基于动态模型的系统架构及建模平台实现

传统的基于静态模型的系统开发方法难以解决业务规则的快速扩展及变更带来的资源浪费等问题,工作流支持对工作内容进行良好的划分,并进行具体部署。结合SOA架构的业务流程再造能力,提出一种新的以三层模型为核心的支持快速、平滑、可重用的应用系统开发架构,对流程引擎和建模平台完成详细描述和设计,完成建模平台搭建工作,并以卡银行业务为例进行了基于三层模型的建模。结果表明,该系统开发架构具有很好的业务流程再造能力,可保证业务系统的持续稳定,达到提高生产组织水平和工作效率的目的。     

基于MPU6050和互补滤波的四旋翼飞控系统设计

针对四轴飞行器飞行性能不稳定和惯性测量单元（IMU）易受干扰、存在漂移等问题,利用惯性传感器MPU6050采集实时数据,以经典互补滤波为基础,提出一种可以自适应补偿系数的互补滤波算法,该算法在低通滤波环节加入PI控制器,依据陀螺仪测得的角速度实时调节PI控制器补偿系数。飞行器姿态控制系统采用双闭环PID控制方法,姿态解算的欧拉角作为系统外环,陀螺仪角速度作为系统内环。最后,搭建以NI myRIO为核心控制器的四轴飞行器,通过LabVIEW实现算法和仿真,实验结果表明,自适应互补滤波算法可以准确解算姿态信息,双闭环PID控制超调量小、反应灵敏,控制系统基本满足飞行要求。     

基于一种NW-FLNN神经网络的短期电价预测

针对传统神经网络收敛速度慢、容易陷入局部极值的问题,文中提出一种改进型小波神经网络以实现网络全局最优化。首先,将小波神经网络与随机矢量函数连接型网络相融合构建一种新型小波链神经网络(NW-FLNN);其次,以小波基函数作为NW-FLNN的隐含层的传递函数,并利用梯度修正法训练该模型各参数;最后,选用澳大利亚新南威尔士州电价数据作为实验数据集,分别对NW-FLNN神经网络、逆传播BP神经网络与小波神经网络进行预测性能比较。实验结果表明:该新型网络预测模型较BP神经网络与小波神经网络性能更优,可明显减少网络迭代次数与隐层神经元数目,且平均百分比误差最大降低至0. 0317,满足实时性要求。     

水压仿真引信信号采集与处理

水压仿真引信是智能化水压引信研制的重要实验手段。本文就仿真引信的系统原理,实现方法的诸方面的内容做了较全面的研究,并建立了一套通用性强的物理仿真系统,首先分析了仿真系统设计方案和水面目标场特性,为减小信号畸变以及增强信噪比,我们对接收信号进行预处理,然后针对水压引信横向局位性问题,提出了提取目标特征和目标识别的方法,本文给出了部分仿真实验结果。通过分析论证和实际测试,认为水压仿真对目标场与水压引信的模拟是实际可行的。     

基于ORB-SLAM2的实时网格地图构建

针对目前视觉SLAM（同时定位与地图构建）系统只能输出相机的运动轨迹图而不能生成用于路径规划和导航地图的缺点,提出了一种基于ORB-SLAM2的网格地图实时构建算法。首先,建立了一个适用于视觉SLAM的逆传感器模型（inverse sensor model,ISM）;针对ISM模型重新编排了网格地图算法的构建机制,并对其进行详细推导;最后,介绍了ORB-SLAM2网格地图构建的具体实施方案。通过实验,对ISM模型和网格地图模型进行分析,确保了算法的可行性;用单目相机和RGB-D深度相机进行实时实验,实现了网格地图的实时构建,且能够清晰地显现出障碍物位置,验证了所提算法的有效性。     

