一种基于VINS的视觉里程计改进方法

同时定位与地图构建(SLAM)是当今机器人领域的主要研究课题之一。针对如何根据图像估计相机位姿问题,提出一种基于VINS的视觉里程计改进方法(ORLK-VINS)。首先,通过双目相机获取图像信息;其次,将图像信息进行直方图均衡化处理,使图像对比度和亮度得到改善;然后,对原图像特征提取算法进行改进,引入ORB算法中带有方向的FAST角点;最后再将提取的特征点进行正反向的LK光流跟踪匹配,保证匹配特征点的精确性。实验表明,经过改进后的视觉里程计相较于主流的VINS-Fusion算法,在某些场景下拥有更好的实时性和定位准确性。     

基于VSS-CDFE的三相非平衡电力系统频率无偏估计

为了实现含噪三相非平衡电力系统高精度频率无偏估计,引入了复数域直接频率估计(CDFE)算法,分析其原理并对其进行了改进。CDFE算法基于正弦信号的线性预测,求取误差函数的瞬时平方值关于频率的偏导数,并以该值作为频率估计的更新值。在此基础上,进一步提出变步长CDFE(VSS-CDFE)算法,根据最速下降法则动态更新步长因子来代替CDFE算法的固定步长。仿真分析及实验结果表明,在噪声干扰下,VSS-CDFE算法可以准确地对基于复数建模的三相非平衡电力系统进行频率追踪,其估计均方误差和理论值相吻合。相比CDFE算法,VSS-CDFE算法在相同的收敛速度下,估计均方误差更小,在相同的估计均方误差下,收敛速度更快。     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

基于自适应峰值检测的PDR算法研究

针对传统的行人航迹推算（PDR）算法只能用于正常行走的单一状态，难以满足实际应用需求，提出了一种基于自适应峰值检测的改进PDR算法。该算法将行人运动模式分为行走和跑步两种状态，充分考虑行人运动过程中加速度峰值和运动状态的关系，通过实验获得不同运动状态下的加速度峰值，从而设置动态阈值，实现不同状态下的计步检测和步长估计。将改进的PDR算法应用于行人定位，利用微惯性测量单元（IMU）获取的行人的运动数据，使用改进的峰值检测法对行人进行计步检测和状态识别，根据行人的运动状态采用自适应步长估计公式对步长进行估计，最后结合计算的航向得到行人的位置信息。实验结果表明，改进PDR算法具有良好的鲁棒性和较高的步态识别率，相比于传统的PDR算法，闭环误差降低了142%，有效提高了行人定位结果的精度。     

基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法

针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。     

基于改进的双卡尔曼滤波的锂电池SOC估计

以实时在线估计锂电池的荷电状态(state of charge,SOC)为目的,基于传统的双卡尔曼滤波(dual extended Kalman filter,DEKF)算法提出了一种改进的双卡尔曼滤波(improved dual extended Kalman filter,I-DEKF)算法,减小了安时积分法因电流计量所引起的累积误差,同时降低了DEKF算法对精确模型的依赖。建立电池的Thevenin一阶RC等效电路模型,用最小二乘法对模型参数进行辨识,再采用I-DEKF算法进行SOC估计。研究结果表明,与传统的双卡尔曼滤波算法相比,改进的双卡尔曼滤波能够减小因电流计量误差而引起安时积分法产生的误差并对其进行修正,对初始值的鲁棒性、收敛性更好,能够很好地应用于实车SOC估计。     

APF中一种改进的变步长LMS自适应谐波检测算法

在有源电力滤波器(Active Power Filter, APF)的低信噪比(Signal Noise Ratio, SNR)环境下,为了提高变步长最小均方(Least Mean Square, LMS)自适应算法对谐波电流检测的跟踪速度及精度,提出改进的变步长LMS算法。该算法在MVSS-LMS算法的基础上,增加历史误差的遗忘加权和估计并控制步长更新,动态控制步长更新范围,采用滑动窗遗忘加权减小了计算复杂度。同时,对改进算法性能进行稳定性分析。实验结果表明,该算法不仅具有较快的动态响应速度,而且在APF的低信噪比情况下,稳态误差有所减小,具有较高的抗干扰能力,谐波电流检测效果较好。     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

