Information system for ICP-AES in Windows environment

An information system for inductively coupled plasma atomic emission spectrometry (TCP-BES) in MS Windows environment was developed based on the previous work in the laboratory. The system contains the data of about 28 000 spectral lines and a function of ICP spectral simulation,so it would be very helpful for line selection. The system also contains the Kalman filter and factor analysis programmes written with MS Visual Basic(version 4.0), which can be used for spectral interference correction and peak position optimization. A large amount of real spectral scanning data of rare earth elements were included in the system for user's references. All these characteristics made the system more useful and practical.

东中国海区域海浪同化系统设计与研究

针对目前海浪同化中没有适合东中国海区的业务应用系统，以及缺乏集合卡尔曼滤波方法（Ensemble Kalman Filter，EnKF）的应用的现状，设计了东中国海区域海浪同化系统。首先比较了目前常用的各种资料同化方法，指出各种同化方法的实质都是一种滤波过程，并选取最优插值方法（Optimal Interpolation，OI）和EnKF方法开展同化试验，动力模式选取WAVEWATCH III，观测资料为Topex/Poseidon卫星高度计观测波高。然后用观测法研究了模式预报误差协方差的统计性质，指出误差相关距离尺度在3°至6°之间。最后用22001号浮标观测资料验证了两个同化系统2000年8月的有效波高计算值，结果表明OI方案的同化系统对有效波高的均方根误差减少了9.0%，系统运行稳定，可应用于业务化部门；EnKF方案的同化系统在集合样本数为50的情况下，对有效波高的均方根误差减少了6.0%，用EnKF方法同化有效波高是可行的。

一种基于状态方差阵对角相似分解的UKF 算法

在强非线性和复杂性的系统下，普通对称采样UKF 算法存在稳定性问题。为此，本文提出了基于状态方差阵对角相似分解的UKF 算法来保证算法的状态方差阵半正定。同普通对称采样UKF 算法比较，该算法降低了对状态方差阵的正定性要求。仿真试验验证了该方法的有效性。

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。

全地形移动机器人轮-地几何接触角估计

研究全地形移动机器人在不平坦地形中轮-地几何接触角的实时估计问题.本文以带有被动柔顺机构的六轮全地形移动机器人为对象,抛弃轮-地接触点位于车轮支撑臂延长线上这一假设,通过定义轮-地几何接触角δ来反映轮-地接触点在轮缘上位置的变化和地形不平坦给机器人运动带来的影响,将机器人看成是一个串-并联多刚体系统,基于速度闭链理论建立考虑地形不平坦和车轮滑移的机器人运动学模型,并针对轮-地几何接触角δ难以直接测量的问题,提出一种基于模型的卡尔曼滤波实时估计方法.利用卡尔曼滤波对机器人内部传感器的测量值进行噪声处理,基于机器人整体运动学模型对各个轮-地几何接触角进行实时估计,物理实验数据的处理结果验证了本文方法的有效性,从而为机器人运动学的精确计算和高质量的导航控制奠定了基础.

基于主动建模的无人直升机增强LQR控制

为了解决无人直升机控制问题,通过把主动建模与LQR(Linear Quadratic Regulator)控制相结合,提出一种能补偿模型差的控制方法。该方法在悬停状态下,采用简化模型设计LQR控制器,并通过UKF(Un-scented-Kalman-Filter)在线估计简化模型与全状态模型的模型差,使用模型差作为补偿项对LQR控制增强。针对实际直升机动力学模型进行仿真,验证了基于UKF的估计和增强LQR控制的有效性。仿真实验结果证明,基于UKF的主动建模技术能够快速估计状态和参数变化,并且增强LQR控制能够使系统适应模型不确定性。

