基于位置偏差调速的激光跟踪运动控制方法

跟踪算法和伺服算法的设计是实现激光跟踪运动控制的关键,决定激光跟踪运动的速度及其稳定性。为获得更好的跟踪性能,基于工业控制器及其伺服算法,提出一种基于实时角度位置偏差动态调节轴系运动速度的激光跟踪算法;首先,分析基于位置偏差动态调速实现连续稳定跟踪的控制原理;然后,建立被控对象的数学模型及包含此跟踪算法的跟踪系统数学模型,并完成激光跟踪的仿真测试;最后,搭建激光跟踪实验平台,对跟踪算法进行实验验证,最终实验结果表明,激光束能够很好跟踪动态目标,电机运行平稳流畅,跟踪能力优于7(°)/s。该控制方法为激光跟踪测量系统的搭建提供技术参考。

弯道车辆自适应巡航横纵向跟踪控制

针对车辆在弯道工况下的跟踪控制问题,提出一种适用弯道工况的自适应巡航(ACC)控制系统。针对复杂的道路情况,将ACC系统划分为定速巡航、跟随、避撞3种模式;设计基于PID定速巡航模式,基于模型预测算法(MPC)的纵向速度跟踪控制器,设计考虑纵向车速的横向路径控制器,引入横向与纵向安全指数,实现车辆横向与纵向运动的跟踪控制;通过Matlab/Simulink和Carsim搭建仿真平台,设计4种仿真工况验证所设计跟踪控制器的有效性。仿真结果表明:所设计的横纵向跟踪控制器能跟踪期望的轨迹,具有较好的鲁棒性。

基于BAS-PSO优化自抗扰的高速列车速度跟踪控制

针对高速列车自动驾驶系统,采用基于天牛须粒子群(BAS-PSO)优化自抗扰控制(ADRC)的算法,设计速度跟踪控制器。基于列车动力学模型设计自抗扰控制器,并以ITAE作为目标函数,利用BAS-PSO实现参数整定。选用CRH380A型动车组参数,通过MATLAB进行仿真验证,对比BAS-PSO、PSO以及改进鲨鱼优化ADRC算法对列车目标速度曲线的追踪效果,其中基于BAS-PSO优化ADRC算法的列车目标速度曲线跟踪误差保持在±0.4 km/h的范围内,相比另外两种算法更加紧密地贴近目标速度曲线。结果表明,基于BAS-PSO优化ADRC具有跟踪误差小、抗干扰能力强的优点。

基于线控底盘的无人驾驶轨迹跟踪控制研究

为提高结构化工况下无人驾驶汽车轨迹跟踪的精确性,提出一种融合纵向车速跟踪控制器的预瞄轨迹跟踪控制算法。针对四轮转向的特性,基于传统纯跟踪算法设计了四轮转向纯跟踪控制模型;针对纯跟踪算法跟踪效果受车速影响较大的缺陷,设计了纵向车速跟踪控制器并采用n维插值表方式在不同曲率处设置不同车速;将四轮转向纯跟踪算法融合纵向车速跟踪控制器,以达到更好的跟踪效果。仿真与实车试验表明,试验平台可较精确地跟踪规划轨迹并平稳抵达目标终点,实车轨迹跟踪过程中最大横向误差控制在0.497m。

基于协同优化策略和人工蜂群算法的轨道电路邻线干扰防护研究

高速铁路车站运营场景复杂,易引发轨道电路邻线干扰,造成信号误解码和误显示,影响列车安全高效运行。基于空间耦合和传导耦合原理,根据高速铁路轨道电路特点和结构,分别建立传输线路阻抗平衡和不平衡条件下的复杂场景邻线干扰计算模型;考虑机车动态运行条件,完成最不利情况下邻线干扰量值的定量计算,并利用ANSYS平台完成计算结果的有限元仿真验证;针对邻线干扰还受到发送电平等级、补偿电容数量和容值、线路并行长度、道床电阻、分路电阻、线路间距等参数叠加和相互制约的影响,采用人工蜂群(Artificial Bee Colony,ABC)智能算法,提出基于多参数协同优化策略的邻线干扰防护对策,给出各参数相应最优取值及其对信干比(Signal-to-Interference Ratio,SIR)影响重要度。结果表明:邻线干扰量值超过车载机车信号灵敏度将导致解码错误;应用提出的防护对策对现场邻线干扰工程案例中线路并行长度和发送电平等参数进行优化,SIR可提升14.6 dB。研究结论可用于高速铁路轨道电路配置及优化实践,为防护邻线干扰提供工程参考和分析验证。

