一、被动式跟踪中轨迹优化问题的研究（论文文献综述）
常琳[1]（2021）在《双足机器人复杂环境下定位、导航和规划》文中研究表明双足机器人与地面非连续接触的运动特点使其能适应复杂路面,足式运动的结构特点使其便于跨越障碍和间隙,因此双足机器人具有机动性高、环境适应能力强等优点,其运动规划与控制一直是国内外机器人领域的研究热点。美国国防部举办的机器人挑战赛,展示了现有双足机器人技术的综合水准,也表明复杂环境下的双足机器人运动规划与控制是当前研究的主要方向。为提升机器人在复杂环境下的运动能力,本文围绕双足机器人复杂运动的轨迹规划与控制问题,开展了以下四个方面的研究:首先,大型双足机器人普遍具备完善的反馈控制框架以提升其运动稳定性,但对于硬件条件受限的双足机器人,由于缺少完善的反馈控制方法,难以实现稳定的双足行走。本文对双足机器人的运动模型与控制系统展开研究,基于线性倒立摆模型给出了双足步态规划的完整流程。结合行走稳定性分析,提出一种通用型双足步态反馈控制方法,采用惯性测量单元（IMU）、关节角度传感器和足底压力传感器数据作为反馈输入,通过质心轨迹反馈,实现了稳定的双足行走,降低了双足机器人稳定行走的硬件需求。其次,与轮式机器人同步建图与定位过程相比,双足机器人执行建图与定位算法时,其行走方向与行走距离难以精确控制,行走稳定性不高,对定位算法产生较大干扰。本文首先搭建了双足机器人视觉定位与导航系统,采用基于点云地图拼接的稠密地图进行导航,基于人工势场法实现了双足行走路径规划,并进行了路径柔顺处理与足迹序列生成。为提高机器人行走过程中的里程计估计精度,提出适用于双足机器人的里程计估计方法,先尝试使用粒子滤波方法处理IMU噪声,消除了着地冲击对里程计估计的影响。针对基于粒子滤波的IMU里程计存在累积误差的问题,提出一种多传感器融合的里程计估计方法,预先估计IMU的噪声参数,再基于扩展卡尔曼滤波方法,将视觉定位数据与IMU数据融合,估计机器人里程信息。实验表明多传感器融合的里程计估计方法可以消除由于双足机器人行走精度不足导致的累积误差,改善了里程计估计精度与机器人定位准确度。再次,对双足机器人失稳时的倒地保护规划展开研究。针对机器人在行走过程中有概率失稳摔倒的问题,分析了机器人倒地动力学与倒地保护约束,提出一种基于多目标优化的倒地轨迹优化方法。将双足机器人的小腿、大腿、躯干和手臂视为多阶倒立摆,通过分析倒地过程的运动方程和倒立摆稳定条件,模拟并规划了具有倒地保护能力的跌倒姿势。再结合运动学约束和物理约束,构建了摔倒轨迹改进的多目标优化算法,通过优化每个关节的角度和角速度,降低机器人跌落过程的角动量,从而实现最小动能着地。该方法减小了机器人与地面的冲击,降低了机器人硬件的损坏几率,通过仿真及样机实验验证了该方法的有效性。最后,由于双足机器人是多自由度的非线性复杂系统,在机器人上使用传统控制方法不能实现复杂环境下的稳定运动。本文对双足机器人复杂运动的轨迹规划问题展开研究。为改进现有复杂运动轨迹中足端轨迹计算繁杂,轨迹连接位置或速度不连续等问题,从机器人动力学模型入手,改进机器人上下楼梯、上下斜坡、曲线行走和一步转向等运动轨迹规划方法,简化运动轨迹中的几何计算,改善步态衔接时的轨迹连续性。为改进复杂运动轨迹的运动稳定性与灵活性,基于混合微粒群进化算法,考虑运动稳定性与轨迹连续性构建了ZMP约束和动能约束,结合双足机器人运动学约束对复杂运动轨迹进行轨迹优化,并基于小线段时间最优速度规划算法实现速度规划,改善了复杂运动时的ZMP稳定裕度与行走轨迹的动态特性。实验表明该方法有效的降低了双足机器人上下楼梯与斜坡运动的摔倒几率,增大了转向步态的最大单步转向角度,整体提高了机器人复杂环境下的运动稳定性与灵活性。综上所述,本文围绕复杂环境下双足机器人运动规划控制与定位导航相关问题展开研究,提出了适用于倒地运动与复杂行走的轨迹优化方法与多传感器融合的定位与导航方法,解决了机器人倒地保护、复杂环境运动等关键技术问题,为双足机器人规模化推广和应用奠定基础。
袁宏祥[2]（2021）在《激光截骨手术机器人系统标定与轨迹规划方法研究》文中进行了进一步梳理骨科手术作为常见的手术类型之一,手术术式多、难度高、需求大。其中,诸如颌骨、胫骨等部位的手术更是往往需要通过骨结构的分离、重新定位和修复来达到矫正发育不足、消除坏死组织、矫正畸形的治疗效果。在这类截骨手术中,医生除了要应对复杂的术区解剖环境外,还需要克服截骨工具的“不趁手”问题,增加了手术操作的难度,提高了该类手术的技术门槛。近年来,具备高精度和良好操作性的骨科手术机器人逐渐被应用于临床,既能替医生承担手术过程中的部分工作,减少医生心理压力,又为患者的临床治疗带来更加智能、精确的服务。特别是复杂的截骨手术中,定位、规划轨迹及截骨等精度要求高的环节都可以由机器人系统自主完成。因此,借助机器人辅助完成骨科手术将对骨组织的治疗提供重要的医疗价值。在此背景下,本文完成了以下研究:（1）结合骨科手术的临床需求,通过集成术前设计、术中导航、术中执行和激光工具等主要模块,搭建了通用型激光截骨手术机器人系统,并结合具体的手术应用案例设计了机器人截骨手术工作流程。通过分析截骨手术机器人系统构成及运动学求解,得到了进行系统标定和轨迹规划过程必需的数据信息。（2）针对激光截骨工具特殊性,通过分析各部分空间映射关系的建立过程,提出了一种非接触式的工具标定方法,并结合现有的导航系统手-眼标定流程,设计了一种机器人系统自动标定方法,以满足手术环节快速性的需求。