崎岖山地环境履带机器人降维变系数控制方法研究

针对崎岖山地环境下自走式履带机器人自走姿态波动大、跟踪精度低等问题,研究了三维崎岖路面履带机器人控制方法。通过分析机器人在二维平整路面与三维崎岖路面的运动学模型,建立了降维运动学几何模型;设计了一种基于降维变系数的滑模控制方法,实现三维崎岖路面履带机器人的运动控制,并进行了平整路面与崎岖路面的路径跟踪仿真与试验。仿真结果表明,平整路面仿真中,行驶方向误差逐渐减小并趋近于0,侧向位置误差在±0. 2 m内波动,并可在1 s内完成姿态调整;崎岖路面仿真中,三轴位置误差均控制在±0. 1 m范围内,同样可在1 s内完成姿态调整。路径跟踪田间试验结果表明,平整路面和崎岖路面机器人跟踪稳定后的横向误差分别为-2. 9～8. 8 cm、-14. 3～21. 5 cm,姿态误差分别控制在±2°、±5°内,能够满足实际跟踪需求。     

基于LM-BP神经网络的喷药飞行器轨迹跟踪方法研究

首先介绍了LM-BP神经网络算法的特点和优势,依据喷药飞行器的机械结构和工作原理应用飞行控制理论,实现了喷药飞行器轨迹跟踪方法。最后,利用MatLab进行了仿真试验,结果表明:喷药飞行器期望飞行和实际飞行的两条轨迹基本重合,误差很小,达到了预期要求;且采用LM-BP神经网络算法进行迭代学习,能够较快地使误差趋于零,提高了喷药过程中的控制输入。     

农用车辆路径跟踪预瞄控制研究 —基于免疫模糊PID算法和视觉导航

在无人驾驶农用车辆过程中,由于作业环境的复杂性,往往会遇到一些突发状况,如急转弯或者突然出现障碍物等,目前的视觉导航技术一般都是获取路径信息后直接进行反馈调节,在遇到突发状况时难以有效的工作。为此,将跟踪预瞄加反馈控制器引入到了无人驾驶农用车辆自动导航系和控制系统中,并使用免疫模糊PID算法对控制系统进行优化,以提高控制的效率、精度及自动化程度。为了验证该方法的可靠性,模拟农用车辆的作业环境,对控制算法的精度和效率进行了验证。仿真结果表明:采用免疫模糊PID算法具有较高的控制精度,且运算效率高,如将其使用在农用车辆自动导航和控制系统中,对于提高导航的精度和智能化程度具有重要作用。     

基于改进行车风险场模型的车辆避撞方法研究

为了提高车辆行驶的主动安全性,构建了分层控制框架,对车辆的主动避撞控制系统进行研究。上层轨迹重规划控制器基于改进的行车风险场模型对行车安全进行评估,以行车安全场场强为优化指标,求解得到一条期望行驶轨迹;下层轨迹跟踪控制器在充分考虑车辆动力学约束前提下,基于模型预测控制理论,设计目标函数并求解,得到前轮转角控制量并输出给车辆执行,实现轨迹跟踪;最后基于Car Sim/Simulink联合仿真平台对控制算法进行测试,验证其有效性。     

关于2009年《全国优质蔬菜栽培基地》跟踪报道的通知

为积极响应党和国家科技兴农、建设社会主义新农村的号召,以及加强安全健康蔬菜供应销售渠道的建设,促进我国优质蔬菜产业及其市场的发展,《蔬菜》杂志社联合电视台、网络共同开展“全国优质蔬菜栽培基地”跟踪报道工作。各省市优质蔬菜种植示范园、种植基地以及种植大户均可申报。各单位或个人可向本社索取调研表格（申报表见下页）。     

模糊控制在小型风电系统MPPT中的应用

根据最大功率点跟踪的基本原理及常用风力发电控制系统的特点,提出了一种基于模糊控制、具有在线参数调整的自适应占空比扰动法,该方法能迅速地感知外界的风速变化,调整发电机与负载之间的功率匹配,使风力机以最佳叶尖速比运行。通过Matlab／Simulink仿真实验表明：采用模糊控制电路,风力机的输出功率大幅提高,在风速发生突变的情况下,也能快速地找到新的最大功率点。     

基于微生物燃料电池供能的无线温度传感系统设计

微生物燃料电池(microbial full cell,MFC)是利用微生物作为生物催化剂将碳水化合物转化为电能的装置。针对MFC输出电压低、功率小、内阻大的特点,该文研制了一种具有最大功率点跟踪(maximum power point tracking,MPPT)功能的能量收集电路和两级升压电路;基于MSP430和CC2500芯片设计了环境温度传感系统。测试结果表明,MFC的输出电压维持在316～390 mV范围内,实现了最大输出功率的跟踪,MPPT电路和升压电路分别输出1.1和3.5 V电压;无线温度传感器以每13ms的周期将环境温度无线传输到远程终端,验证了环境温度传感系统在最大功率点处对无线传感器网络节点供电工作的可行性,可为实现MFC主动式能量收集提供参考。     

基于自监督学习的温室移动机器人位姿跟踪

为实现温室环境下机器人行进过程中的位置及姿态跟踪,该研究提出一种基于时序一致性约束的自监督位姿变换估计模型。模型用软遮罩,处理视频帧间静止造成的位姿预测值收缩现象,进一步用归一化遮罩,解决非刚体场景和目标遮挡问题。设计了一种星型扩张卷积,并基于该卷积,为模型构建自编码器。在采集自种植作物为番茄的日光温室视频数据上开展训练和测试试验。结果表明,与不采用遮罩处理的模型相比,采用软遮罩的模型,位置和姿态估计相对误差分别减少5.06个百分点和11.05个百分点,采用归一化遮罩的模型,这2项误差则分别减少4.15个百分点和3.86个百分点,2种遮罩均可显著提高模型精度;星型扩张卷积对降低模型误差是有效的,在网络参数不变的前提下,该卷积使姿态估计相对误差减少7.54个百分点;时序一致性约束使姿态估计均方根误差下降36.48%,每百帧累积姿态角误差降低54.75%,该约束可用于提高模型精度及稳定性;该研究的位置及姿态估计相对误差分别为8.29%和5.71%,与Monodepth2相比,减少了8.61%和6.83%。该研究可为温室移动机器人导航系统设计提供参考。