灰色动态预测在AUV传感器故障诊断中的应用

针对自主水下机器人(AUV)传感器故障诊断中样本数据少、随机性强、实时性要求高的特点,将灰色动态预测模型的建模原理引用到AUV传感器的故障诊断中。在对传感器进行数据滤波、小样本灰色建模与灰色动态预测的基础上,可以实现AUV传感器的实时故障诊断。文章详细阐述了基于灰色动态预测的传感器故障诊断的具体实现方法和步骤,对AUV传感器中典型的四种故障模式进行了仿真研究。结果表明该方法能快速、准确地诊断出传感器故障,并且在传感器发生故障后的一段时间内能够实现信号恢复。     

基于粗糙集的水下航行器灰色评估方法

针对水下航行器效能评估中,存在着指标信息不确定和指标间关系不明确的问题,运用粗糙集和灰色系统理论对水下航行器效能评估进行了研究,提出了基于粗糙集的水下航行器效能灰色评估方法,并论述了该方法的具体评估过程。结合实际水下航行器系统进行了应用分析,结果表明：该方法合理、可行,解决了水下航行器效能评估中存在的问题,提高了评估结论的正确性和有效性,为水下航行器系统的论证、设计和改进提供了科学的理论决策依据。     

UUV导航测速信息的灰色自适应滤波方法研究

针对水下无人航行器UUV（Unmanned Underwater Vehicle）的导航测速数据受海洋环境噪声影响大、处理实时性要求高的问题,提出了一种基于灰色动态预测和数据自适应融合的滤波方法。该方法考虑到UUV的速度在连续变化前提下可能存在的机动性,将基本的静态灰色预测模型改进为灰色动态预测模型,以获得速度数据的近似估计值。然后根据估计值和实际采样值之间的偏差,自适应的调整两者之间的权重系数进行融合,以实现实时的数据滤波。通过对UUV海上试验数据的验证,证明了该方法的有效性。     

基于灰色马尔可夫模型的无线传感器网络目标跟踪算法

基于预测的目标跟踪是无线传感器网络目标定位与跟踪中很重要的一种方法,但在实际环境中由于目标运动模式的动态变化等原因,传统预测算法对目标位置的预测往往不准确。为了克服以上不足,提出了一种基于灰色马尔可夫模型的目标跟踪（GMMTT）算法。将具有震荡特点的Markov模型引入到分段灰色预测中,使目标定位既能获得较好的精度,又能适应目标运动模式的变化。预测得到目标位置后,当前跟踪节点将跟踪信息传送到目标下一时刻将要到达的预测区域,提前唤醒该区域内的节点,用尽可能少的节点实现目标有效的跟踪。实验结果表明：GMMTY算法在跟踪概率和跟踪精度方面具有较好的性能。     

基于MSP430的遥控无人水下航行器控制系统设计

针对某型遥控无人水下航行器,给出了总体结构和系统组成;在此基础上,基于MSP430微控制器,给出了某型低功耗的无人水下航行器控制系统的总体设计方案,采用H桥电路实现对航行器电机的控制,用nRF905单片无线收发器进行通信实现遥控控制,并进行了软件的详细设计与调试。水池试验结果表明,某型无人遥控水下航行器以约0.5m/s的速度前进时,运行情况良好,并基本实现了拐弯、下潜和上升等各预期功能,最后得出了该控制方案是可行的结论。     

基于PF和UKF的水下目标运动估计方法研究

针对无人水下航行器（UUV）目标跟踪控制需求,分别提出了水下目标的粒子滤波（PF）和无迹卡尔曼滤波（UKF）运动估计方法,建立了目标运动参考坐标系,给出了坐标系之间转换基本方法;设计了建立了目标的典型运动模型和非线性随机运动模型,利用前视声呐实测实验数据,完成水下目标运动估计。通过与扩展卡尔曼滤波器（EKF）的目标运动估计对比仿真实验,验证了PF和UKF两种目标运动估计方法的有效性。     

无人车辆轨迹规划与跟踪控制的统一建模方法

无人车辆的轨迹规划与跟踪控制是实现自动驾驶的关键.轨迹规划与跟踪控制一般分为两个部分，即先根据车辆周边环境信息以及自车运动状态信息规划出参考轨迹，再依此轨迹来调节车辆纵横向输出以实现跟随控制.本文通过对无人车辆的轨迹规划与跟踪进行统一建模，基于行车环境势场建模与车辆动力学建模，利用模型预测控制中的优化算法来选择人工势场定义下的局部轨迹，生成最优的参考轨迹，并在实现轨迹规划的同时进行跟踪控制.通过CarSim与MATLAB/Simulink的联合仿真实验表明，该方法可在多种场景下实现无人车辆的动态避障.     

随控布局AUV动力定位系统综合模型研究

采用随控布局的新型水下航行器配备了多个不同方向的推进器,实现了直接升力控制、直接侧向力控制.能够完成水下动力定位、三维轨迹跟踪以及地形跟随等精确的水下作业.建立了新型水下航行器在动力定位模式下的低频和高频运动模型,以及推进器系统和波浪、海流等海洋环境的模型,最后给出了航行器动力定位系统的综合状态空间模型,进行了计算机仿真.仿真结果证明了建模方法的有效性,为动力定位综合控制系统的设计奠定了基础.     

