时变参数不确定广义系统的有限时间预见控制器设计

基于具有参数依赖的Lyapunov函数方法及LMI技巧,本文研究一类具有时变参数不确定广义离散时间系统的有限时间预见控制问题.首先,采用预见控制理论中误差系统的方法,引入两个辅助变量和离散提升技术,构造出包含未来目标值信号的信息的扩大误差系统,将有限时间预见跟踪问题转化为扩大误差系统的有限时间稳定性问题;然后,针对所推导的扩大误差系统,考虑输出反馈时,改造输出方程,使其包含可预见信号的信息,通过LMI技巧给出闭环系统有限时间稳定的条件及预见控制器的设计方法.通过求解LMI,即可确定预见控制器增益矩阵.数值仿真表明本文结果的有效性.     

中国散裂中子源准直控制网数据处理方法

以中国散裂中子源CSNS的直线加速器控制网为例,对其数据处理方法进行研究,采用平面与高程二维平差以及三维定向平差两种方式对准直控制网进行处理分析。同时,为了使准直数据处理更加简易便利,提出利用激光跟踪仪的测量软件SA实现三维定向平差的方法。通过不同软件及不同数据处理方法的对比,验证准直控制网数据处理的正确性,最终200 m长直线控制网点位精度优于0.2 mm,这为准直控制网的数据处理提供了指导。     

夹心式压电换能器的谐振频率跟踪方案设计

分析了夹心式压电换能器的阻抗特性,讨论了基于相位方式的现有跟踪方案的不足,提出了一种新的频率跟踪方案,介绍了实现该方案的电路系统。该方案的特点是:采用先扫频后跟踪的策略,解决了频率范围设定难的问题;增加解锁控制,使得系统在死锁或误跟踪时自动回到频率搜索状态;采用直接数字合成器(DDS)作为频率调整和信号产生的器件,实现了全数字系统,调整方便,精度高;采用复杂可编程逻辑器件(CPLD)做相位比较和DDS控制,使频率跟踪速度快,并且跟踪精度和速度均可控制。     

激光对电视成像跟踪系统的软杀伤效应研究

分析了电视成像跟踪系统的组成原理,在开展脉冲激光干扰CCD的实验基础上,进行了激光对电视成像跟踪系统的软杀伤实验与理论分析。实验指出,激光对电视成像跟踪系统的软杀伤主要是对CCD光电探测系统的软杀伤,软杀伤效果如何与激光成像是否位于跟踪系统的波门之内有很大关系。     

任意相位差条纹信号细分方法的研究

为消除传统细分方法中由于两路条纹信号不正交引入的细分误差，提出了一种可对任意相位差条纹信号直接细分的新方法。根据两路条纹信号的极性和幅值大小，把一个信号周期分成8个区段。高速采集两路条纹信号，通过判断信号采样点所处的区段是否跳变对信号幅值交点进行动态跟踪。对不足一个周期的条纹移动，当测量出起点与终点的幅值，计算出其所在的区段及位置后，结合两路信号的交点，可实现对任意相位差条纹信号的细分。实验结果表明，该方法突破了传统细分方法必须信号正交的限制，可对任意相位差信号进行准确地细分，降低了条纹测量中器件安装与调试的难度，具有更强的环境适应性和抗干扰能力。     

基于相位一致性的实时压缩跟踪方法

针对基于压缩感知的目标跟踪算法在跟踪过程中,光照剧烈变化引起跟踪不稳定或跟踪失败的问题,本文提出了一种基于相位一致性的改进跟踪方法.该方法利用相位一致性图像特征对光照变化不敏感的特点,首先对样本搜索区域内的图像进行相位一致性变换,然后再提取变换后相位一致性图像的特征,将其用于分类器中来确定目标位置.实验结果表明,该方法在目标受到光照剧烈变化影响的情况下具有很强的适应性,在目标大小为50pixel×55pixel时平均处理帧频可达22fps.与已有基于压缩感知跟踪算法相比,该算法在光照变化剧烈的情况下仍具有很好的鲁棒性,而且在目标尺度和纹理发生一定变化的情况下跟踪稳定.     

场景自适应的跟踪特征选择机制研究

视频目标跟踪是当前计算机视觉领域中的一个关键问题。基于场景分类提出了一种视频目标特征的实时在线选择方法。离线时首先采用改进型的"空间金字塔匹配"算法完成先验视频场景的分类;然后采用不同的描述算法实现对目标和背景的特征描述,通过对数形式的方差比计算出目标和背景的特征距离;最后融合均值和熵值对特征距离进行统计分析,建立场景相关的描述子显著性排序。在此基础上,在线时利用初始帧完成测试视频的场景判定,结合当前场景下的描述子排序,实时选择最优特征,应用于粒子滤波跟踪系统,在公开视频库上进行跟踪测试,验证排序的正确性和选择机制的必要性。     

奇妙的惯性力

实际的参考系都不是惯性系，因此必须考虑惯性力．     

大功率超声用有源频率自动跟踪系统

在超声加工中,大振幅换能振子的频率漂移是一个多途径在解决的问题。本文介绍的频率跟踪电路利用了运算放大器的函数运算特性,对换能器的传输函数进行补偿,较容易地实现了一个频段上的频率跟踪。     

基于DFI一体化网络的水下抗干扰目标跟踪方法

由于水下环境的特殊性,水下机器人容易受水流、可见光反射、遮挡等复杂水下环境影响,从而干扰目标检测器的性能,进而使跟踪算法效果下降,影响跟踪效果。针对这一问题,提出了一种基于目标检测特征提取一体化网络（DFINetwork）的水下抗干扰目标跟踪方法。在传统YOLOv3检测网络基础上,设计了特征提取网络,通过卷积和最大池化运算,输出目标特征信息,并将状态向量维度扩充为10维,同时针对扩维状态向量,构造了扩维滤波器,进而通过后续匹配、跟踪控制等步骤,实现了水下机器人在干扰环境下的目标跟踪。使用标注的水下目标跟踪数据集对所提算法进行测试,并与YOLOv3算法进行对比验证。测试结果表明,与原版YOLOv3算法对比,所提出的算法以2FPS的较小帧率损失,将跟踪精度提高了30%以上。