实验结果表明,本文所设计的标定方法具有较高的精度、效率和稳定性。（3）针对机器人辅助截骨空间运动轨迹的特点,设计了手术机器人末端运动轨迹规划方法:从三维图像空间中提取的截骨曲线被分解成多个离散的目标位姿,找到理想的运动轨迹控制机器人末端顺序经过目标点。首先在三次样条函数中引入中间变量,将中间变量代入公式得到轨迹的长度函数和平滑度函数,以此作为轨迹优化过程的寻优目标,然后利用遗传算法实现对目标函数的全局优化。实验结果表明,本文所设计的轨迹规划方法能够有效提升手术机器人的运动过程的连续、稳定和安全。（4）以正颌手术中常见的上颌骨截骨术作为应用案例,对激光截骨手术机器人系统进行实验研究。在所搭建的激光截骨手术机器人实验平台基础上,通过分析临床手术的具体步骤,制定激光截骨手术机器人系统操作流程;将三维打印的头骨模型作为截骨目标,搭建模拟手术的实验环境;通过模拟完整的机器人辅助正颌手术临床操作流程,验证了本文所搭建系统的有效性和精度。
李正超[3]（2021）在《复杂不确定动态系统的鲁棒控制与应用》文中进行了进一步梳理在机械系统、电子电路、机器人等工程领域中,存在着许多关键的结构化子系统,这些子系统主要由具有不确定性或非线性的核心组件组成。研究这类复杂不确定动态系统的鲁棒控制问题,保证系统在不确定性扰动下的性能,具有重要的实际意义。本文在现有关于复杂不确定动态系统的研究基础上,针对状态依赖不确定复杂系统的鲁棒控制、滤波,利用状态依赖非线性的新型振动传感器的设计与应用和移动机器人的鲁棒导航控制和人机跟踪控制问题进行了较为全面的研究。通过构造一个新的参数依赖的Lyapunov泛函解决了状态依赖不确定系统的鲁棒稳定性分析与综合问题。基于参数依赖的Lyapunov泛函,首先给出开环不确定系统的稳定性条件。然后利用状态依赖不确定参数的特性,进一步推导出松弛稳定性判据来降低鲁棒稳定性条件的保守性。为了充分利用参数依赖的Lyapunov泛函,提出了一种更灵活的模型依赖状态反馈镇定方法。并将所提出的鲁棒控制器设计方法应用于蔡氏振荡器电路的同步控制。通过引入广义滤波性能指标-扩展耗散性,提出了一种针对状态依赖不确定系统的鲁棒滤波器设计方法,在统一框架内解决了经典的∞、2-∞、无源性、耗散性等鲁棒滤波问题。通过调整性能指标中的加权矩阵,可以根据实际应用或不同噪声选择合适的滤波策略。提出的鲁棒滤波设计方法同时考虑了对状态依赖参数不确定性和一般时变参数不确定性的扰动抑制性能。利用所提出的鲁棒滤波器设计方法,解决了不确定干扰下隧道二极管电路系统中的电流估计问题。针对绝对振动位移的实时测量问题,给出了一种利用状态依赖非线性准零刚度仿生结构的新型振动传感器。利用该新型仿生振动传感器,可以有效地解决传统使用加速度计测量位移方法带来的误差积累和实时性问题。该振动传感器为运动平台的绝对振动位移的测量提供了一种全新有效、便捷的测量方式。通过充分利用仿生振动传感器在绝对振动位移实时测量上的优势,针对具有快速时变特性的微弱故障的实时检测问题,提出了一种基于模型的在线故障检测算法。实验结果表明,所提出的故障检测方法比其他检测方法如多分辨率小波方法更精确、更灵敏。采用类动物肢体具有状态依赖非线性的仿生结构构建了新型被动悬架系统,并将其应用到了履带式移动机器人上。通过安装新型仿生悬架,可显着提高履带式移动机器人的承载能力、稳定性及越障能力,可应用于各种崎岖地形环境。重要的是,通过采用双层非线性模型预测控制（Nonlinear Model Predictive Control,NMPC）策略的鲁棒导航控制方法可以有效地增强对未知滑移扰动的抑制,提高轨迹跟踪精度和响应速度。上层NMPC以一个较低的频率优化全局轨迹跟踪性能,下层NMPC以一个较高的频率补偿局部动态性能。实验结果表明,新型被动仿生悬架可以有效地吸收越障过程中产生的强烈冲击,保证机器人运动的平稳性。基于双层NMPC的鲁棒导航控制方法则可以显着地提高机器人的瞬态响应和轨迹跟踪精度,且计算负担较小。针对履带式移动机器人的人机跟踪问题,给出了一种具有人体运动干扰补偿的鲁棒人机跟踪控制方法,以实现平稳可靠的快速人机跟踪。人机跟踪控制可在非结构化环境中辅助运输货物或者执行其他人机协同任务。人体运动的干扰补偿是将RGB-D（Red,Green,Blue-Depth）相机测量得到的空间上人体深度骨架信息与人体运动估计算法结合起来实现的。并应用第2章中提出的状态依赖不确定系统理论分析了该鲁棒人机跟踪控制器的稳定性和收敛性。通过手势识别和激光雷达传感器分别实现了人机交互和跟踪过程中的防撞设计。由直线、曲线轨迹跟踪实例,验证了所提出的鲁棒控制方法在改善人机跟踪控制性能上的优越性和有效性。
陈志峰[4]（2020）在《多传感器协同跟踪下远期调度》文中研究指明随着探测传感器资源日益多样化,将多传感器量测有效融合,可以获得更好的探测跟踪性能。为了保持目标的连续可观测性,优化调度传感器资源对目标进行探测尤其重要。随着传感器从地基平台拓展到空中平台,移动传感器的调度问题越来越受到重视。目标跟踪下移动传感器调度问题可以通过对移动传感器平台运动的有效控制,使传感器时刻保持对目标良好的观测性,从而获得更好的量测数据以提高目标的跟踪性能,其本质是非线性优化决策问题。本文研究多传感器协同跟踪下传感器远期调度,借鉴预测控制中滚动时域优化的思想提出了基于单步决策的远期调度和基于多步决策的远期调度,文主要工作如下:1.研究了多测角传感器协同跟踪下传感器远期调度策略。首先基于目标状态的多步预测估计了局部调度决策对目标跟踪误差长期影响,建立了基于单步决策的测角传感器远期调度模型。