一种新的角加速度估计方法及其应用

首先提出了一种新的基于卡尔曼滤波及牛顿预测的角加速度估计方法,在已知电机驱动系统位置信息的情况下,利用卡尔曼滤波实时估计系统的角加速度;同时采用牛顿预测方法解决估计算法的滞后问题,进一步提高了估计加速度的响应频带．以此为基础,本文进一步分析了利用估计加速度进行反馈控制以增强系统对外扰动的鲁棒性问题,提出了加速度反馈控制策略的设计准则并分析了稳定性．在一个直接驱动机器人关节上针对上述加速度估计及控制方法进行了实验研究:将估计加速度的实验结果与实测加速度(利用加速度计)的实验结果进行了比较分析,从而定量地揭示出估计加速度及其反馈控制在实际系统中的可行性及有效性．

基于障碍预估与概率方向权值的移动机器人动态路径规划

主要研究了移动机器人在未知动态环境中的路径规划问题.提出一种将障碍预估与概率方向权值相结合的动态路径规划新方法.该方法将卡尔曼滤波引入到规划算法中,使得对障碍物运动状态的实时有效预估成为可能.同时,为实现移动机器人的实时路径规划,提出一种新的概率方向权值方法,基于周期规划将障碍物与目标信息进行融合,能够有效处理室内环境下对于障碍物的速度和运动轨迹均未知的动态路径规划问题.仿真结果以及基于SmartROB2移动机器人平台所进行的实验结果验证了该方法的有效性和实用性.

基于卡尔曼滤波及牛顿预测的角加速度估计方法试验研究

基于角位置测量的角加速度实时估计问题是机电系统控制中一个非常重要的问题,在分析现有的线性回归平滑牛顿法和卡尔曼滤波法的基础上,提出了一种新的基于卡尔曼滤波和牛顿预测相结合的角加速度估计方法。该方法旨在利用牛顿预测进一步增强卡尔曼滤波的预测能力,减小由于滤波造成的相位滞后,提高估计加速度与实测加速度的一致性。为了验证新方法的有效性,以直接驱动机器人作为试验对象,采用将估计加速度的频率特性与实测加速度相比较的方法,分别对上述三种估计算法进行了试验比较研究,从而为利用估计加速度(取代测量加速度)实现加速度反馈控制提供了试验依据。

AUV闭环系统可辨识性分析及算法实现

针对水下机器人闭环系统辨识问题,应用闭环系统辨识理论,本文给出了水下机器人闭环系统可辨识的充分条件。运用增广的Kalman滤波算法对某水下机器人进行闭环辨识,获得了该系统模型。验证了所提出充分条件的正确性及算法的可行性。

Multi-sensors data acquisition and information fusion for manned submersible vehicle

本文介绍了一种用于载人潜水器的导航传感器的数据采集及信息融合技术。航行控制计算机通过基于工业以太网的数据通信系统对各传感器进行数据采集,采用卡尔曼滤波器完成对各传感器数据信息的融合,以便提高数据的精度和控制系统的性能,并将结果送给监控计算机,用于载人潜水器的姿态显示。

一类载人潜水器的导航技术研究

介绍了一类载人潜水器导航系统的组成,接着阐述了基于工业以太网的信息采集模块.由于载人潜水器动力学模型存在未建模扰动以及各种传感器存在不同程度的误差,需要采用卡尔曼滤波器(KF)等方法进行数据滤波,最后将滤波后的数据用于该类载人潜水器的导航研究.半物理仿真平台结果表明,载人潜水器的导航精度得到了大幅度提高.

基于超短基线/多普勒的水下机器人位置估计

为解决深海复杂环境下采用水声定位系统实现水下机器人位置控制所带来的反馈信号延迟问题 ,提出了基于 USBL/Doppler的水下机器人位置估计算法 .文中首先根据导航系统确定卡尔曼滤波器结构并建立了系统的状态方程和观测方程 ,同时 ,为了提高估计精度 ,引入自适应卡尔曼滤波理论 ,以降低系统对环境和初始噪声估计精度的敏感性 .最后通过数字仿真验证了算法的有效性 ,并给出了结论