基于遗传算法的CRTSⅡ型无砟轨道简支梁桥纵向抗震简化模型

高速铁路桥梁-轨道系统结构复杂,对轨道结构进行精细化建模会导致研究效率低,有必要对其进行合理简化。为此,以高速铁路CRTSⅡ型板式无砟轨道-桥梁系统为研究对象,基于约束效应等效的设计原理,提出以等效弹簧模拟轨道约束效应的方法,建立考虑轨道约束效应的轨道结构简化模型,构建简化模型结构参数优化框架,利用遗传算法来获得等效弹簧最优刚度,最后从PEER地震数据库中随机筛选出10条地震波,对标准5跨高速铁路梁桥模型和简化模型进行地震分析。研究结果表明:简化模型的简化率高达90%,高速铁路梁桥模型地震响应计算时间为简化模型计算时间的8~10倍;简化模型与高速铁路梁桥模型的地震响应计算结果吻合良好,平均相对误差为3%,最大相对误差不超过5%。

面向断路器储能弹簧性能检测的改进Lucas-Kanada光流图像目标实时跟踪算法

储能机构弹簧的动力学特性与断路器操动状态息息相关。针对断路器操动机构动作时间快、动力学参数难以捕捉等问题,提出一种基于高速图像序列目标跟踪的储能弹簧形变参数检测新方法,由高速摄像机拍摄断路器储能弹簧释放瞬间的视频图像,并引入了视觉跟踪的Lucas-Kanade光流算法计算弹簧形变速度和行程等参数。为解决测试现场弹簧形变信息提取、目标跟踪的实时性,提出了改进的Lucas-Kanada光流加速算法提高图像识别效率。现场断路器弹簧性能测试实验中,改进算法匹配图像目标的速度达4.6 ms/帧,证明改进算法满足断路器机械特性参数检测的精度和实时性需求。改进算法对于特定的高速连续运动目标检测具有独特优势,非接触式的图像跟踪检测方法在断路器状态判别中具有广阔应用前景。

高速铁路车站股道运用与列车运行调整综合优化方法

股道运用是高速铁路车站作业组织的核心,车站股道运用与列车运行相互影响、相互制约。为缓解晚点对列车正常运行秩序的影响,以相邻若干高铁车站股道运用与列车运行调整综合优化为对象,统筹考虑各站股道、进路占用的唯一性及其最小安全间隔时间、车底周转计划等约束,以最小化列车到发时刻波动性和车站股道运用方案波动性为优化目标函数,构建综合优化模型;以列车在站到发时刻为纽带,设计基于模拟退火算法思想的综合优化算法,制订高速铁路车站股道运用与列车运行调整综合优化方案。算例表明:所提方法能快速解决线路级高速铁路车站股道运用与列车运行调整综合优化问题,有效降低股道运用站间影响及晚点对后续车站的影响;合理设置初始Markov链长有利于提高算法效率;立折旅客列车晚点对方案的波动性影响最大,终到、经停旅客列车的影响最小,在调整过程中应优先保证立折旅客列车的正点运行;若调度员决策偏好到发时刻稳定性,可优先调整终到旅客列车的方案,若决策偏好股道运用稳定性,优先考虑经停旅客列车;所提方法能够为高速铁路列车运行计划实时调整提供决策支持。

基于重叠视域的跨相机多目标跟踪

针对短道速滑运动员检测难度大,难以准确进行跨相机目标交接等问题,提出了基于重叠视域的跨相机多目标跟踪算法.通过使用Global context network(GCnet)注意力模块、Funnel ReLU(FReLU)激活函数和Distance-IoU非极大值抑制(DIoU-NMS)改进YOLOXs算法,提高对粘连目标的检测精度.依据平面单应性原理将相机图像坐标映射至统一世界坐标以关联相邻相机,提出基于目标质心位置相似性与检测框空间相似性关联权重的改进型匈牙利匹配算法,实现跨相机目标一致性判定.实验结果表明:YOLOXs-GFD算法的平均准确率在Skater数据集和INRIA数据集上分别提升2%、1.1%.MOT-skater数据集上,跨相机多目标跟踪指标MCTA和IDF1分别为80.6%、83.7%.所提出的算法对短道速滑运动员的跨相机跟踪具有更优的准确性与鲁棒性.