然后考虑目标运动过程和传感器量测的不确定性,建立了基于多步决策的测角传感器远期调度模型。采用滚动时域优化方法求解获得多测角传感器的运动轨迹。最后,仿真测试比较了不同调度决策下目标跟踪性能、分析了不同预测步长和决策步长参数下目标跟踪性能和避障能力。2.研究了机载双基外辐射源协同跟踪下传感器远期调度策略。在机载双基外辐射源定位体制下,利用到达角度、时差和多普勒频差量测对运动目标联合跟踪,推导目标跟踪误差后验克劳美罗下界。在此基础上建立了基于机载双基外辐射源单步决策远期调度模型和多步决策远期调度模型,该模型还考虑了无人机自身的运动方式、避碰、通信距离等一系列实际约束,并提出了多约束非线性优化求解算法。仿真结果显示:所提远期调度算法跟踪性能和避障能力均优于短期调度算法。3.研究了分布式MIMO雷达协同定位下传感器调度问题。首先,提出了一种改进凸松弛的启发式算法优化MIMO雷达的发射功率,通过快速功率调整策略和迭代修正松弛参数以实现总功率有限情况下分布式MIMO雷达功率优化分配。其次,提出了一种基于多步决策的远期调度算法优化MIMO雷达接收源的运动参数。通过对分布式MIMO雷达联合发射源功率分配和接收源运行轨迹优化进一步提高了目标定位跟踪性能,最后进行了仿真验证。
董航[5]（2019）在《基于焊工智能的机器人焊接轨迹规划及动态熔池监控方法》文中进行了进一步梳理随着我国工业生产模式的不断发展,作为“工业裁缝”的焊接技术也在逐渐向柔性化、精细化、智能化方向转型。焊接机器人也越来越多的应用于包括航天航空、船舶制造、铁路交通和汽车生产等行业中。然而现有焊接机器人在智能化方面尚有所欠缺,需要人工进行离线编程或示教,缺乏类似焊工在线焊接的适应性,并且在某些焊接工况下,机器人因无法感知在线焊接过程而不具备作业能力,必须由熟练焊工进行操作。本文从焊工智能角度入手,对机器人在线焊接过程进行了研究。借鉴焊接过程和生物特征两个方面的科学研究成果,对焊工智能进行了理论分析,提出了一种基于焊工智能（Welder’s Intelligence,WI）的连续动态控制模型,应用于焊接机器人实施在线焊接作业。以焊工智能为基础,从全局层面考虑机器人对焊接状态的感知、定义了全局奖励函数,用于进行多参数抽象行为模式选择,避免了机器人受困于当前或短期的最优状态。定义了焊工智能序列的驱动模式,将焊工复杂的识别、决策与行为过程抽象为序贯决策过程（Sequential Decision Process,SDP）模型,提炼了稳定性、周期性与全局性的特点,以用于指导机器人实现类似焊工的基于动态熔池的行为控制。焊接机器人轨迹是WI-SDP模型的重要组成部分,其决定的焊速与施加位置也是直接影响焊接质量的工艺参数（Welding Parameters,WP）。针对WI-SDP模型中行为动作设计问题,考虑机器人较焊工存在运动稳定的优势,提出一种基于三次样条曲线插值的解决方案,在机器人关节空间内生成多点连续平顺焊接轨迹,综合考虑了多点连续情况下机器人的运动约束,以机器人运行效率最高为目标,设计了机器人轨迹优化的运筹模型。提出一种连续两阶段并多步搜寻的混合遗传算法（Hybrid Genetic Algorithm,HGA）实现高效精确求解,克服了传统遗传算法在计算时出现的收敛效果差、精度不理想等问题。保证WI-SDP模型中机器人运动平顺稳定且工作效率最高,从机械运动理论的角度设计了机器人近似最优的焊接动作。动态熔池的在线观测、识别与分析,是焊工对熔池进行调节的基础,也是进行WI-SDP建模的前提条件。针对动态熔池监测过程中存在实时性强弧光干扰的问题,提出了一种监测信号的优化前处理方法,优化了 WI-SDP中的识别过程。以一种基于主动视觉的GTAW焊动态熔池测量实验为基础,设计类似焊工的滤波处理方法,对其动态熔池特征信号（Characteristic Performance,CP）和焊接工艺信号进行改善。其中CP采用野值检测与Kalman滤除,而WP直接采用Kalman滤波处理。使得机器人可以模拟焊工识别信号并处理眨眼、分神的影响,改善了信号接受质量,也为后续WI-SDP建模奠定了基础。动态熔池知识库形成,是焊工多年训练与学习能力的体现,也是WI-SDP动作模型设计的依据。针对现有焊接模型精度较低的问题,结合信号的优化前处理方法,提出了一种基于高斯过程回归（Gaussian Process Regression,GPR）的动态熔池建模方法,使机器人在接受适度焊接训练后,可以通过回忆与分析的方式将训练模型应用于新的动态焊接场景中,在训练中与动态焊接场景中均可达到较高的模型精度,使机器人具备类似焊工的形成知识库的能力,有效避免了使机器人准确掌握动态焊接极其复杂的物理模型的问题。当前焊接训练可达到95%以上的建模正确率,验证实验中,误差率不超过5%的样本比例也达到95%以上,得到了较高的模型精度。高精度模型的形成类似于高级焊工的知识库,也是WI-SDP模型中动作行为模式选择的前提。焊接工艺参数预测与动态熔池的实时预测与控制,是机器人焊接能力的体现,也是WI-SDP模型的核心部分。针对预测工艺信号不准确,在线控制效果不理想等问题,结合贝叶斯优化（Bayesian Optimazation Algorithm,BOA）理论,设计了 一种基于 GPR-BOA的WI-SDP动作预测方法。使机器人在焊接训练后,形成经验并可以通过调用模型的方式将训练经验应用于新的动态焊接作业中,预测记忆存在条件下的SDP动作序列,实现WP全局连续预测控制的目标。BOA方法的优势在于充分考虑了估计值的置信区间,并根据参数特点进行预测。设计了变焊速条件和变电流变焊速条件下的动态熔池连续控制实验,持续控制液态金属熔池的流动,进而实现对动态熔池的连续控制,获得受控的连续均匀的焊缝形貌,体现了 WI-SDP模型的有效性和实用性,为提升焊接机器人对复杂变工况的适应能力,提供了理论基础与技术支持。
