摘要：针对复杂海洋环境下存在不确定事件对无人水下航行器自主作业和安全性所带来的威胁。本文设计了基于动态贝叶斯网络的威胁评估模型和决策推理模型,采用遗传算法实现了离散动态贝叶斯网络参数学习,最终得到最优的模型参数,进而增强了推理模型对海洋环境的快速反应能力。仿真实验结果证明:提出的算法可以得到真实的离散动态贝叶斯网络参数,能够有效地解决复杂海洋环境下UUV威胁评估问题,为UUV的自主任务决策提供有效的参数保障。

摘要：针对过程噪声为非理想高斯分布时无人水下航行器(UUV)自主导航定位存在噪声模型失配的问题,将高斯混合密度模型与容积卡尔曼滤波(CKF)相结合,设计了基于高斯混合容积卡尔曼滤波(GM-CKF)的UUV导航定位算法。建立了UUV运动模型及观测模型,利用CKF完成各高斯分量的预测更新,并将更新结果进行融合缩减与加权求和,从而实现UUV自主导航定位。通过与EKF、UKF和CKF算法仿真对比实验,验证了GM-CKF可以提高估计精度;通过UUV湖试试验,验证了基于GM-CKF的UUV自主导航定位精度和稳定性优于传统算法,其计算时间满足实时导航定位的要求。

摘要：针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者法,以驱动器电压作为控制量,通过反步法设计了一种移动机器人编队鲁棒自适应控制方法。采用单输入径向基神经网络(RBFNN)对含驱动器动力学的机器人动力学非线性不确定部分的上界值进行在线估计,并通过非线性元对建模估计误差进行补偿。所提方法既解决了移动机器人编队控制的多不确定性问题,也确保了机器人编队期望队形下的轨迹跟踪。基于Lyapunov方法设计了参数自适应律,并进行了系统稳定性分析。最后,通过两个仿真实例验证了该方法对不确定性估计的准确性,减低了计算复杂度,提高了抗干扰能力。

摘要：编队控制是多机器人协作的最重要的研究领域,提出的机器人控制算法具有鲁棒性是非常必要的。最近很少有提出的鲁棒控制器考虑动力学,而是依靠保守的假设,或基于滑模受到的抖振问题来获得鲁棒性。上述研究不仅考虑运动学和动力学,而且在非完整多移动机器人编队中考虑执行机构的动力学及其不确定性。提出了一个新的鲁棒控制技术,可以有效地处理系统中的未知参数和不确定性,放宽了保守的假设,得出鲁棒控制系统的设计,并进行了数学分析,而且根据李雅普诺夫定理证明系统的稳定性。仿真结果表明,提出的鲁棒控制方法的有效性。

摘要：数字科技的高速发展使得家居安防趋于网络化和智能化,为了满足人们对居住环境安全性的要求,采用Android智能手机作为监控终端、家庭个人电脑作为服务器、STC89C52单片机作为传感器采集节点的核心处理器,结合WIFI局域网、3/4G运营商网络、NRF传感器网络设计了一个具备环境监测、防火防盗、异常警报功能的安防系统;系统整合了实时视频监控功能,用户可以在Android手机客户端实时观看远程监控视频并作应急处理;联调测试表明该系统稳定可靠,易于扩展,具有实际应用价值。