一种考虑实际运动约束的高斯过程运动规划方法

基于梯度优化的高斯过程运动规划器GPMP2的算法运行时间短,通过概率推理来优化机器人轨迹,可得到平滑的无碰撞的轨迹。然而该算法并未考虑轮式机器人如四轮车辆等的最小转弯半径等运动约束,使规划出的轨迹在轮式机器人实际行驶中受限,为此,该文提出一种加入最小转弯半径等运动约束于GPMP2算法的运动规划方法,以规划出考虑机身尺寸的机器人运行轨迹。实验结果表明,该文算法的路径规划成功率提高了4.5%,所规划的轨迹与实际运行轨迹符合度较好。     

基于域内规划的类质心匹配迁移学习算法研究

针对森林火灾烟雾数据集小,模型获取困难问题,采用类质心匹配和局部流行自学习迁移学习算法,解决缺乏标签数据的烟雾检测任务。算法将目标域中同一簇内的样本视为整体而不是个体,通过类质心匹配为目标簇分配伪标签。为了充分利用目标域数据结构,引入域内规划法,从域中学习判别性传递信息。基于卫星遥感图像与视频影像图像数据集对该模型进行评估,与普通类质心匹配算法相比,文中算法在视频影像图像上的准确率提高了4.50%,在卫星遥感图像上的准确率提高了6.50%,且在迭代次数为5次时就已经收敛。     

面向嵌入式系统的轻量级目标检测算法

由于嵌入式设备的内存和计算能力有限,在无人机平台上运行基于深度学习的目标检测算法进行实时解析具有很大的挑战性,同时,算法在小目标、高密度、多类别的场景下,检测精度有待提高。在此前提下,构建NCWS-YOLO轻量级算法,以YOLOv5算法为基础,基于非极大值抑制方法,融合加权框融合算法,提出了NCW方法,重构了预测端目标框筛选网络,使检测精度提升了3.9%。并且利用通道剪枝技术,对批归一化层进行通道稀疏化训练,选择不包括shortcut的层进行修剪,使参数量减少了74%,模型大小缩减了72.2%,浮点数运算降低了37.6%,将算法部署于嵌入式设备上实现了对无人机数据集的目标检测任务。所提方法在无人机数据集上测试精度(Pr)和平均精度(mAP@0.5)分别达到了0.941和0.969,在Nvidia Jetson TX2上推理速度提升了49.6%。实验数据表明,该网络能够在低功耗、算力低的嵌入式设备上进行实时检测。     

基于预探索的动态自适应3DVFH+无人机避障算法

为解决无人机在未知复杂环境下的自主避障规划问题,同时考虑到旋翼无人机平台硬件资源稀缺的问题,提出了一种基于预探索的动态自适应3DVFH+算法。根据无人机飞行进度以及障碍物信息,动态调整代价函数的自适应权重因子;通过对无人机视野范围的预探索,构建了搜索树,并对障碍物及无人机模型进行了建模研究,同步实现了无人机在复杂环境中的可视化分析。结果表明,动态自适应代价函数消除了3DVFH+算法的死区现象;预探索机制解决了算法的局部最优解问题,规划航线缩短37.15%,所需时间减少24.48%。同时搭建了复杂度较高的森林障碍物进行验证分析,相较于使用八叉树框架建图的3DVFH+算法执行相同避障规划任务时节省内存可达25.26%。     

风场环境下四旋翼飞行器抗干扰研究

针对四旋翼在室外飞行时易受到气流干扰,难以实现精准控制的问题,首先对四旋翼在室外飞行时的风场环境进行建模,将风场影响添加到四旋翼动力模型当中;其次,设计了自适应扩展卡尔曼滤波器(Adaptive extended kalman filter,AEKF),通过实时调整噪声协方差的自适应因子提高飞行器姿态数据的滤波精度,并将数据反馈给PID位置控制器对飞行器进行控制。实验表明,建立的模型能够有效反映四旋翼在风场环境下的运动规律,采用PID与AEKF相结合的控制策略可以提高系统的抗干扰能力,实现在风场环境下对四旋翼的精准控制。