方林旭[6]（2018）在《基于轨迹优化和运动学补偿的飞行操作臂视觉抓取》文中研究表明随着空中机器人技术的快速发展和成熟,无人机在越来越多的领域得到了成功的应用。如今,无人机在航拍等基于观测层面的运用已经十分成熟,但在其他领域的应用还存在诸多挑战。基于现有成熟的算法和扩展技术,越来越多的科研人员在无人机更进一步的应用领域做出了尝试和探索,包括最具有代表性的空中物流运输、空中操作和交互等等。对于飞行操作臂系统,作为无人机应用的新研究热点,从适应飞行系统的机械臂设计,到复杂系统的建模和控制器设计,再到自主感知和定位、智能规划等相关扩展技术的结合应用,都需要人们对其进行不断的研究。飞行操作臂系统的相关研究,通常是以无人机的抓取操作作为研究切入点。一般来说,对飞行操作臂进行精确和高机动的控制需要精确的动力学建模,然而,完全精确的动力学建模是具有挑战性的,目前大多数相关研究都是基于仿真或在简单的实际环境（如不考虑避障和碰撞）下的进行的,现有的普通视觉伺服方法难以完成稍微复杂环境下的无碰撞抓取任务。为了解决这些问题,本文通过改进一种轻型的机械臂来减少对系统的动力学干扰,提出了一种基于运动学的视觉抓取方法,该抓取方法能够不依赖系统的动力学模型,避免了飞行操作臂系统动力学参数获取困难的问题。针对现有飞行操作臂系统视觉伺服相关研究存在易丢失跟踪目标以及无法进行无碰撞等复杂环境约束抓取的缺点,本文研究和设计一种利用单目视觉相机实现的能够实时跟踪目标并获取目标位姿的视觉系统,同时通过将轨迹规划问题转换为具有多个目标和约束的优化问题,采用基于NSGA-II的多目标优化算实现轨迹优化的求解。相比于现有研究的另一个创新点是,本文考虑了基于运动学控制的机械臂在运动时由动力学因素和外界因素产生的位姿变化问题,提出一种轨迹修正的方案,并设计了一种基于滤波和时间分割插补控制的轨迹跟踪器来保证飞行抓取任务能够顺利地完成,本文中所提出的飞行机械臂视觉抓取方法最终通过真实实验进行验证。通过运用本文提出的相关抓取方法,能够实现飞行操作臂系统在较复杂约束下的自主视觉抓取操作,且不依赖于的完整的动力学模型,在一定干扰下依然能够保证平稳的抓取,具有较高的成功率和普适性。简而言之,本文所研究的方法,推进了无人机的进一步应用,具有较高的意义。
刘超[7]（2017）在《含单面约束的多体飞行器内蕴控制与轨迹生成方法》文中研究表明所谓的单面约束,是指只能提供单项约束力的约束,本文特指绳索类约束。含单面约束的多体飞行器系统,指利用绳索将飞行器系统和其他刚体系统联接,来完成牵引、运输等任务的系统。含单面约束的多体飞行器系统在工程上有很强的应用背景,其中利用绳索携带挂载的无人机系统在军事和民用领域均有广阔的应用前景。然而挂载在载机机动的过程中,极易发生振荡,对系统的飞行品质造成影响,甚至会使系统失稳。因而解决含单面约束的多体飞行器系统的载荷的无振荡跟踪问题成为推广无人机挂载空中运输的首要问题。本文以携带挂载的小型四旋翼无人机为研究对象,从微分几何的角度探索了挂载的无振荡快速跟踪问题。围绕这个问题,论文从系统的几何建模、内蕴几何控制、系统位形及切空间内广义速度观测和位形流形切丛上的轨迹生成等几方面进行研究。针对传统方法对含单面约束的多自由度系统建模、分析困难的问题,从微分几何的角度对含单面约束的多体飞行器系统建模与分析方法展开研究。利用混合动态系统对单面约束进行描述,避免单面约束直接求解。用李群和齐次流形对混合动态系统的连续子系统进行描述,通过最小位能原理建立了系统的几何动力学模型,并基于Levi-Civita联络给出了系统更为紧凑的内蕴动力学方程。利用状态受限的线性系统可控性判别方法,分析了系统局部可控性。随后对载机的动力系统进行研究,建立了稳定电压下电机转速与螺旋桨升力和力矩的模型。针对多体系统挂载的无振荡快速跟踪问题,研究了多体系统位形流形上直接设计鲁棒几何控制器的方法,设计了不基于局部坐标的多体系统载荷无振荡内蕴几何跟踪控制器。通过奇异摄动理论和串级控制思想,给出了绳索受力时挂载的跟踪控制器结构;将高维流形上的欠驱动跟踪问题转换为低维子流形上的积分曲线跟踪问题。利用非奇异终端滑模面和Super-Twisting算法设计了SO（3）上姿态位形的大范围有限时间收敛控制器;随后讨论了SO（3）上驻点的存在性与及对系统的影响,利用混合动态误差实现了SO（3）上姿态位形的全局有限时间收敛。针对二维球面S2上的载荷方位姿态位形跟踪控制问题,设计了二维球面上的滑模控制器,进一步将传统欧氏空间的滑模算法和指数趋近律推广至非平坦二维球面。设计了载荷位置跟踪控制器,并实现控制器综合,从理论上严格证明了在姿态位形收敛的基础上,载荷的方位角姿态位形与载荷位置是渐近收敛的。针对载机姿态位形获取困难使得位形流形上的几何反馈难以实现的问题,对SO（3）上的姿态位形重构方法展开研究,实现了载机姿态位形的精确重构。在利用SO（3）上的ECF（显式互补滤波器）实现载机姿态位形的重构的基础上,讨论了载机运动加速度对位形重构结果的影响,提出了运动加速度补偿方案,减小载机机动过程中运动加速度对位形重构结果的影响。