降法对PID的参数实时调整。最后,利用CarSim/Simulink对基于约翰迪尔825i Gator车型改造的农田取土采样车进行建模和仿真,结果表明:在低速(10 km/h)的U形(蛇形)路径下,平均误差为3.89 cm,最大误差为16.61 cm,标准差为5.99 cm,跟踪效果优于传统增量式PID控制,鲁棒性良好,能满足常见的农田作业车辆路径跟踪工况的作业需求。

路侧视角下基于图像的多车辆目标检测与跟踪

在车路协同系统中,为了提升路侧情况下汽车对外界环境信息的感知能力和对动态车辆目标行为的预测能力,本文提出一种基于改进DeepSORT算法的车辆多目标跟踪算法。本文将YOLOv5作为检测器,并结合优化的DeepSORT跟踪算法进行动态车辆多目标跟踪。在车辆特征匹配过程中,从匹配候选框中不断去除匹配成功的检测目标,以减少计算资源,并利用HOG特征对车辆信息进行匹配,提升算法的实时性。同时引入投影矩阵,将图像数据转化为俯视图,获取检测目标的运动速度。试验结果表明,与传统的DeepSORT算法相比,改进算法的多目标跟踪精度(MOTA)提高了6.7%。