基于单应性矩阵的移动机器人视觉伺服切换控制

针对具有单目视觉的移动机器人,本文提出了一种基于单应性矩阵的视觉伺服控制算法,在缺乏深度信息的情况下利用视觉反馈实现了移动机器人的控制目标,即给定机器人目标位姿下拍摄得到的图像,通过视觉伺服使机器人从初始位姿准确到达目标位姿.视觉反馈环节采用单应性矩阵中的元素构造状态变量,而非利用常见的单应性分解,此外,考虑到视野约束,本文提出的算法在计算单应性矩阵时结合了单应性的传递特性,从而避免了参考目标的实时可见性.伺服环节设计了切换控制器,在满足非完整约束的同时可驱动机器人到达期望位姿.理论分析及实物仿真验证了该算法的可行性和有效性.     

旋翼飞行机械臂系统的混合视觉伺服控制

旋翼飞行机械臂是一种具有强耦合特性的机器人系统,借助视觉进行自主作业还存在诸多问题,如实时深度估计、目标极易丢失以及目标笛卡尔空间模型重建等.本文针对传统的基于图像与基于位置的视觉伺服的缺陷以及系统自身欠驱动等问题,建立了运动学模型和提出了基于力平衡原理的动力学联合建模,并通过欧几里得单应性矩阵分解设计出旋翼飞行机械臂系统的混合视觉伺服控制方法,在图像空间控制平移、笛卡尔空间控制旋转,减弱了平移与旋转之间的相互影响实现解耦效果,改善了系统对非结构因素的抗扰性能和全局稳定性.通过仿真和实验检验了系统鲁棒性和算法优越性.     

卡尔曼滤波与模糊逻辑结合的机械手视觉伺服控制方法研究

针对传统视觉伺服控制方法中视觉伺服控制系统收敛速度慢,需要相机标定等不足,提出了一种基于模糊逻辑与卡尔曼滤波相结合的视觉伺服控制方法.该控制方法使用卡尔曼滤波算法在线估计图像雅可比矩阵,使用模糊逻辑控制算法设计可变的控制系数代替传统的固定控制系数,不仅减少了视觉伺服控制系统的收敛时间,还避免了复杂的相机标定工作,节省了...     

图像雅可比矩阵伪逆估计在视觉伺服中的应用

在一般无标定视觉伺服算法的基础上,提出了一种基于递推最小二乘法估计图像雅可比矩阵伪逆的无标定视觉伺服算法．这种方法无需计算雅可比矩阵伪逆．针对固定目标,文中给出了比例控制算法的稳定性条件．针对运动目标,推导了基于图像雅可比矩阵伪逆估计的伪高斯—牛顿视觉伺服算法和信任区视觉伺服算法．最后,仿真验证了三种视觉伺服算法的有效性．     

无标定图像视觉伺服控制方法研究

针对视觉伺服控制识别速度慢、精度低的问题，提出一种基于反向传播(BP)神经网络和遗传算法的视觉伺服控制算法。该算法对机器人与图象复合雅可比矩阵建模得到初始的BP神经网络视觉伺服控制器，采用遗传算法对控制器的初始权重和阈值进行训练，得到混合优化的视觉控制模型。该算法可以有效地将遗传算法良好的全局搜索能力与BP神经网络的精确局部搜索功能相结合。实验结果表明，收敛速度加快的同时误差下降为原来的4.6%,为机器人控制提供了一种简单有效的方法。     

利用平面单应分解实现服务机器人视觉伺服

智能空间中家庭服务机器人所需完成的主要任务是协助人完成物品的搜寻、定位与传递。而视觉伺服则是完成上述任务的有效手段。搭建了由移动机器人、机械臂、摄像头组成的家庭服务机器人视觉伺服系统,建立了此系统的运动学模型并对安装在机械臂末端执行器上的视觉系统进行了内外参数标定,通过分解世界平面的单应来获取目标物品的位姿参数,利用所获取的位姿参数设计了基于位置的视觉伺服控制律。实验结果表明,使用平面单应分解方法来设计控制律可简单有效地完成家庭物品的视觉伺服任务。     