混动履带式无人平台轨迹跟踪控制研究

为了提高履带式无人平台的轨迹跟踪性能,提出了一种考虑纵向速度规划的分层轨迹跟踪算法并进行了联合仿真验证和实车验证。在建立了包含履带的滑移滑转率和质心侧偏角的车辆运动微分方程的基础上,完成分层轨迹跟踪算法框架的构建。上层基于伪谱法的速度规划算法根据路面信息进行纵向速度规划,并将规划的速度作为目标车速下发给下层基于线性时变模型预测控制(LTV-MPC)的轨迹跟踪算法。基于LTV-MPC的算法通过建立预测模型和约束条件,二次规划求解出两侧电机的目标转速。通过Matlab/Simulink和RecurDyn的联合仿真以及实车验证了所提出的算法在不同地面条件下具有良好的轨迹效果。

太阳能无人机中光伏发电最大功率点跟踪算法的研究

本文提出了变步长混沌萤火虫算法(VS-CLSFA)和免疫粒子群算法(IM-PSO),并对比了粒子群算法(PSO)、萤火虫算法(FA)及改进萤火虫算法(MFA)用于太阳能无人机光伏组件在局部阴影下最大功率点的跟踪结果。同时,研究上述算法在太阳能无人机飞行高度、速度等因素影响下的跟踪效果。研究结果表明:VS-CLSFA和IM-PSO都克服了FA、MFA和PSO陷于局部最优或者过早收敛的缺点,并且快速、稳定地追踪到太阳能无人机光伏组件产生功率的最大功率点;对于输出特性愈复杂的光伏组件,上述5种算法都需要增加迭代次数并牺牲跟踪时间来提高跟踪精度和稳定性;与VS-CLSFA相比,IM-PSO的跟踪精度提高约0.229%,跟踪时间减少约0.108 s。

基于马尔可夫决策过程的轨道不平顺维修策略研究

为有效判别轨道几何状态、适应高速铁路养护状态修,开展轨道不平顺维修策略优化研究。选取马尔可夫决策过程,设置轨道状态等级、维修动作空间和维修动作成本等模型参数,利用价值迭代算法进行求解,实现高速铁路线路维修计划的有效制定。以华东地区某有砟高速铁路线路为例,结合典型劣化速度的轨道单元区段特征,分析马尔可夫决策模型的维修决策优化过程并验证效果,同时探究轨道单元区段在每个决策时刻的最优维修决策,利用蒙特卡洛法模拟规划周期内的维修总成本并与实际维修成本进行对比。结果表明:基于马尔可夫决策过程的轨道不平顺维修决策,能够充分考虑轨道单元区段不平顺劣化的异质性,可以根据轨道单元区段的实际状态和劣化规律科学安排维修活动,提高维修作业的空间分辨率,规划周期内维修决策的优化效果显著,在保证线路高平顺性的同时减少维修成本,对铁路线路轨道养护维修具有指导作用。

动态检测数据驱动的高速铁路有砟轨道几何不平顺超限大值预警方法

为了对高速铁路有砟轨道几何不平顺幅值超限进行准确预警,结合局部异常因子算法,提出了一种动态检测数据驱动的轨道几何不平顺维修作业识别方法。首先,基于支持向量机(Support Vector Machine,SVM)算法对轨道几何不平顺超限劣化过程进行分析,将影响列车运行的持续劣化超限作为研究对象;随后,使用局部异常因子(Local Outlier Factor,LOF)算法对轨道几何不平顺维修作业进行识别,依据识别结果划分超限劣化过程;最后,对两次维修作业之间的检测数据进行分析,验证轨道几何不平顺幅值的劣化为线性过程,并对几何不平顺幅值进行预测。利用该方法对某线路进行劣化分析,并与近6年的动态检测数据对比。结果表明:该方法识别维修作业准确度达91%;基于鲁棒回归的劣化模型能够准确预测轨道几何不平顺超限大值。该方法不需历史维修作业数据,可自动划分劣化过程,通过几何不平顺幅值预测模型对超限发展进行预测,及时预警几何不平顺超限大值。

