一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法

针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.     

基于激光雷达和Kinect信息融合的导盲机器人SLAM研究

针对室内复杂的未知环境,在采用激光雷达进行即时定位和地图构建SLAM的基础上,提出了一种融合三维深度信息和激光信息的导盲机器人SLAM方法.首先对比分析ROS机器人操作系统中几种主要的SLAM方法,通过深度传感器Kinect采集的信息,得到三维SLAM地图.为了弥补激光雷达采集数据方面的不足,先使用经典的Canny算法对地图进行边缘检测,再进行扩展相位相关计算得出地图间的平移、旋转和尺度变化,使用所得参数拼接地图,实现对三维SLAM地图和二维SLAM地图的融合.通过真实环境中的实验验证,该模型地图能足够全面和精确的识别环境和障碍物,机器人可以更好地完成导盲任务.     

一种水下航行器的SLAM算法应用研究

研究精确稀疏扩展信息滤波(ESEIF)的快速算法,提出一种三维水下航行器(AUV)的同时定位和地图创建(SLAM)算法。作者设计了一种大规模水下三维环境的SLAM解决方案,建立了三维环境的航行器运动、传感器观测及重定位系统模型,分析了方法实时性和定位精度。仿真实验证明:用ESIEF算法能高效地实现水下环境的SLAM,为项目研究提供了理论基础。     

自主水下航行器同时定位与制图技术研究

为解决自主水下航行器(Autonomous Underwater Vehicle,AUV)的精确导航与探测问题,采用同时定位与制图(Simultaneous Localization and Mapping,SLAM)算法为核心,根据捷联式惯性导航设备(SINS)与AUV声呐组合的数据信息,采用扩展卡尔曼滤波器(EKF),研究一种基于惯性传感器与声呐的AUV定位与地图构建算法,对水下环境的EKF-SLAM算法进行仿真试验验证。仿真结果表明,经2次探测后,AUV定位精度获得较大提高,能够较好地完成AUV的水下导航、定位与探测任务。     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

基于神经网络的水下对接引导算法

针对水下机器人对接过程中近距离引导定位的问题,为实现准确可靠的水下对接,设计了一种基于神经网络的水下对接引导算法。算法主要分为两部分:1)检测部分,该检测算法区别于传统的图像处理,基于YOLOv3的神经网络,加入DenseNet思想,实现了一种鲁棒性强,可靠以及准确率高的目标检测算法。区分了目标物与无关背景信息,用于提供水下对接站在二维图像下的位置信息。2)位姿估计部分,用于恢复水下机器人与中继器之间的相对位置信息,从而能够根据相对位置信息,完成近距离的水下对接引导。经过实验对比分析,验证了算法的可行性,并证明了改进的目标检测算法能够更精确地完成对中继器的位置检测,提高了对位姿估计的准确率。     

基于神经网络的水下机器人运动预测控制方法

将神经网络和模糊理论应用于水下机器人运动规划和控制中,提出了能实现模拟控制规则的基于强化学习的自学习和自调整的规划算法,设计了水下机器人实时运动规划器结构以及规划器操作过程,提出了基于预测模糊控制进行水下机器人运动控制的方法。在计算机仿真状态下,实现了对水下机器人这一复杂非线性系统的预测控制,仿真实验结果验证了本文所提的方法的有效性。     

一种隧洞探测型自主式水下机器人及其图像拼接方法

针对采用自主式水下机器人(AUV)巡检和拍摄输水隧洞中的裂缝时水下环境会极大地限制光视觉图像的可视范围和分辨率,单幅水下图像获得的视角范围有限的问题,提出一种基于加速稳健特征(SURF)算法的AUV水下图像拼接方法。在图像预处理阶段对水下图像进行去畸变和限制对比度自适应直方图均衡化处理,用于解决水下图像存在的畸变、对比度低和噪声严重等问题。将SURF特征点检测算法应用到水下图像配准中,并与RANSAC算法相结合,对特征点进行精确匹配。应用线性渐变融合算法实现水下图像融合,有效去除拼接缝隙,完成水下图像拼接,最终通过水池和外场试验拼接图像验证所提方法的正确性。     

考虑模型偏差和时变扰动的水下机器人轨迹跟踪控制

本文针对考虑模型不确定性和时变外界环境扰动的水下机器人轨迹跟踪问题展开研究。首先基于水下机器人水平面运动学和动力学方程,结合有限时间控制方法设计一个有限时间扰动观测器用于对总扰动进行实时估计。随后基于反步滑模控制完成带扰动观测器的轨迹跟踪控制律设计,并采用二阶滤波器对虚拟控制信号进行过滤,增设滤波补偿系统用于保证滤波信号的精度。选择高增益扰动观测器和传统反步滑模控制器分别作为扰动观测器和控制器的对比项。最后在Matlab Simulink平台中进行了轨迹跟踪仿真实验。仿真结果表明,所设计的扰动观测器能够对总扰动实现快速且准确的观测估计,且水下机器人能够对目标轨迹能实现较好的跟踪效果。本文所设计的控制器可以使水下机器人快速地跟踪上目标轨迹,且相较于传统反步滑模控制器有着更小的跟踪误差。     

基于多传感器采集信息的水下机器人导航系统

设计基于多传感器采集信息的水下机器人导航系统,确保水下机器人能够高效完成水下任务,并改善其导航效果。构建水下机器人导航系统结构,传感器采集模块通过安装于水下机器人上的惯性测量单元、水温水压传感器、GPS传感器、视觉传感器获取其姿态、深度、位置、运动环境信息,数据处理模块调用联合卡尔曼滤波算法实现各种信息的融合后,经通信串口传输至运动控制模块,由主控制器实现水下机器人的运动控制。经以太网通信模块将融合后的数据传输到上位机中,导航模块通过避障算法和路径规划算法实现水下机器人的导航,并呈现导航结果。实验结果表明：该系统可实现多传感器采集信息的融合,融合后速度、位置误差获得有效降低;导航轨迹曲线与实际轨迹基本一致;可实现障碍物避障,并规划出运动轨迹。     

