一种非均匀行采集的智能车路径识别算法

提出了一种非均匀行采集的路径识别算法.在图像采集中,采用非均匀行采集实现了图像畸变矫正;在图像处理中,根据摄像头采集时序,时图像进行横向滤波、阈值分割、边缘检测、纵向滤波和导航参数提取等.该算法合理安排程序流程,提高了图像处理和车体控制的实时性.实验结果表明,此方法能够有效降低噪声干扰和图像畸变对参数提取的影响,提取出精确的引导线导航参数.     

四旋翼无人机块控反步姿态控制器设计

针对四旋翼无人机的姿态控制问题,设计了一种基于块控反步法的姿态控制器。建立了四旋翼无人机完整的姿态运动模型,包括姿态动力学模型和空气动力学模型,并将其转化为多输入多输出非线性系统的状态空间方程。在介绍块控反步控制器的基础上,给出了积分反步姿态控制器的设计过程。将滤波器引入控制器设计中,解决了对虚拟控制律求导所产生的"计算膨胀"问题。对控制系统的Lyapunov稳定性分析表明,所设计的控制系统是稳定且指数收敛的。仿真结果表明所设计的控制器具有良好的跟踪能力和较强的鲁棒性。     

智能车摄像头图像畸变矫正的研究

建立了智能车摄像头成像的几何模型,并对图像畸变原理进行了分析,针对图像的纵向畸变和横向畸变分别提出了非均匀行采集和线性补偿的矫正方法,并推导出了坐标变换公式。实验证明,这种方法能够对摄像头图像进行有效矫正,为智能车导航路径参数的提取提供了准确的图像信息。该方法原理简单,适应性强,效果理想,在工程上具有较高的实用价值。     

雷达伺服系统的模糊自适应PID控制器设计

针对雷达伺服系统数学模型复杂以及非线性的特点，设计了一种模糊自适应PID控制器，该控制器将工作人员的经验结合其中，利用模糊控制理论能够在线实时整定PID参数，克服了传统PID控制器的一些缺点．通过Simulink仿真表明，该控制器可使雷达伺服系统性能得到明显改善．     

智能车参数自校正方向模糊控制器的设计

智能车的方向控制是一个既关键又复杂的问题.由于道路的复杂性和小车系统的非线性,采用传统的PID控制器往往不能取得很好的控制效果,为此设计了参数自校正模糊控制器.Matlab仿真试验表明,参数自校正模糊控制器的采用使得智能车舵机的响应速度加快,方向控制更流畅,小车的稳定性和速度也得到了很大的提高.     

四旋翼无人机鲁棒自适应姿态控制

 四旋翼无人机的姿态控制是自主飞行控制的核心,针对四旋翼姿态易受外界环境干扰和内部参数摄动等不确定性影响的问题,设计了一种鲁棒自适应反步控制器,以提高四旋翼的鲁棒性。建立了四旋翼完整的姿态运动模型,并将其转化为含有广义不确定性的多输入多输出非线性系统。根据该系统满足严格反馈的结构特点,设计了反步控制器; 针对系统中存在的外部干扰和内部参数摄动等不确定性,引入了一类鲁棒自适应函数来抵消该不确定性对系统的影响; 采用非线性跟踪微分器估计虚拟控制量的微分信号,减小了反步控制器设计中普遍存在的“计算膨胀”问题; 通过构造Lyapunov 函数证明闭环系统是稳定且指数收敛的。仿真结果表明,所设计控制器具有良好的控制效果和鲁棒性。     

四旋翼无人机L1 自适应块控反步姿态控制器设计

针对四旋翼无人机的姿态控制问题,提出一种L1自适应块控反步控制方法.将四旋翼姿态运动模型转化为一类多输入多输出不确定非线性系统的形式;根据该系统严格反馈的结构特点,对外回路设计了块控反步控制器;针对内回路存在的外部干扰和内部参数摄动等不确定性,引入L1自适应控制思想补偿其影响.稳定性分析表明闭环系统内所有信号一致有界.仿真和姿态稳定实验验证了所提控制策略的有效性和鲁棒性.