基于反步控制和神经动力学模型的带缆水下潜器航迹跟踪

为实现带缆水下潜器的航迹跟踪控制,对带缆水下潜器设计了运动学反步控制器和动力学滑模控制器,并引入生物启发神经动力学模型来平滑反步控制器中因跟踪误差较大,引起的输出速度跳变。对水下潜器折线路径跟踪进行仿真,并分析脐带缆对跟踪效果的影响。结果显示,所设计控制器的路径跟踪误差小,跟踪速度在初始阶段以及折线路径拐点处过渡平滑;脐带缆使跟踪效果变差。对带缆潜器这一刚性和柔性部件相互连接的水下运载设备而言,神经动力学反步滑模控制器能够较好地实现航迹跟踪,并有效克服传统反步控制器速度跳变的问题。     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海上船舶跟踪方法。为进一步提高跟踪性能,参照AlexNet网络对孪生网络的CNN模块进行修改,并提出一种基于历史轨迹的自适应搜索区域提取方法,以适应不同的运动场景。利用数据集对所提出的跟踪器进行评估。结果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC机上可以达到58%的平均精度和124.21 FPS。     

水下航行器三维航迹反演滑模跟踪控制

本文提出一种自治水下航行器(Autonomous Underwater Vehicles,AUV)三维轨迹跟踪控制算法。将AUV在三维空间的运动通过反演法和变结构滑模控制律设计出AUV航迹跟踪控制律,通过Lyapunov稳定性理论分析了系统的稳定性。在同时考虑加入外界干扰的条件下,使其控制效果在3个坐标轴上都能够达到稳定并且有平滑连续的输出结果,对外界干扰有较好的抑制作用。仿真结果表明了所提控制律的有效性。     

芳香硫酸酯酶定点饱和突变方案的比较

目的比较随机引物与精确引物PCR扩增实施绿脓杆菌芳香硫酸酯酶(Pseudomonas aeruginosa arylsulfatase, PAAS)定点饱和突变的整体效率及成本,以建立高效实用的定点饱和突变方案。方法以大肠杆菌碱性磷酸酶(Escherichia coli alkaline phosphatase, ECAP)与PAAS融合表达质粒为模板,分别用针对PAAS目的位点的随机引物、精确引物等量混合物及单个精确引物,进行全质粒PCR扩增构建定点饱和突变体库;碱裂解细胞后高通量测定PAAS突变体与ECAP活性比值进行筛选,比较3种定点饱和突变建库方案需筛选的单克隆数量、所获突变体种类、整体耗时、整体成本及影响因素。结果用随机引物PCR对M72位定点饱和突变有明显密码子偏好性,筛选超600个单克隆仅获得10种预期突变体,但对G138位定点饱和突变未见明显的密码子偏好性且筛选不到150个单克隆获得18种预期突变体;精确引物等量混合物对M72位实施定点饱和突变,筛选不超过190个克隆成功获得19种预期突变体;单个精确引物对M72位逐个PCR实施定点饱和突变,仅各筛选2个单克隆就获得19种预期突变体。单个精确引物逐个PCR实施定点突变所获饱和突变体库完整,需筛选的单克隆数最少,总耗时和总成本最低;相比之下,用随机引物和精确引物等量混合物实施定点饱和突变时,所需筛选的单克隆数、整体耗时及成本均显著增加。结论解析序列-活性关系时,用单个精确引物逐个PCR实施定点饱和突变有显著整体成本和效率优势;仅筛选阳性突变体时,用精确引物等量混合物进行PCR建库在成本和效率上更有优势。     

基于前轮转角约束自适应模型预测控制的路径跟踪研究

针对在车辆行驶中较小的前轮转角无法充分利用路面附着能力,较大的前轮转角使得车辆的行驶稳定性差的问题,文章提出了一种前轮转角约束自适应模型预测方法。首先建立车辆的动力学模型,然后通过计算得到轮胎纵向力,最终得到车辆的前轮转角。将车辆的状态量与前轮转角自适应约束条件输入给模型预测控制器,输出车辆的前轮转角,实现对参考路径的跟踪。在Carsim和MATLAB平台上联合仿真,仿真结果表明前轮转角约束自适应模型预测控制的车辆相比固定转角约束的车辆具有较好的跟踪能力和稳定性。     

结合状态观测与遗传算法的船舶路径预测控制

为实现具有速度不易测﹑模型不确定﹑受外界因素干扰﹑输入需约束及优化等特点的欠驱动船舶的路径跟踪，提出带状态观测的模型预测控制（MPC）。在限制条件下利用MPC求解性能指标函数，处理舵角优化﹑舵幅与舵速约束问题。设计扩张状态观测器（ESO）对环境干扰和模型不确定项进行估计，提高MPC的性能。通过预测未来估计误差，利用遗传算法在线调节ESO参数，提高估计性能。基于指数函数建立速度观测器，避免速度不易测。稳定性分析和仿真试验结果表明，采用该结合状态观测的MPC船舶路径控制方案，当速度和干扰均未知时，船舶仍能跟踪上参考路径，舵角平滑且始终在约束值内，MPC控制精度和ESO估计精度均得到提高。研究结果说明该方案是可行的、有效的。