具有速度突变抑制的全向移动机器人视觉伺服预测控制

在全向移动机器人视觉伺服任务过程中,为了解决由特征点的变化、车轮打滑、动态障碍等情况导致的速度突变问题,提出了一种基于神经动力学的quasi-min-max MPC视觉伺服策略。因为视觉误差的突变是引起速度突变的主要原因,所以该策略引入神经动力学模型对视觉误差进行处理,建立基于神经动力学的移动机器人视觉伺服线性参数时变预测模型,采用quasi-min-maxMPC策略获得最优速度解,从而抑制速度的突变,最终保证移动机器人能够以一个平滑的速度到达期望位姿。仿真结果验证了所提策略在抑制速度突变上的有效性。

移动机器人视觉伺服镇定quasi-min-max预测控制

针对受限移动机器人视觉伺服系统,提出一种移动机器人视觉伺服镇定准最小最大模型预测控制策略.基于移动机器人视觉伺服镇定误差模型,建立移动机器人视觉伺服线性参数时变预测模型,进而引入准最小最大策略,设计移动机器人视觉伺服镇定模型预测控制器.与传统视觉伺服预测控制器相比,所提控制器只需求解线性矩阵不等式表示的凸优化问题,降低了视觉伺服预测控制器的计算耗时,同时保证了闭环视觉伺服系统的渐近稳定性.仿真结果验证了所提出策略的有效性和在计算效率上的优越性.

一种基于分层译码和Min-max的多进制LDPC码译码算法

该文在现有译码算法的基础上提出一种高效的非二进制低密度奇偶校验码(NB-LDPC)译码方法,充分利用了分层译码算法与Min-max算法的优点,不但译码复杂度低、需要的存储空间小,而且可将译码速度提高一倍。应用该算法,对一种定义在GF(25)上的(620,509)码进行了仿真。该码的仿真结果表明:在相同误码率下,该文译码算法所需最大迭代次数仅为Zhang的算法(2011)的45%。

一类输入受限不确定时滞系统的准Min-Max模型预测控制

针对一类输入受限离散不确定时滞系统,提出一种基于准Min-Max的模型预测控制器设计方法.定义了时滞系统的鲁棒性能指标,给出了系统稳定的充分条件,通过求解LMI凸优化获得控制器.准Min-Max预测控制将当前控制量作为独立优化变量,与其他作为反馈控制的时域控制序列分开处理,有效地降低了算法的保守性,提高了可行性.仿真算例验证了所提出控制方法的有效性.

结合深度信息的视觉伺服准最小最大MPC方法

将特征点的深度信息和像素坐标作为视觉特征,提出一种视觉伺服准最小最大模型预测控制(MPC)方法.与传统方法相比,机器人摔制信号可通过在线求斛线性矩阵不等式的凸优化问题获得,其可行斛可保证系统的闭环渐近稳定性.该方法易于处理系统约束,在满足执行器机械限制的前提下能够有效规划特征点的图像轨迹.同时,深度特征的引入对于改进摄像机的三维轨迹具有显著效果.六自由度工业机器人手眼系统的仿真结果验证了所提出算法的有效性.