考虑到加速度补偿误差及机动过程中电机转速变化对磁航向计的影响,设计了自适应函数对传感器误差权值进行在线修正,提出了AECF（自适应显式互补滤波器）姿态重构方法,进一步提高了位形重构结果的精确度和可靠性。考虑多体系统位形流形切空间内广义速度不可直接测量的情况,从Riemann流形的性质出发,研究了多体飞行器系统的鲁棒内蕴观测器设计方法,为系统全状态几何控制器的实现提供了必要条件。利用系统的Riemann内蕴信息,设计了Riemann流形上一类力学系统的Super-Twisting内蕴观测器,并根据多体系统特殊的几何性质,将内蕴观测器推广至李群SO（3）、二维球面S2和平坦三维欧氏空间3上。实现了载机姿态变化率、载荷方位角速率、载荷速度的观测,设计了绳索受力子系统的多时间尺度内蕴观测器。为多体飞行器系统的全状态几何反馈控制提供必要的位形信息和广义速度信息。针对多体飞行器系统自由度多且欠驱动特性较强使得轨迹生成困难的问题,利用系统的平滑特性,研究了多体飞行器系统高维切丛空间内的轨迹规划方法,为实现载荷的无振荡跟踪提供必要保障。讨论了绳索受力的多体飞行器系统的微分平滑特性,明确了切丛内系统的各状态量与平滑输出的关系。同时利用微分平滑映射,将切丛内的轨迹优化问题转化为低维平坦空间内的轨迹优化问题。随后利用分段多项式将平滑输出空间内的轨迹参数化,将轨迹优化问题转化为分段多项式控制点状态的非线性规划问题。仿真表明,所提供的方法可以有效地为含单面约束的多体飞行器系统在有障碍物的环境中生成满足要求的可行轨迹。
张梦甜[8]（2017）在《多移动观测平台纯角度目标跟踪融合算法研究》文中指出纯角度目标跟踪,由于观测平台无需发射电磁波等信号,只需被动接收目标客观存在的辐射信息或者是目标对其它光源的反射能量,就可以定位并跟踪目标,因此成为国内外学者研究的热门课题。纯角度跟踪系统具备很强的隐蔽性和生存能力,而多移动观测平台纯角度目标跟踪系统更是具有搜索范围大、作用距离远和可靠性高等显着特点,特别适合于广阔海域和空域的监视。本论文对多移动观测平台纯角度目标跟踪融合算法进行了比较深入的研究,提出了一些新的思路和方法,所做工作及成果如下:（1）研究了三维空间中多观测平台纯角度目标跟踪的系统框架,建立了几种典型的目标运动模型和量测模型。基于所建立的系统模型,讨论了 Monte Carlo法,定义了均方根误差（RMSE）等常用的目标跟踪性能评估指标。（2）推导了三维空间多观测平台测向交叉定位最小二乘算法公式系,引入几何精度因子（GDOP）刻画定位精度,并给出了三维空间多观测平台目标定位的GDOP解析表达式。分别针对非机动目标和机动目标进行了交叉定位跟踪的仿真验证分析,绘制了GDOP分布图,结果表明,所提出的算法可以实现对目标的有效跟踪。（3）对比分析了扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）两种滤波算法的性能,提出了将平方根无迹卡尔曼滤波算法（SR-UKF）用于多观测平台纯角度融合跟踪系统。基于SR-UKF,提出了一种先量测融合、后航迹融合的分布式融合跟踪算法,相对EKF和UKF,该算法能适应跟踪精度和稳定性要求更高的目标跟踪系统,实验结果验证了该算法的有效性。（4）针对传感器网络观测系统,提出了一种基于最小GDOP的观测平台优化选择方法。该方法首先根据交叉定位得到的目标粗略位置,通过最小化GDOP,利用粒子群优化（PSO）算法快速搜索最优传感器组合,结合SR-UKF滤波算法解算出更精确的目标位置,并根据目标飞行轨迹的变化动态调整参与观测的传感器。理论分析和仿真实验验证了该方法的可行性和有效性,对大规模传感器网络目标跟踪系统中的传感器优化调度具有较强的适用性。（5）针对观测平台可移动的情况,提出了一种基于最小GDOP的观测平台机动策略。针对静止和运动目标,分别给出了可移动观测平台的机动策略。仿真结果表明,本论文提出的观测平台机动策略提高了目标跟踪系统的鲁棒性和稳定性。在海对空、空对空和路径约束下的地对空三种目标跟踪场景下,均能实现有效跟踪,且目标跟踪性能优于静止观测平台跟踪系统。
刘少华,顾晓婕,鲁希团[9]（2011）在《基于PSO的多观测器轨迹优化研究》文中认为在多观测站目标被动跟踪过程中,多观测器运动轨迹对定位跟踪精度有重要影响。为提高对运动目标的跟踪精度,将目标滤波协方差的迹作为目标优化函数,提出一种基于粒子群算法（Particle Swarm Optimi-zation,PSO）的多观测器轨迹优化方法,并将轨迹优化加入运动目标被动跟踪过程中,实现了观测器自适应运动下的运动目标被动跟踪。在借鉴单站测角被动跟踪轨迹优化基本规则的基础上,给出多观测器偏航角约束条件,有效减小了优化算法搜索范围,提高了算法效率。针对目标转弯机动进行仿真研究,结果表明该算法可以有效减小对机动目标的位置、速度及角度跟踪误差,并分析得出多观测器的基本运动趋势。
顾晓婕,王新民,李俨[10]（2011）在《基于多模型切换的多观测器轨迹优化研究》文中提出充分考虑辐射源信号覆盖范围带来的观测约束,提出一种基于动态区间划分的多模型切换轨迹优化算法.该算法根据可探测区域内的观测器构造子区间划分特征向量,在不同的控制层使用相应的切换策略分别设计观测器运动规则、构造性能指标函数.根据设定的目标优化函数,在切换子层综合多种优化算法分别对不同的观测器进行轨迹优化.仿真表明,该方法能够有效解决观测约束下的匀速运动目标轨迹优化问题,具有一定的工程应用价值.