模型无关的无定标视觉伺服控制

本文首先介绍了视觉伺服的一般原理．然后提出了一种模型无关的无定标视觉伺服控制方法，在这种方法中不需要机器人模型和摄像机模型，应用方差最小化的原理推导出了模型无关的无定标视觉伺服控制律．此外还给出了图像雅可比矩阵的递推公式．文章最后通过一个轨线跟踪的仿真实验验证了算法的正确性和有效性．     

基于相机角度自适应的视觉伺服

针对视觉伺服中传统相机视野域有限和全景相机图像处理的计算量过大,提出了基于图像的相机角度自适应视觉伺服算法,根据不同相机坐标系之间的变换,计算相机旋转的变换矩阵.用极坐标系表示此旋转变换矩阵,计算出需要调整的相应角度.由于该方法极大地缩小了输入图像的尺寸,从而降低了视觉伺服中图像处理的数据量,提高了系统的实时性.实验仿真结果表明了该方法的有效性.     

最短路径距离矩阵修正的多维标度定位算法

为了减小最短路径距离矩阵与欧氏距离矩阵之间的差异,提高MDS-MAP(C)算法的节点定位精度,提出一种改进的多维标度节点定位算法.该算法对MDS-MAP(C)算法进行了以下改进:采用启发式的搜索策略对最短路径距离矩阵进行修正,以减少最短路径距离矩阵与实际的欧氏距离矩阵之间的误差;利用smacof算法迭代误差函数代替SVD分解来求解节点的定位问题,以优化和改善节点定位的求解过程.实验结果表明,与MDS-MAP(C)算法相比,改进算法能够减少最短路径距离的误差,有效提高节点的定位精度,并且对不规则网络具有更好的适应性.     

基于奇异值分解的大型社交网络差分隐私算法

针对基于随机投影的差分隐私算法中存在直接对降维数据直接添加噪声导致基于欧氏距离数据挖掘中数据可用性较差的问题,提出了一种基于奇异值分解的差分隐私算法.该算法首先对高维社交网络的数据利用随机投影进行降维,然后对降维后的数据进行奇异值分解并对奇异值加入高斯噪声,最后通过奇异值分解逆运算生成待发布矩阵.该算法利用的奇异值矩阵...     

基于二元决策图的网络可靠性评估

提出一种改进-二元决策图(BDD)的网络可靠性评估方法.为了解决BDD构造中有效识别同构子图的问题,将边收缩/删除法应用于BDD的图分解中,并提出了BDD的宽度优先搜索算法,通过遍历BDD图对边进行排序,为布尔函数的不交化提供了一种新的高效途径.实验结果表明,该算法具有精确性高、时间复杂度低的优点,可以避免常规最小路算...     

无刷直流电机转速伺服系统反步高阶滑模控制

针对无刷直流电机转速伺服系统高性能非线性鲁棒控制, 提出一种新型的多滑模反步高阶滑模非线性控制方法. 在控制律设计的每一步都引入二阶滑模Super-Twisting 算法, 无需计算变量导数, 消除了滑模抖振, 并在第1 级子系统虚拟控制律设计中提出一种改进的二阶滑模Super-Twisting 算法. 与传统双闭环PI 控制相比, 能够令系统的动静态性能更好, 转矩脉动更小, 鲁棒性更强; 与标准Super-Twisting 算法相比, 进一步提高了系统对阶跃负载扰动的抑制能力. 最后通过仿真分析表明了所提出方法的有效性.

     

基于改进降顶算法的非可靠生产线最优缓存分配

缓存分配是生产系统设计中一个重要的优化问题.基于非可靠连续生产线递推分解方法及其统计特性,提出在给定缓冲配制条件下的蒙特卡洛生产线吞吐量仿真估算方法,相比于传统的吞吐量估算模型该方法能更准确地描述各种生产场景.通过构造具有记忆性的禁忌集改进了传统降顶算法,并将其应用于实际缓存最优分配方案搜索中.仿真结果表明,对于各种规模的平衡生产线和非平衡生产线,改进降顶算法都可以快速有效地搜索到最优解.     

