三维环境中基于ESMF的多机器人协作观测方法

提出了一种基于扩展集员估计（ESMF）的多机器人协作观测方法，该方法将多机器人之间的观测数据融合过程嵌入到估计过程当中，从而减少了数据处理的过程，增强了算法的快速性。同时，这种方法在实现协作观测时只需要协作机器人传送观测信息而不是整个的估计信息，因此可以减轻多机器人系统的通信负担。除此之外，该方法在融合多机器人的观测数据过程中避免了多余的近似过程，增加了观测的准确性。最后，给出了三维环境下的仿真结果，验证了方法的可行性。

基于MIT规则的自适应Unscented卡尔曼滤波及其在旋翼飞行机器人容错控制的应用

提出一种新颖的基于MIT规则的自适应Unscented卡尔曼滤波(Unscented Kalman filter,UKF)算法,用来进行参数以及状态的联合估计。针对旋翼飞行机器人执行器提出一种执行器健康因子(Actuator health coefficients,AHCs)的故障模型结构,应用自适应UKF对AHCs参数进行在线估计,将联合估计的状态以及故障参数引入基于模型的反馈线性化控制结构,组成完整的容错控制系统。提出的自适应UKF算法以及容错控制结构经过中科院沈阳自动化研究所ServoHeli-20旋翼无人智能平台数学模型进行仿真试验验证,效果良好。

基于天际线识别的无人机实时姿态角估计

以无人机天际线识别为背景,提出了一种准确、实时的天际线识别算法,并由此估计姿态角。在结合实际情况的基础上,对天际线建立能量泛函模型,利用变分原理推出相应偏微分方程。在实际应用中出于对实时性的考虑,引入直线约束对该模型进行简化,然后利用由粗到精的思想识别天际线。首先,对图像预处理并垂直剖分,然后利用简化的水平直线模型对天际线进行粗识别,通过拟合获得天际线粗识别结果,最后在基于梯度和区域混合开曲线模型约束下精确识别天际线,并由此估计无人机滚动和俯仰姿态角。实验结果表明,该算法对天际线识别具有较好的鲁棒性、准确性和实时性。

基于DSP旋翼飞行机器人增稳操纵杆设计

本文首先介绍了旋翼飞行机器人控制系统的功能与应用,着重介绍了其中基于tmx320f28335数字信号处理器的无线增稳操控系统工作原理、硬件构架以及软件流程,并对AD转换过程中的关键FIR滤波算法进行说明,详尽比较了不同滤波参数对滤波效果的影响,最后得到该方法可以应用于旋翼飞行机器人增稳控制系统的结论,并将应用该方法滤波后的控制信号应用于实际增稳飞行,以实际数飞行据验证上述结论。