二、被动式跟踪中轨迹优化问题的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、被动式跟踪中轨迹优化问题的研究（论文提纲范文）
（1）双足机器人复杂环境下定位、导航和规划（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 双足机器人国内外发展现状 |
| 1.1.1 双足机器人国外发展现状 |
| 1.1.2 双足机器人国内发展现状 |
| 1.1.3 中小型双足机器人平台发展现状 |
| 1.2 双足机器人步态规划及稳定性研究现状 |
| 1.2.1 双足机器人步态规划方法现状 |
| 1.2.2 双足机器人稳定性判断依据现状 |
| 1.3 双足机器人SLAM现状 |
| 1.4 双足机器人倒地运动规划研究现状 |
| 1.5 双足机器人复杂运动规划研究现状 |
| 1.6 本文主要研究内容和意义 |
| 1.6.1 研究的目的和意义 |
| 1.6.2 本领域科学问题 |
| 1.6.3 本文主要研究的内容 |
| 第2章 基于ZMP和倒立摆模型的双足机器人步态规划与控制方法 |
| 2.1 引言 |
| 2.2 双足机器人运动学模型 |
| 2.3 双足机器人行走稳定性 |
| 2.3.1 基于零力矩点的稳定性判据 |
| 2.3.2 ZMP的测量 |
| 2.3.3 ZMP与机器人运动的关系 |
| 2.4 基于倒立摆模型的双足步态轨迹规划 |
| 2.4.1 线性倒立摆模型 |
| 2.4.2 着地相轨迹规划 |
| 2.4.3 摆动相轨迹规划 |
| 2.5 通用型双足步态反馈控制方法 |
| 2.6 全自主双足机器人系统 |
| 2.6.1 硬件系统 |
| 2.6.2 软件系统 |
| 2.6.3 机器人平台对比 |
| 2.7 双足机器人行走实验 |
| 2.8 本章小结 |
| 第3章 基于多传感器融合的复杂环境下双足机器人定位和导航 |
| 3.1 引言 |
| 3.2 双足机器人视觉定位与导航系统构架 |
| 3.2.1 双目视觉定位系统 |
| 3.2.2 基于ORB-SLAM的建图与定位 |
| 3.3 稠密地图转换与导航地图生成 |
| 3.3.1 构建稠密点云地图 |
| 3.3.2 地图存储与转换 |
| 3.3.3 构建全局二维导航地图 |
| 3.4 双足机器人导航路径与足迹序列生成 |
| 3.4.1 基于人工势场法的双足行走路径规划 |
| 3.4.2 导航路径柔顺与足迹序列生成 |
| 3.5 基于粒子滤波的IMU数据融合里程计 |
| 3.5.1 粒子滤波器设计 |
| 3.5.2 基于粒子滤波的里程计估计 |
| 3.6 基于TCN的多传感器融合里程计 |
| 3.6.1 基于EKF的IMU预测 |
| 3.6.2 IMU更新 |
| 3.6.3 基于数据融合的里程计更新 |
| 3.6.4 基于TCN的IMU噪声估计 |
| 3.7 双足机器人SLAM实验 |
| 3.7.1 双足机器人定位导航实验 |
| 3.7.2 双足机器人里程计实验 |
| 3.8 本章小结 |
| 第4章 基于多目标优化的双足机器人倒地保护研究 |
| 4.1 引言 |
| 4.2 倒地状态分析 |
| 4.2.1 双足机器人倒地ZMP判据 |
| 4.2.2 四阶倒立摆的运动方程 |
| 4.3 双足机器人倒地动力学分析 |
| 4.3.1 双足机器人倒地处理 |
| 4.3.2 倒地运动角动量分析 |
| 4.3.3 倒地运动关节力分析 |
| 4.4 双足机器人倒地优化约束条件 |
| 4.4.1 运动学约束 |
| 4.4.2 实际物理约束 |
| 4.5 双足机器人倒地保护轨迹多目标优化方法 |
| 4.5.1 双足机器人倒地优化分析 |
| 4.5.2 改进动态多目标优化算法 |
| 4.5.3 稳定性优化 |
| 4.5.4 角动量优化 |
| 4.6 双足机器人倒地保护实验 |
| 4.7 本章小结 |
| 第5章 基于混合微粒群进化算法的双足机器人复杂运动轨迹规划 |
| 5.1 引言 |
| 5.2 双足机器人运动规划约束条件 |
| 5.3 双足机器人复杂运动轨迹规划 |
| 5.3.1 楼梯运动 |
| 5.3.2 上下斜坡运动 |
| 5.3.3 曲线行走运动 |
| 5.3.4 一步转向运动 |
| 5.4 基于微粒群算法的复杂运动轨迹优化 |
| 5.4.1 混合微粒群进化算法 |
| 5.4.2 复杂运动轨迹优化算法 |
| 5.4.3 算法对比实验 |
| 5.5 基于小线段时间最优速度规划算法 |
| 5.5.1 基于可达性分析的时间最优速度规划 |
| 5.5.2 基于可达性分析的时间最优问题算法 |
| 5.5.3 分段时间最优速度规划算法 |
| 5.5.4 时间最优速度规划算法仿真与实验 |
| 5.6 双足机器人复杂运动实验 |
| 5.6.1 走楼梯实验 |
| 5.6.2 走斜坡实验 |
| 5.6.3 一步转向实验 |
| 5.6.4 复杂运动综合仿真实验 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（2）激光截骨手术机器人系统标定与轨迹规划方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 外科手术机器人研究现状 |
| 1.2.2 辅助截骨手术机器人研究现状 |
| 1.3 课题研究意义与目的 |
| 1.4 本文主要研究内容 |
| 第2章 激光截骨手术机器人系统构建 |
| 2.1 引言 |
