基于自适应机制改进蚁群算法的移动机器人全局路径规划

针对基本蚁群算法在二维静态栅格地图下进行移动机器人路径规划时出现的搜索效率低下、收敛速度缓慢、局部最优解等问题,提出一种自适应机制改进蚁群算法,用于移动机器人在二维栅格地图下的路径规划.首先采用伪随机状态转移规则进行路径选择,定义一种动态选择因子以自适应更新选择比例,引入距离参数计算转移概率,提高算法的全局搜索能力以及搜索效率;然后基于最大最小蚂蚁模型和精英蚂蚁模型,提出一种奖励惩罚机制更新信息素增量,提高算法收敛速度;最后定义一种信息素自适应挥发因子,限制信息素浓度的上下限,提高算法全局性的同时提高算法的收敛速度.在不同规格的二维静态栅格地图下进行移动机器人全局路径规划对比实验,实验结果表明自适应机制改进蚁群算法具有较快的收敛速度,搜索效率明显提高且具有较好的全局搜索能力,验证了所提算法的实用性和优越性.     

基于参数联合优化VMD-SVM的工业机器人旋转部件故障诊断方法

针对因工业机器人旋转部件故障诊断模型最优参数难以自适应确定导致故障识别率低的问题,提出了一种参数联合优化的VMD-SVM的工业机器人旋转部件故障诊断方法;提出了一种基于遗传变异的改进灰狼算法,该算法采用Logistic混沌映射进行种群初始化,将非线性因子引入位置更新公式,并利用遗传变异策略解决算法陷入局部最优时的停滞现象;基于该算法对VMD和SVM进行参数联合优化;利用参数优化的VMD对故障信号进行分解,对所得的本征模态函数计算改进样本熵以构成特征向量,再输入至参数优化的SVM完成工业机器人旋转部件的故障诊断;仿真和实验结果表明,本文方法能够准确地进行故障诊断,在信号无噪和含噪的条件下准确率最高均达100%,较EMD、LMD、DTCWT、VMD等四种方法具有更优的指标。     

移动机器人视觉 SLAM 回环检测原理、现状及趋势

近年来,视觉 SLAM 以结构简单、成本低、可结合语义信息等优势得到广泛关注。 回环检测在其中发挥着重要的作用。 根据获得的回环信息,视觉 SLAM 后端优化算法便可以根据回环约束对位姿进行优化,消除移动机器人在长时间的工作下产生 的累积误差,实现精确的长期定位,从而构建全局一致的运动轨迹和地图。 首先介绍视觉 SLAM 中回环检测原理及作用,从特 征提取、相似度判断、实验评估几个方面对传统词袋模型进行深入分析,并概述目前基于词袋模型和概率的改进算法,对比总结 基于深度学习的回环检测方法,简单概述结合语义信息的回环检测方法,最后对回环检测技术目前存在的问题以及未来的发展 趋势进行总结与展望。     

不同方向的气体管道泄漏声发射信号模态特性分析

针对泄漏声发射信号多模态、频散及衰减特性导致泄漏定位误差大的问题,采用导波分析理论和壳体振动理论研究不同方向的泄漏信号的模态特性,通过选取最佳数据采集方向来减少泄漏定位误差。利用壳体振动理论分析管内气体与管壁之间的声学耦合作用,据此选择合适的导波分析模型来研究不同方向的泄漏声发射信号的模态类型、频散及衰减特性。通过实验证实了理论分析,研究结果表明,管道轴向声发射信号的主导模态为纵向模态,且轴向声发射信号表现出最弱的频散和衰减特性,这将为气体管道泄漏声发射信号中单一非频散模态提取提供新的思路。     

基于改进经验小波变换及互谱相位差谱的供水管道泄漏声振动定位方法

针对供水管道泄漏声振动信号的信噪比较低导致用于时延估计泄漏定位误差大的问题,提出基于改进经验小波变换及互谱相位差谱的供水管道泄漏定位方法。首先采用小波包分解得到不同尺度的信号能量谱,根据小波包能量谱局部极小值的分布自适应确定频带分割区间,解决了传统经验小波变换中频谱划分问题;然后基于频带分割区间构建正交小波滤波器组对信号进行经验小波变换分解得到多个分量,根据相关系数选取有效分量,同时利用有效分量的互谱相位差谱呈水平变化的频带对有效分量信号进行带通滤波,滤除干扰噪声;最后对滤波后的信号进行互相关时延估计来确定泄漏位置。仿真及实验结果表明,该方法能够有效的实现供水管道泄漏定位,并与互相关、VMD与互谱分析相结合的泄漏定位方法相比,平均相对定位误差分别减少6.7倍和1.5倍。     

