空中机器人多模态控制研究

研究空中机器人(小型无人直升机)的约束优化控制问题:对小型无人直升机的非线性系统模型进行系统约简,建立混合系统的分段仿射系统模型,针对该问题求解中遇到的在线计算量大,不利于实时控制等问题,提出利用多参数二次规划离线计算出混合系统最优控制律的方法.基于多参数二次规划的方法,在最大可控不变集的可行域内进行显式优化控制器设计,通过反向动态规划,求出对应每一步的优化解,从而求得不变集作为可行域的优化解.通过实际参数的系统仿真,证明了方法的有效性.     

基于LEA-5H GPS模块的导航定位算法研究

为提高无人直升机的控制性能,依托卫星导航定位技术,设计了一个基GPS模块的无人直升机导航系统.利用最优化自回归数据处理算法思想,提出了一个GPS数据扩展kalman滤波算法,该算法从与被提取信号有关的观测量中估计出所需信号,有效地去除噪声,提高了数据的可靠性和精度.实验数据表明.经过扩展Kalman滤波算法处理后的数据更加适用于无人机精确导航,此外,该导航系统还可以应用于其他领域,如位置测量、导航和运动控制等.     

小型无人机飞行控制系统的硬件设计与实现

为了实现无人机的小型化和民用化,给出了基于ARM(advanced RISC machines)处理器的无人机飞控系统的硬件设计.详细介绍了其构造以及主要部分的传感器选型,大部分传感器都基于标准接口,可以按照不同的需求更换相应精度的传感器;通过详细的结构框图描述如何有效的将各传感器组成一个稳定的系统.该系统已经通过了改装的航模直升机的实验验证,实验结果表明了其可行性和可靠性,该系统实现体积小,可以装在一个小盒子里,所有接口单独引出,可以挂载到不同的载体上;该系统具有低功耗、低成本和利于扩展等特点,适合批量生产使用.     

串级PID的无人机自主起降系统设计

简要介绍了小型无人机总体架构与自主飞行策略,在此基础上重点阐述了无人机自主起降系统相关的硬件结构与软件算法.通过将低空声纳测距系统与高空GPS定位系统的高度数据融合到GPS/INS组合导航系统中,实现小型无人机的自主起降.实际飞行数据表明该系统硬件设计与软件算法的实现配合良好,能达到平稳起降效果.     

数控软件系统的升级及实时控制性能的测试

简单介绍了目前的华南数控软件系统,并提出了2.6内核+RTAI的优越性[1],然后从华南数控软件系统的结构开始,分别从嵌入式操作系统以及数控软件的层面上叙述了系统的升级和数控软件源代码的修改过程,以及在此工作中需要注意的事项.最后,通过对比新旧系统的实时控制性能得出结论,表明2.6内核+RTAI的新系统不仅保持了原系统的所有功能,而且在实时控制性能方面获得了令人满意的效果.     

Linux平台下,利用C与Tcl/Tk构建网络程序

本文介绍Linux环境下,利用C与Tcl/Tk结合编写网络程序的一个实例。例程中用C编写网络通信程序作为底层,利用Tcl/Tk的C接口进行扩展编程,定制合适的Tcl/Tk解释器作为中间层,然后用Tcl/Tk脚本语言编写顶层用户图形界面。为在Linux平台下的C与Tcl/Tk结合的应用程序开发工作提供了一个参考例子。     

基于机械臂的运动学研究与应用

传统的机械臂控制算法都需要进行运动学的正解与逆解。通过这两种方法进行直角坐标和关节坐标两者之间的转换,然后通过关节空间的轨迹规划过程给出各个关节电机的进给量,驱动其运动,完成既定的动作。然而,运动学的正逆解需要进行大量的数学运算。因此不但对硬件要求高,而且花费时间长,影响了实时性。有鉴于此,研究针对后三关节交于一点的六自由度机器人,利用旋量理论建立运动模型,成功实现六自由度机器人的运动控制。     

基于神经网络的机械臂的力控制方法

本文提出一种基于神经网络的力控制方法，由两个串联的神经网络构成机械臂的力控制器，其中一个网络用来学习机械臂本身的逆动力学系统，而另一网络用来学习未知的被接触环境的动力学特征，这种方法避免了困难的接触环境建模问题。一个 双连杆机械臂的力控制的仿真实验描述了种种方法的有效性。     

基于混合运动模型的相对状态估计

相对状态的精确估计通常依赖参考平台准确的角加速度, 在航天场景由外力矩计算, 而在日常环境中由于未知阻力普遍存在, 准确的外力矩难以获取, 角加速度一般由角速度差分近似, 导致相对状态估计精度下降. 对此,本文构建一种仅依赖惯性测量的相对运动模型, 称为混合运动模型, 其将恒定加速度模型与向量运动学结合, 在独立于力矩和惯性状态的情况下, 精确预测相对状态. 此外, 本文设计扩展卡尔曼滤波器(EKF), 将该运动模型与视觉相对观测结合, 实现高精度相对状态估计, 并以仿真和实际数据评估其性能. 仿真实验从轨迹动态特性和相对观测丢失的角度对比该EKF和目前先进的方法, 结果证明本文提出的方案具有较高的精度和稳定性. 实际实验利用本方法实现虚拟现实应用中的六自由度手柄视觉跟踪, 验证其具备先进的毫米级定位精度, 演示链接见https://www.bilibili.com/video/BV1mv4y1d7iD/.