基于信息融合的移动机器人目标识别与定位

针对单目摄像头工作的双足机器人的视觉定位问题,设计了一种视觉传感器与超声波传感器相结合的信息融合方法,进行目标的识别和定位。对拍摄的图像进行HSV颜色空间的阈值分割得到二值图像,并对其进行形态学滤波处理和Hu轮廓不变矩匹配,以此识别到目标和其重心点图像坐标;建立单目定位模型,用机器人自身的超声波传感器得到与目标物之间的距离,采用Zhang标定法得到摄像机参数,把这些已知数据带入坐标转换,得到目标物在世界坐标系下的坐标,实现定位。借助NAO机器人的平台,将基于信息融合的定位方法和一般单帧图像定位方法进行对比实验。实验结果表明上述方法的误差相对较小,且能得到目标物的三维信息,验证了该定位方法的实际可行性。     

具有时变参数不确定性线性系统的最优保成本控制

对一类具有块对角参数不确定性的系统，导出了二次保成本状态反馈控制律存在的条件，进而证明了这个条件等价于一组线性矩阵不等式的可解性问题，并通过这组线性矩阵不等式的解，给出了系统二次保成本控制律的一个参数化表示．在此基础上，将最优保成本控制律的设计问题转化成一个凸优化命题，而后者可以用现有的有关线性矩阵不等式软件求解．最后，给出了一个例子，以说明本文提出的方法，并和现有方法作了比较．表1，参10     

足球机器人视觉目标识别的PCA-SIFT算法

针对Robocup类人组比赛的特殊环境,为了识别比赛双方机器人,并克服光照变化、图像扭曲等问题给识别目标带来的干扰,选用尺度不变特征变换（SIFT）算法进行特征提取.由于SIFT算法的实时性差,提出改进的PCA-SWT目标识别算法,将主成分分析法（PCA）用于对经典SIFT算法中的128维描述子进行降维,并用最近邻法进行特征点的匹配.通过实验发现,经过PCA改进的描述子不仅提高了运算速度,匹配度也保持在较好的状态.     

基于Elman神经网络的城市污水处理水质参数软测量

在介绍序批式活性污泥法(SBR)的城市生活污水处理工艺的基础上,针对反应过程所具有的多变量、非线性和动态复杂反应的特点,利用水质参数与多个过程可测参数间的关联关系,提出了基于Elman递归人工神经网络的水质参数软测量模型.以ORP,DO浓度和pH值作为输入参数,可实现对COD,NH3,TP水质参数的软测量.基于污水处理实验数据建立软测量模型,结果表明,上述软测量模型对污水处理水质指标COD,NH3,TP具有理想的预测效果.     

超临界参数机组负荷控制与优化策略

针对超临界参数机组多变量耦合和非线性的特点,提出一种以煤耗最小化为目标的广义预测控制策略(GPC),并分别采用线性规划(LP)与目标规划(GP)进行稳态目标计算.仿真研究结果表明：在不需要目标协调时,GP+GPC与LP+GPC具有相同的性能曲线,能够在基本控制目标实现的前提下,有效地降低生产煤耗,并具有一定的鲁棒性;而在需要目标协调时,GP+GPC能协调好控制目标与经济优化指标之间的优先级关系.