7000米载人潜水器动力定位系统研究

深海载人潜水器可以运载科学家和工程技术人员，以及各种仪器设备进入深海现场，进行各种海洋资源调查、科学考察和海底调查等作业任务。近十五年来，深海载人潜水器为促进海洋资源调查、海洋生物基因、海洋地质勘探等与海洋相关研究领域的发展作出了显著贡献。未来，深海载人潜水器还将在与海洋相关研究领域，以及海洋资源开发与争夺过程中发挥更加重要的作用。随着海洋高技术的发展，人类对海洋的研究更加深入和精细，在众多作业任务中，将逐渐要求深海载人潜水器具有动力定位能力。精确的动力定位能力，可以有效提高载人潜水器的作业能力和效率，降低操作人员的作业强度。影响深海载人潜水器动力定位系统性能的因素有很多，主要包括状态感知系统的测量精度、作业系统作业过程中产生的扰动、复杂海洋环境产生的复杂外力干扰、以及推进子系统的控制分配和故障容错能力等。 本文以“十五”期间国家863计划重大专项“7000米载人潜水器”为研究背景，结合7000米载人潜水器动力定位能力的实际应用需求，深入研究了7000米载人潜水器动力定位系统，实现高精度、高稳定性的动力定位。重点研究能有效提高7000米载人潜水器水平位置和线速度测量精度的导航方法；研究适合存在复杂外界干扰和自身不确定性条件下，多输入多输出的载人潜水器智能控制方法；研究具有推进器故障容错能力的动态控制分配策略。本文研究内容主要包括： （1） 根据7000米载人潜水器的传感器配置情况，研究基于多普勒速度计程仪和光纤罗经的载人潜水器导航问题。提出基于“当前”加速度统计模型和潜水器运动方程的Kalman Filter导航方法，这种导航方法可以在线准确地估计出多普勒速度计程仪的速度测量偏差比例因子，以及多普勒速度计程仪和光纤罗经间的航向角安装偏差。通过仿真实验和湖上试验数据验证实验，验证了该导航方法的正确性和有效性。 （2） 基于潜水器6自由度空间动力学模型，设计了基于径向基神经网络直接自适应控制策略的7000米载人潜水器动力定位控制器。基于Lyapunov稳定性理论，证明了存在有界外界干扰和有界神经网络逼近误差条件下，7000米载人潜水器控制系统的闭环稳定性。通过7000米载人潜水器动力学模型的仿真实验和水下机器人实验平台的水池实验，进一步验证了该控制系统的正确性、有效性和稳定性。 （3） 提出了采用动态模糊神经网络在线学习算法，解决基于径向基神经网络载人潜水器直接自适应控制方法的网络结构设计困难问题。改进了用于机械手运动控制的动态模糊神经网络在线学习算法的结构学习部分，使其更适用于载人潜水器的控制。基于Lyapunov稳定性理论，证明了基于动态模糊神经网络直接自适应控制策略的载人潜水器控制系统的闭环稳定性，并进行了仿真实验。 （4） 基于推进器配置情况，建立了7000米载人潜水器的动态控制分配模型，设计了推进器故障容错处理策略。针对完全固定推进器配置的潜水器系统，提出了基于伪逆矩阵分配和定点分配策略相结合的混合动态控制分配算法。针对存在可动态配置的回转推进器，提出基于SQP算法的动态非线性优化控制分配策略，设计了优化算法的代价函数。通过仿真实验和7000米载人潜水器半物理仿真平台实验，验证了本文研究的潜水器动态控制分配算法的正确性和有效性。

无缆水下机器人组合导航系统

无缆水下机器人是我国首次开展的高技术课题,组合导航系统是无缆水下机器人研究中的关键部分,本文介绍了多种导航设备同时工作,经过信息综合处理获得高精度导航信息的组合导航系统和组合导航系统中所需要的坐标转换及卡尔曼滤波器的计算,为无缆水下机器人建立一个较理想的导航方式。