基于烟花优化粒子群的室内定位算法研究

针对测距式射频识别室内定位算法定位误差较大的问题,提出了一种基于烟花优化粒子群的室内定位算法。该算法分为测距和定位两个阶段,在测距阶段使用到达相位差进行测距并构建待优化的目标函数。在定位阶段对粒子群优化算法进行改进。为了改进粒子群优化算法在迭代过程中容易落入局部极值的问题,引入了烟花优化算法的爆炸、变异、选择操作,并对选择规则进行改进;算法还根据烟花爆炸算子和变异算子对粒子群算法的速度更新公式进行改进。实验结果表明,该算法能够有效实现对目标的定位,定位平均误差为0.2773m,与基于标准粒子群优化算法的室内定位算法相比具有39.61%的性能提升。     

配电网故障区段定位的改进矩阵算法

针对馈线终端单元(FTU)与配电网自动化主站通信中断影响故障区段定位的问题,提出一种配电网故障区段定位改进矩阵算法。该算法根据FTU通信状态与配电网拓扑构建FTU属性矩阵,动态建立网络描述矩阵,最后结合FTU故障信息,提出了配电网故障定位的改进矩阵算法。该算法可根据FTU的通信状态实时更新网络描述矩阵,判据结构简单、形式统一、计算量小,能够实现配电网故障区段的准确定位。     

基于混沌纠错机制的WSN网络数据精确融合算法

为解决当前WSN网络数据精确融合算法存在的数据融合困难,融合精度差且网络数据融合稳定性时间较低等难题,提出了一种基于混沌纠错机制的WSN网络数据精确融合算法。采用误差累计阈值控制方式,在精确取得数据融合带宽及融合误差的同时,能够精准的对数据传输过程中的抖动性进行预测;随后, 采用追溯机制对数据融合过程中的融合带宽精度进行了实时追踪及更新,有效降低了数据融合过程中存在的实时融合困难等问题。仿真实验表明：与当前高维映射一体化融合算法（fusion algorithm of high dimensional mapping,FHDM）相比,本算法具有更低的数据融合误差,以及更高的网络数据稳定融合时间。     

基于 actor-critic 框架的在线积分强化学习算法研究

针对轮式移动机器人动力学系统难以实现无模型的最优跟踪控制问题,提出了一种基于actor-critic框架的在线积分强化学习控制算法。首先,构建RBF评价神经网络并基于近似贝尔曼误差设计该网络的权值更新律,以拟合二次型跟踪控制性能指标函数。其次,构建RBF行为神经网络并以最小化性能指标函数为目标设计权值更新律,补偿动力学系统中的未知项。最后,通过Lyapunov理论证明了所提出的积分强化学习控制算法可以使得价值函数,行为神经网络权值误差与评价神经网络权值误差一致最终有界。仿真和实验结果表明,该算法不仅可以实现对恒定速度以及时变速度的跟踪,还可以在嵌入式平台上进行实现。     

伪随机码相关检测的MDS MAP定位算法

针对当前无线传感器网络超声波设备定位精度不高的问题,改进了伪随机码相关的MDS-MAP定位算法。首先利用伪随机码相关检测技术,对节点发射出的超声信号进行编码,有效地增加了节点的测距距离和测量精度。然后对于未能测量到距离的节点使用Euclidean和最短路径融合算法进行处理,然后使用MDS-MAP算法生成节点的相对坐标,最后利用平面转换模型获取节点的最终坐标位置。仿真实验结果表明改进算法在不同网络规模和测距误差条件下均能够获得更高的定位精度和较小的定位误差。     

电力巡检无人机电磁场测距及校准技术研究

近年来,无人机巡检已成为架空输电线路日常运行维护的主要手段之一。目前巡检无人机与输电线之间的距离主要靠肉眼判断,因此存在较大的安全隐患。文中提出利用电场有效值或同时利用电场有效值和无人机高度的方法确定无人机飞行安全距离范围。研究了电场测量的屏蔽与数据校准方法,利用梯度下降算法求解电场畸变系数和修正无人机飞行误差。基于有限元算法及Maxwell软件建立了1 000 kV特高压架空输电线路的仿真模型并进行数值验证。通过实际线路测试验证了该方法的正确性。该方法可为输电线无人机巡检距离控制、航向规划、高度调节和电场测量提供重要参考。     