| 2.2 激光截骨手术机器人系统构成 |
| 2.2.1 术前设计模块 |
| 2.2.2 术中导航模块 |
| 2.2.3 术中执行模块 |
| 2.2.4 激光工具模块 |
| 2.3 激光截骨手术机器人工作流程 |
| 2.4 机器人运动学分析 |
| 2.4.1 正运动学建模和解算 |
| 2.4.2 运动学逆解 |
| 2.5 本章小结 |
| 第3章 激光截骨手术机器人系统标定方法 |
| 3.1 引言 |
| 3.2 机器人标定方法 |
| 3.2.1 基于奇异值分解的标定原理 |
| 3.2.2 术前-术中空间坐标转换方法 |
| 3.2.3 非接触式激光工具标定方法 |
| 3.3 一种快速自动标定方法 |
| 3.4 自动标定精度验证实验 |
| 3.5 本章小结 |
| 第4章 激光截骨手术机器人末端运动轨迹规划 |
| 4.1 引言 |
| 4.2 术前截骨轨迹规划 |
| 4.3 笛卡尔空间轨迹规划 |
| 4.3.1 三次样条插值基本原理与分析 |
| 4.3.2 基于遗传算法的轨迹优化方法 |
| 4.4 基于Matlab的仿真实验研究 |
| 4.5 本章小结 |
| 第5章 激光截骨手术机器人系统实验验证 |
| 5.1 引言 |
| 5.2 机器人系统手术操作流程 |
| 5.3 机器人系统精度验证实验 |
| 5.3.1 术前-术中空间坐标转换精度验证 |
| 5.3.2 系统控制精度验证 |
| 5.4 模拟手术实验 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（3）复杂不确定动态系统的鲁棒控制与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和动机 |
| 1.2 研究现状 |
| 1.2.1 鲁棒稳定性分析和综合 |
| 1.2.2 鲁棒滤波器设计 |
| 1.2.3 利用状态依赖非线性的振动传感器 |
| 1.2.4 移动机器人的鲁棒导航控制 |
| 1.2.5 移动机器人的鲁棒跟踪控制 |
| 1.3 主要研究内容和结构 |
| 第2章 状态依赖不确定系统的鲁棒控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 鲁棒稳定性分析 |
| 2.4 状态反馈控制器设计 |
| 2.5 仿真算例 |
| 2.5.1 算例 1: 稳定性分析 |
| 2.5.2 算例 2: 蔡氏振荡器同步控制 |
| 2.6 本章小结 |
| 第3章 状态依赖不确定系统的鲁棒滤波 |
| 3.1 引言 |
| 3.2 系统模型和滤波问题描述 |
| 3.3 鲁棒滤波性能分析与设计 |
| 3.4 仿真算例 |
| 3.5 本章小节 |
| 第4章 利用状态依赖非线性的仿生振动传感器 |
| 4.1 引言 |
| 4.2 传感器模型描述和分析 |
| 4.3 在故障检测中的应用 |
| 4.4 实验结果 |
| 4.4.1 绝对振动位移测量 |
| 4.4.2 使用绝对振动位移的故障检测 |
| 4.5 本章小结 |
| 第5章 仿生悬架履带机器人的鲁棒导航 |
| 5.1 引言 |
| 5.2 仿生悬架系统的描述和分析 |
| 5.2.1 结构设计概念 |
| 5.2.2 仿真和实验验证 |
| 5.3 基于模型预测控制的鲁棒自主导航 |
| 5.3.1 机器人硬件描述 |
| 5.3.2 未考虑滑移的运动学模型 |
| 5.3.3 单层控制算法 |
| 5.3.4 考虑滑移的运动学模型 |
| 5.3.5 考虑滑移扰动的双层控制算法 |
| 5.3.6 可行性、稳定性及鲁棒性分析 |
| 5.4 实验结果 |
| 5.4.1 实验环境设置 |
| 5.4.2 穿越障碍物性能评估 |
| 5.4.3 不同优化算法下轨迹跟踪结果比较 |
| 5.5 本章小结 |
| 第6章 移动机器人鲁棒人机跟踪控制 |
| 6.1 引言 |
| 6.2 人机跟踪控制问题的描述和分析 |
| 6.2.1 履带式移动机器人硬件 |
| 6.2.2 采用传统PID控制器的人机跟踪系统 |
| 6.3 具有干扰补偿的鲁棒人机跟踪控制器设计 |
| 6.3.1 人机跟踪控制运动学模型 |
| 6.3.2 鲁棒人机跟踪控制器设计 |
| 6.3.3 人体运动估计 |
| 6.3.4 控制器稳定性和收敛性分析 |
| 6.3.5 人机跟踪控制算法设计 |
| 6.4 实验结果 |
| 6.4.1 实验系统设置 |
| 6.4.2 直线跟踪轨迹 |
| 6.4.3 曲线跟踪轨迹 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（4）多传感器协同跟踪下远期调度（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多传感器协同跟踪研究现状 |
| 1.2.2 协同跟踪下传感器调度研究现状 |
| 1.3 本文主要研究内容与章节安排 |
| 第二章 多传感器协同跟踪下传感器调度基础理论 |
| 2.1 引言 |
| 2.2 多传感器协同跟踪基础理论 |
| 2.2.1 目标运动模型 |
| 2.2.2 传感器量测模型 |
| 2.2.3 典型非线性滤波跟踪算法 |
| 2.3 协同跟踪中传感器调度基础理论 |
| 2.3.1 协同跟踪中传感器调度 |
| 2.3.2 协同跟踪中传感器调度性能评价指标 |
| 2.4 本章小结 |
| 第三章 纯角度量测多传感器协同跟踪下远期调度 |
| 3.1 前言 |
| 3.2 问题描述 |