基于自适应KF算法的模态切换水下机器人导航系统

针对新型水下检测以及作业机器人在导航精度、体积方面的要求,设计了一套基于微机电器件的组合导航系统.系统为抑制陀螺漂移而采用了互补滤波方法,以四元数为估计对象设计卡尔曼滤波器.文中采用改进的自适应卡尔曼滤波器,增大新近数据的作用,减小陈旧数据的作用,避免滤波发散,提高导航精度.通过水池实验表明互补滤波和自适应卡尔曼滤波结合能够获得比较精确、稳定的水下机器人导航信息.同时,基于实测数据进行的算法仿真表明改进后的渐消记忆指数加权自适应卡尔曼滤波可以在一定程度上改善导航效果.     

水下多目标跟踪技术综述

水下多目标跟踪技术在声呐探测、水中武器、水下对抗、作战监视、海上安全作业及海洋开发等领域有着重要的应用价值。本文介绍了水下多目标跟踪技术的国内外现状,总结了水下多目标跟踪中的关键技术及其发展现状和存在问题,最后还介绍了基于随机有限集的多目标跟踪新技术。     

基于神经网络的水下机器人容错控制方法与实验研究

针对无人水下机器人(UUV)传感器常见故障,采用一种基于有限脉冲响应(FIR)滤波器模型的在线故障诊断方法.根据该模型的故障检测结果,提出一种基于BP神经网络模型的容错控制策略,实现水下机器人首向角的估计以及传感器信号的在线重构.将重构的信号替代故障传感器信号,实现水下机器人在线容错控制.在OUTLAND 1000 水下机器人定向控制系统中,首向角传感器(罗经)发生故障情形下,给出机器人的故障检测以及容错控制结果.     

集对分析在多雷达数据融合中的应用研究

多部雷达在探测目标时,因受低空杂波、电子干扰和雷达自身探测精度等影响,易使部分雷达的探测数据不可靠而造成融合中心数据处理精度的下降.针对这一问题,本文提出了一种应用1次融合数据为特征的集对分析思想,把每时送入融合中心的各雷达探测数据与1次融合后的数据组成集对,求出目标状态当前时刻的区间估计,去掉每时落入估计区间之外的雷达探测数据,再作2次融合.仿真结果表明,应用集对分析实现多雷达探测数据的择优融合,不仅算法简单,而且能有效提高不确定雷达系统的跟踪精度和可靠性.     

低成本水下无人设备能量消耗评估方法研究

水下环境极其复杂,因此水下无人设备受青睐,尤其是水下机器人。但由于体积的限制,水下机器人一次下水所携带的能量往往有限。如何利用好有限的能量以达到水下最佳作业已成为当今研究的重要问题之一。因此,对智能控制和能耗问题的研究具有非常大的意义。本文通过对非线性动态系统的研究分析,探索其能耗评估方法。     

一种适用于ATT武器系统的目标跟踪算法

提出一种基于单站纯方位的水下高速目标跟踪算法。该算法在快速估计出目标航向的基础上,利用目标先验速度信息解算出其他目标运动要素。该算法收敛速度快,对观测平台机动要求低且具有一定精度,能满足反鱼雷鱼雷武器系统的要求。     

水下机器人传感器故障诊断的灰色预测模型

将灰色预测GM(1,1)原理引入到水下机器人传感器的故障诊断中,对传感器样本数据序列建立灰色动态预测型。通过对该模型输出信号与实际输出之间误差的分析,实时检测传感器的故障。针对Outland 1000无人水下机器人中的方向传感器,应用该方法对该传感器的三种典型故障模式进行了故障检测实验,结果表明所提故障检测方法准确可靠。     

一种水中目标深度估计和运动状态跟踪方法

建立水下目标深度估计模型,采用LMS自适应时延估计算法来估计时延,并用可变步长方法及sinc函数内插法提高估计精度;建立水下目标运动状态跟踪模型,采用基于方位时延的扩展卡尔曼滤波算法来估算水下目标运动状态信息;通过消声水池、湖泊和仿真试验,表明该方法有效可行。     

一种基于航位推算的水下机器人导航算法

本文针对智能水下机器人(AUV)导航信息较少的特点,进行了基于航位推算的AUV导航系统研究.首先利用传感器信息进行了航位推算,然后建立了基于一阶时间相关函数的辛格模型,利用强跟踪卡尔曼滤波算法对推算结果进行了次最优估计,提高了系统的跟踪能力,改善了导航精度,同时对GPS数据进行了野值剔除.松花湖上的试验结果验证了算法的有效性.     

基于连续体模型应力评估的水下机器人刚度强化设计

为了提高水下机器人设计和制造的机械强度,提出一种基于连续体模型应力评估的水下机器人刚度强化设计方法。构造水下机器人刚度强化评估的应力学结构模型,分析机器人刚度强化加工的控制约束参量,采用连续体模型应力评估方法进行水下机器人的刚度加工机械设计的荷载力学分析,实现机器人解耦构型的机构耦合度、运动灵巧度、方位特征、构件应力以及屈服强度等参量的解耦运算,得到机器人机械结构优化构型的位置正解,通过应力评估和结构解耦性设计,提高水下机器人的水下抗载荷能力和强度。仿真结果表明,采用该方法进行水下机器人刚度强化设计,机器人的机械弹性载荷较高,水下应力载荷和抗压能力得到提升,对机器人机械设计的构型优选和加工工艺改进具有较好指导价值。