面向速度自适应控制的AGV路径跟踪方法研究

针对当前仓储环境下叉车AGV弯道路径跟踪控制精度不足、抗干扰能力弱等问题,结合PID速度控制原理,提出了一种面向速度自适应控制的AGV路径跟踪方法。该方法融合纯跟踪算法和斯坦利算法优点,通过改进算法自适应控制AGV驱动轮转角,可有效弥补传统算法在AGV控制转向时跟踪精度等方面的不足,使AGV较好地运行于期望路径,实现运动路径的最优跟踪。最后通过MATLAB仿真平台,验证了所提算法的优越性。

光电跟踪系统高速运动目标快速跟踪算法

为了解决光电跟踪系统中高速运动目标快速识别、准确定位的问题,在深入研究相关跟踪算法的基础上,提出了一种基于分块模板相关跟踪与自适应波门相结合的快速跟踪算法,该算法利用分块矩阵与大模板矩阵之间的关系,得出了在四分块的情况下,计算量为原来的1/4,搜索范围为原来的4倍,大大提高了计算速度和搜索范围,且具有原始相关算法的高的跟踪精度,可以实时快速的跟踪上高速运动目标。

NEDC工况台架模拟控制方法研究

为了在传动系台架上模拟实车行驶工况,设计了基于前向模型的转速跟踪负载模拟算法。根据NEDC工况编制了适用于台架控制模型的车速历程。建立了车辆动力学模型和台架动力学模型,采用基于前向模型的转速跟踪负载模拟算法设计了台架负载模拟控制器,驾驶员模型跟踪工况车速,台架模型模拟变速器输入、输出端的动态响应。仿真结果表明,该系统能够模拟NEDC工况,转速误差控制在10r/min内,系统响应时间在0.5s内,该结果为台架控制器设计提供参考。

基于速度跟踪算法的机械负载动态模拟

提出并介绍了用两台同轴直流电动机建立对机器人关节机械负载进行模拟的实验系统,建立了此系统模型。采用基于速度跟踪的控制算法,对建立的数学模型就此控制算法在Matlab/Simulink下进行仿真。最后对实验系统进行了性能测试和负载模拟的实验,证明了基于速度跟踪的算法和此实验系统对机器人关节的非线性机械负载进行模拟是可行有效的,但系统动态性能和精度尚待进一步提高。

跟踪微分器在航空发动机控制系统中的应用研究

对自发动机转速信号提取转速加速度信息的微分算法进行了研究,对比、分析了跟踪微分器和传统一阶差分算法的性能差异。在此基础上,提出了基于转速补偿的双跟踪微分器算法。仿真研究表明,这一双跟踪微分器的跟随性和稳定性均较为理想。

两轮自平衡机器人速度跟踪研究

两轮自平衡机器人系统是一个高阶次,不稳定,非线性,多变量,强耦合的系统。系统采用Lagrange方程进行动力学建模,将神经网络自组织算法应用于此模型,并对两轮机器人的平衡和速度进行控制,其难点是对车体速度和车轮速度的控制。本文采用神经网络自组织算法,使输出准确地跟踪输入,使机器人按照指定的移动速度和转动速度运动。将该算法与OBS算法相比较,仿真实验结果表明,自组织算法使系统的跟踪速度更快,具有较高的实用价值。

检测区域自适应调整的TLD多目标跟踪算法

传统的TLD目标跟踪算法由于检测区域过大导致检测时间过长,并对相似目标跟踪效果不理想且只能对单个目标快速跟踪.针对这些问题,利用双Kalman滤波加速预测的DKF检测区域优化算法构造了一种检测区域可自适应调整的多目标跟踪算法——TLD-DOMO算法.TLD-DOMO算法的多目标检测器可对各目标的潜在运动范围进行预测,使其检测区域的大小及位置自适应地调整至最佳状态,以此提升对多目标跟踪的精度及效率.此外,该方法可有效地降低多目标间的相互干扰,支持对多相似目标的同时跟踪.实验结果表明:TLD-DOMO算法在对各测试视频的多目标跟踪中,跟踪速度均有提升,加速比为1.55~2.94倍;在多相似目标跟踪中,对各目标的检测与识别效果优于原TLD算法.