电缆故障在线测距中高速同步采集卡精确时标获取方法

为减小全球定位系统(GPS)同步时钟误差对双端行波测距的影响,使电缆故障在线测距能达到实用化水平,提出一种能够获取精确时标的高速同步采样方案。利用GPS时钟无累计误差和高精度晶振频率稳定性高的特点,并将高速采样与秒脉冲捕捉有机结合,通过硬件方式无延时地捕捉秒脉冲以获取精确的时间计数值。对秒脉冲间的计数值进行滑动平均处理和最小方差估计,可获得高精度的时间标签,平均误差可达到30ns。设计中采用复杂可编程逻辑器件CPLD(ComplexProgrammableLogicDevice)实现高速时序控制,并考虑了抗干扰和异常处理措施,提高了系统的可靠性和工作性能。     

基于SR-CKF的相对方位多机器人协同定位算法

针对单移动机器人在探索未知复杂环境时,存在鲁棒性较差、效率较低等问题以及现有多机器人协同定位算法实时性较差、数值不稳定和定位精度较差等缺陷,提出基于平方根容积卡尔曼滤波的相对方位多机器人协同定位算法。通过建立机器人运动方程和观测方程,利用相对方位作为测量值,进一步得到多机器人协同定位的动态模型。在更新过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度。仿真结果表明:相比基于相对方位的EKF、UKF协同定位算法,本文提出的协同定位算法均方根误差降低了87.04%和52.10%,运行时间比UKF协同定位算法减少了1.45%,表明该算法在协同定位性能上更优越。     

基于场景分析的电力系统日前调度及其快速求解方法

在含风光电力系统规模逐渐增大的背景下,提出一种基于场景分析的电力系统日前调度快速求解方法。考虑到不同时刻风光出力均具有显著相关性,基于多元正态分布和蒙特卡罗采样生成大量具有时间相关性的原始场景。利用改进的k-means聚类算法对原始场景进行预分类,并采用基于Kantorovich概率距离的同步回代缩减算法对处理后的场景进行缩减,缩短场景分析的计算时间。建立基于场景分析的电力系统日前优化调度模型。为提高模型求解效率,引入包含风光预测误差向量信息的边界场景,在调度模型中考虑上下边界场景的备用容量约束,并建立考虑边界场景备用容量约束的优化调度模型。以某省级电网实测数据进行仿真分析,验证了所提模型及方法的有效性。     

基于图像测距的汽车防撞系统关键技术研究

针对汽车防碰撞系统的问题,以图像测距技术为背景,对其中的关键技术进行了研究。首先,根据相对运动学原理,由图像测距实验平台在假定沿光轴方向移动采集图片,在此基础上运用改进的SIFT匹配算法对图像进行匹配获得匹配点,计算所得到的匹配点的世界坐标,从而获得距离值;其次,通过室内实验计算证明了所推导的测距原理的正确性;最后,将图像测距技术应用在汽车防碰撞系统中,实验结果证明,测距系统平均误差为8.507 7 mm,精度较高,验证了整个方案的可行性和有效性。     

基于加窗小波变换的HAPF谐波检测

基于小波变换理论进行混合有源电力滤波器(HAPF)的谐波检测,但分析Mallat小波分解算法可知其存在缺陷:若直接对所有数据进行小波变换,计算量大且误差明显;提高采样频率会使单位时间内处理过多数据。提出在小波变换前将采样数据与窗函数相乘,在有效滤去高频分量的同时减少小波分解层数。基于Blackman窗、Hamming窗和Hanning窗的比较分析,选取Hamming窗作为小波分析前的辅助窗,可使99.963%的能量集中在主瓣内。基于PSCAD/EMTDC与Matlab进行仿真实验,结果显示,该方法响应时间约为10 ms,且小波分解次数减少,比较仿真结果可知检测精度提高。     

一种新的输电线路双端行波故障定位算法

针对单双端行波故障测距算法存在难以准确、便捷地识别故障行波波头等问题,提出了一种根据两测量点所测时间比例来计算故障距离的双端行波故障定位算法,将希尔伯特-黄变换和小波变换结合,利用高斯模型快速、准确地提取故障行波波头到达时刻,再结合已知定长计算故障距离。大量基于MATLAB/Simulink的仿真实验结果表明,该算法的相对定位误差不足1%,且不受故障距离、故障类型、故障电阻、故障初相角的影响,具有较好的适应性和实用价值。