基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法

为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协方差矩阵P_k|k-1和观测噪声协方差矩阵R_k建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量X_k,P_k|k-1和R_k的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF SLAM)相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m, 3.47 m;噪声时不变时,平均位置误差分别减小0.62 m,1.41 m,证明DSACKF SLAM算法有更好的估计性能。     

基于结构合成法的微型化双频WLAN印刷天线设计

针对当前WLAN技术的快速发展和已有的双频WLAN印刷天线存在增益不足、带宽较窄、尺寸偏大、制作成本高等缺陷的现状,本文借鉴了传统倒F印刷天线和蛇形单极子印刷天线的设计经验,提出了一种新的双频印刷天线设计方法,即结构合成法,并采用该方法设计了一种应用于IEEE 802.11a标准和IEEE 802.11b标准、占用面积仅13.6 mm×9.3 mm的新型微型化双频WLAN印刷天线。采用Ansoft HFSS对比研究了合成前后单频天线和双频天线的性能变化情况,并对双频天线的主要结构进行了分析和优化。仿真结果表明,天线在2.45 GHz和5.45 GHz两个谐振频点上的最高增益分别达2.74 d Bi和2.44 d Bi,相对带宽分别为15.5%和10.6%。此外,文中采用矢量网络分析仪对天线实物进行了测试,实测结果与仿真结果吻合,天线在低频和高频的谐振频点分别为2.53 GHz和5.71 GHz,S11-10 d B的有效带宽分别超过了400 MHz和500 MHz,展现出了良好的带宽特性。     

基于VMD和BiCS的机械状态监测数据修复方法

工业“大数据”时代的到来为机械装备健康监测带来了新机遇。然而,由于运行环境异常、人为因素干扰以及采集设备故障等,机械装备健康监测大数据中往往混杂大量与健康状态无关的异常值或缺失值数据,从而造成数据质量下降。为保障数据质量,提高振动信号恢复效果,提出一种基于变分模态分解和双向压缩感知(Variational Mode Decomposition, VMD; Bidirectional Compressed sensing, BiCS; VMD-BiCS)的振动信号重构方法。首先通过变分模态分解对采样数据进行去噪处理,其次在压缩感知框架下构造观测矩阵、稀疏表示字典矩阵,然后基于子空间追踪(Subspace Pursuit, SP)算法从两个方向重构出稀疏表示向量。在此基础上利用离散余弦变换构造稀疏矩阵,利用压缩感知原理重构双向信号,最后对重构信号加权得到最终重构信号,实现对残损振动信号的数据恢复。分别采用仿真信号和西储大学公开轴承数据进行修复实验,将该方法用于对压缩感知传统重构算法进行改进,发现所提方法在时域指标均方根误差上均优于传统重构算法。并从修复效果角度验证发现该方法成功还原了外圈故...     

气体管道泄漏模态声发射时频定位方法

针对声发射信号频散特性导致基于时延估计的气体管道泄漏定位误差大的问题,提出一种基于模态声发射时频分析的泄漏定位方法。该方法采用平滑伪Wigner-Ville时频分布对两泄漏信号的互相关函数进行时频分析,利用互相关函数的时频谱可同时提取泄漏信号的时间延迟和与之对应的频率;然后根据泄漏声发射信号的主导模态的频散曲线即可确定该频率对应的声速,利用实时确定的声速和时间延迟并根据两传感器之间的距离即可确定泄漏点的位置。实验结果表明,采用时频分析的气体管道泄漏定位误差与互相关相比减少了6倍。所提出的模态声发射时频定位方法能有效抑制泄漏信号的频散,提高泄漏信号的相关性,从而更适合用于声发射管道泄漏定位。     

2.45 GHz印刷倒F天线的研究与实现

针对当前无线通信节点微型化的需求和已有印刷倒F天线存在增益不足、有效带宽较窄、回波损耗偏高等缺陷的现状,设计了一种应用于2.45 GHz无线传感网络的印刷型倒F天线,文中采用Ansoft HFSS建立了天线模型,从理论上对印刷倒F天线的三大结构参数(谐振长度L、天线高度H、两竖臂间距S)进行了仿真研究,并最终推导出了以2.45 GHz为中心频点的最优天线结构参数,即L=16.2 mm,H=3.7 mm,S=5 mm。在该结构参数下的仿真结果展现出了天线优异的辐射性能,其回波损耗低至S11=-47.8 d B,电压驻波比VSWR2的有效带宽为160 MHz。同时,还采用矢量网络分析仪对天线实物的回波损耗特性进行了测试,测试结果与仿真结果吻合。最后,设计出了加载该印刷倒F天线的CC2530无线通信节点,并对其通信性能进行了实际测试,节点的通信性能测试结果表明:加载了该印刷倒F天线的节点在80 m的通信距离内丢包率为0.17%,优于同类无线通信节点。