水下航行器轨迹跟踪控制与仿真

为了使水下航行器按照预定的轨迹运动,需要水下航行器的控制系统具有较强的鲁棒性和抗干扰能力,因此该文提出了采用横向轨迹误差法和视线法组合导引的基于滑模的水平面轨迹控制方案,针对“211AUV”自治式水下航行器,给出了简化的水下航行器水平面运动模型,分别给出横向轨迹误差法和视线法的滑模控制方程。并分别对横向轨迹误差法、视线法以及横向轨迹误差法和视线法组合导引法三种方法进行仿真分析,最终的仿真结果表明横向轨迹误差法无法单独完成轨迹导引,视线法的轨迹跟踪误差较大,而横向轨迹误差法和视线法组合导引法具有良好的轨迹跟踪能力,能够保证水下航行器进行各种循迹航行任务。     

海浪扰动下水下航行器的动力定位性能分析

水下航行器动力定位是通过对水下航行器的多个螺旋桨推进器的转速、推力进行控制调节以抵御外界环境扰动,体现了水下航行器在外界环境扰动下执行各种任务的能力.通过对随机波浪扰动下的水下航行器前向动力定位进行建模仿真,分析得到各个状态特性与环境扰动分量对水下航行器动力定位性能的影响.进行了水下航行器的运动方程和螺旋桨动力学特性的精确建模;再针对波频扰动下的变参数问题以及控制器的鲁棒性和自适应性要求,建立了水下航行器动力定位滑模控制器;最后,将PM谱的随机波浪扰动应用于动力定位仿真研究,仿真结果显示,螺旋桨的动力学特性、幅值限制以及波浪的流速与加速度信息直接影响了水下航行器的动力定位性能.     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

基于卡尔曼滤波的目标估计和预测方法研究

该文主要研究水下高速运动体的运动轨迹的精确估计和预测,为我方舰艇实施反干扰和拦截提供依据。由于目标的高速运动和水下环境的复杂性,使得目标的运动规律难以准确描述,因此一些传统的估计和预测方法难以适用。该文基于卡尔曼滤波给出了一种自适应衰减滤波算法,并建立适当的数学模型,给出相应的滤波方程。该方法的优点是可以利用量测不断地修正预测值,同时修正不确切知道的系统模型参数和噪声统计参数,并且对滤波初值的影响不是很敏感,保证滤波稳定不发散。最后对尾追弹道进行仿真研究,证明该方法可以精确地估计和预测敌方目标的运动轨迹。     

VANETs中的车辆移动规律性及轨迹预测研究

车辆的移动是受人意识控制的,有规律的移动,通过对车辆已知轨迹数据的分析,建立历史轨迹模型,可以实现对其未来轨迹的预测。采集了大量真实的车辆轨迹数据,通过计算信息熵分析车辆运动的规律性,为预测车辆轨迹提供依据。根据车载自组织网络的特殊应用场景以及车辆移动的规律性,利用车辆轨迹的历史数据构建状态转移矩阵,提出了基于马尔科夫链的车辆轨迹预测方法,仿真结果表明,该方法可以实现对车辆轨迹的有效预测。对影响预测精度的一些因素进行了对比分析。     

一种基于灰色等维新息模型的目标跟踪算法

灰色系统理论将随机过程看成为灰色过程,利用数据表面离乱但整体有序的特点,挖掘潜在本质规律。对运动物体进行光学跟踪及轨迹预测,在飞行器导航、机器人路径规划等方面一直是个研究热点。根据灰色系统理论的思想,提出一种基于灰色等维新息模型的目标位置跟踪预测方法,对其进行具体分析并应用于一目标光学跟踪实验系统并验证了其有效性,最后建议指出了改进此算法的两个新的研究点。     

The prediction of asphalt pavement permanent deformation by T-GM(1,2) dynamic model

In this article, we propose a prediction model of asphalt pavement permanent deformation based on improved grey prediction model. This improved prediction model combines the first-order two variables grey differential equation model (abbreviated as GM(1,2) model) from grey system theory and Taylor approximation method from approximation optimisation theory. We abbreviate the combined model as T-GM(1,2) model. The combined model can obtain the most optimal predicted value by multiple approximate calculation. We validated the effectiveness of T-GM(1,2) model, through using the measured data of deformation depth obtained from the wheel tracking device test. The experimental result showed that the T-GM(1,2) model has high predictable power for asphalt pavement permanent deformation.     

融合视觉深度的特征计算与水下目标跟踪

目的：受水下复杂光学环境以及水下运动目标特性影响,水下视频图像中难以获取准确的目标特征,也难以准确预测目标空间尺寸,使得目标跟踪过程中跟踪窗偏移量较大且无法准确地包络目标区域。本文提出一种新的以视觉深度信息为核心的目标特征计算和跟踪方法。方法：首先,基于暗原色先验计算视觉深度信息,提取目标的空间位置特征;然后,基于深度信息对水下图像进行去光幕及色彩恢复,增强图像目标特征,最后,在贝叶斯滤波框架下对水下目标进行跟踪,同时结合目标深度信息及尺度变化规律自适应调整跟踪窗口大小。结果：实验结果表明,本文提出的方法能够根据视觉深度信息准确计算目标特征并优化跟踪窗口,实现对水下目标的自适应跟踪。结论：本文提出了一种新的水下目标跟踪方法,以视觉深度信息计算为核心。实验结果验证了该方法在水下目标自适应跟踪方面的鲁棒性,可适用于各种非线性非高斯水下目标跟踪框架中。