基于矩阵对角化变换的高阶容积卡尔曼滤波

为了提高高阶容积卡尔曼滤波器(CKF)的滤波性能, 提出一种基于矩阵对角化变换的高阶CKF 算法. 该算法基于高阶容积准则, 利用矩阵对角化变换代替标准高阶CKF 中的Cholesky 分解, 使得协方差矩阵分解后的平方根矩阵保留了原有的特征空间信息, 状态统计量计算更加准确, 从而提高了滤波精度; 同时, 矩阵对角化变换不要求协方差矩阵正定, 增强了算法滤波稳定性. 仿真结果表明, 所提出的算法是可行而有效的, 明显改善了标准高阶CKF 的滤波效果.

     

Mean shift 模糊C 均值聚类图像分割算法

针对传统模糊C均值(FCM)聚类算法对结构复杂图像分割效果不理想且算法执行效率较低的缺陷,提出一种融合均值平移(mean shift)的FCM聚类算法.利用mean shift算法将图像分成若干同质区域,将此区域视为新的节点;通过图像局部信息熵描述新节点的空间和灰度特征;采用能较好模拟人眼非线性视觉响应的指数函数进行相似性测度.实验结果表明,对于复杂背景图像和含噪声图像,所提出的算法在目标提取效果和执行效率上具有较强的鲁棒性.     

基于贡献率的离散Hopfield 结构优化

针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.

     

不确定网络结构下的应急物资鲁棒配置模型

灾害发生前的应急物资配置问题具有两个重要的不确定性, 即交通网络中受自然灾害影响而阻断的道路以及受灾点的应急物资需求量. 通过引入两个控制水平参数建立了不确定网络结构下的两阶段应急物资鲁棒配置模型, 并在线性化第2 阶段的回溯问题后提出了求解模型的Benders 分解算法. 数值实验结果表明了所提出的模型的有效性以及所得配置方案的鲁棒性.

     

未知环境下基于有先验知识的滚动Q学习机器人路径规划

提出一种未知环境下基于有先验知识的滚动Q学习机器人路径规划算法.该算法在对Q值初始化时加入对环境的先验知识作为搜索启发信息,以避免学习初期的盲目性,可以提高收敛速度.同时,以滚动学习的方法解决大规模环境下机器人视野域范围有限以及因Q学习的状态空间增大而产生的维数灾难等问题.仿真实验结果表明,应用该算法,机器人可在复杂的未知环境中快速地规划出一条从起点到终点的优化避障路径,效果令人满意.     

基于多层次信息交互的多目标粒子群优化算法

为提高多目标优化算法的收敛性和多样性,提出一种基于多层次信息交互的多目标粒子群优化算法.在该算法中,整个优化过程可分为标准粒子群优化层、粒子进化与学习层和档案信息交换层3个层次.粒子进化与学习层保证了每次迭代都能得到更好的粒子位置;档案信息交换层可以提供更好的全局最优.优化算法各个层次之间通过信息交互,共同提高算法的收敛性和多样性.与NSGA-Ⅱ和MOPSO算法的对比分析表明,所提出算法具有良好的性能,能够有效解决多目标优化问题.     

基于概率假设密度的多目标视频跟踪算法

研究目标数变化的多目标视频跟踪问题.首先阐述了概率假设密度(PHD)滤波的基本原理;然后给出序列图像多目标跟踪系统的运动目标检测算法、状态方程、观测方程以及基于高斯混合概率假设密度(GM-PHD)的多目标视频跟踪算法的具体实现.该算法有效解决了新目标出现、目标合并、目标分裂及目标消失等多目标跟踪问题.实验结果表明,该算法在复杂场景下具有较强的鲁棒性,能有效实现目标数变化的多目标视频跟踪.