| 3.2.1 传感器运动模型和调度动作 |
| 3.2.2 系统状态及状态转移律 |
| 3.2.3 系统观测及观测律 |
| 3.2.4 优化目标函数 |
| 3.3 纯角度量测多传感器协同跟踪下传感器远期调度 |
| 3.3.1 基于单步决策的传感器远期调度 |
| 3.3.2 基于多步决策的远期调度 |
| 3.4 基于角度量测的多传感器协同跟踪 |
| 3.4.1 测向交叉定位 |
| 3.4.2 基于UKF的目标状态估计 |
| 3.4.3 调度决策的优化求解 |
| 3.5 仿真测试与分析 |
| 3.5.1 单步决策远期调度策略下跟踪性能分析 |
| 3.5.2 多步决策远期调度策略下跟踪性能分析 |
| 3.5.3 多步决策远期调度策略下避障性能 |
| 3.6 本章小结 |
| 第四章 机载双基外辐射源协同跟踪下远期调度 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 目标状态及状态转移律 |
| 4.2.2 接收源观测及观测律 |
| 4.2.3 无人机运动模型和调度决策 |
| 4.2.4 优化目标函数 |
| 4.3 机载双基外辐射源协同定位下无人机远期调度 |
| 4.3.1 基于单步决策的机载双基外辐射源定位下短期调度 |
| 4.3.2 基于单步决策的机载双基外辐射源定位下远期调度 |
| 4.3.3 基于多步决策的机载双基外辐射源定位下远期调度 |
| 4.4 机载双基外辐射源雷达协同定位 |
| 4.4.1 基于角度/距离和/距离和变化率联合定位下最小二乘估计 |
| 4.4.2 基于无迹采样的目标状态估计 |
| 4.4.3 基于罚函数的远期调度优化求解 |
| 4.5 仿真测试与分析 |
| 4.5.1 单步决策远期调度下双基外辐射源目标跟踪性能分析 |
| 4.5.2 多步决策远期调度下双基外辐射源定位性能分析 |
| 4.5.3 多步远期调度下无人机避障性能分析 |
| 4.6 本章小结 |
| 第五章 分布式MIMO雷达协同跟踪下传感器资源调度 |
| 5.1 前言 |
| 5.2 MIMO雷达协同定位下功率资源优化 |
| 5.2.1 问题描述与建模 |
| 5.2.2 基于CRLB的功率优化分配模型 |
| 5.2.3 基于功率调整的改进凸松弛启发式算法 |
| 5.3 MIMO雷达协同跟踪下多接收源协同远期调度 |
| 5.3.1 问题描述 |
| 5.3.2 MIMO雷达多接收源协同远期调度 |
| 5.3.3 MIMO雷达基于双基距离变化率的协同定位 |
| 5.4 仿真结果与分析 |
| 5.4.1 MIMO雷达功率优化性能分析 |
| 5.4.2 MIMO雷达接收源远期调度跟踪性能分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）基于焊工智能的机器人焊接轨迹规划及动态熔池监控方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 工业机器人 |
| 1.2.2 焊接机器人 |
| 1.2.3 焊工视觉驱动的机器人在线监测技术 |
| 1.2.4 焊工思维驱动的机器人控制方法 |
| 1.2.5 焊工体觉驱动的机器人轨迹规划研究 |
| 1.3 本文目标及研究思路 |
| 2 焊工智能解析与机器人控制模型建立 |
| 2.1 引言 |
| 2.2 基于焊接工艺研究的焊工智能的分析 |
| 2.3 基于生物特征的焊工智能的分析 |
| 2.4 焊工智能数学模型分析 |
| 2.5 在线焊接机器人的WI-SDP控制模型建立 |
| 2.6 本章小结 |
| 3 焊接机器人最优时间多点平滑轨迹生成 |
| 3.1 引言 |
| 3.2 机器人多点连续路径的规划方案 |
| 3.3 焊接机器人关节空间多点轨迹规划建模 |
| 3.3.1 焊接机器人轨迹规划问题分析 |
| 3.3.2 关节空间轨迹三次样条规划 |
| 3.3.3 多点关节路径运筹模型建立 |
| 3.4 混合遗传算法理论模型 |
| 3.4.1 多点关节轨迹运筹问题求解分析 |
| 3.4.2 遗传算法求解关节轨迹问题 |
| 3.4.3 应用遗传算法及改进策略分析 |
| 3.5 基于混合遗传算法实现机器人最优时间多点轨迹生成 |
| 3.5.1 混合多层次搜寻算法 |
| 3.5.2 搜寻初始值的估计方法 |
| 3.5.3 多层次搜寻的区间定位与更新原则 |
| 3.6 仿真实验及算法结果分析 |
| 3.6.1 仿真实验背景描述 |
| 3.6.2 基本遗传算求解轨迹问题 |
| 3.6.3 混合搜寻算法求解轨迹问题 |
| 3.6.4 算法仿真结果分析与比较 |
| 3.7 本章小结 |
| 4 在线焊接熔池动态监测与信息处理 |
| 4.1 引言 |
| 4.2 动态熔池监测系统 |
| 4.3 动态熔池三维液态表面恢复算法 |
| 4.4 熔池动态信息采集与信号处理 |
| 4.4.1 野值的识别与滤除 |
| 4.4.2 卡尔曼滤波处理熔池采集信号 |
| 4.5 熔池信号动态补偿滤波实验结果及数据分析 |
| 4.5.1 熔池信号质量的改善 |
| 4.5.2 熔池动态信号处理实验测试 |
| 4.5.3 滤波方法的性能比较 |
| 4.6 本章小结 |
| 5 基于焊工智能的在线焊接模型建立及实验验证 |
| 5.1 引言 |
| 5.2 焊工智能驱动的高斯过程回归模型建立 |
| 5.2.1 基于高斯过程回归的训练式在线焊接建模 |
| 5.2.2 焊工智能驱动的高斯过程回归训练模型建立 |
| 5.2.3 GPR模型核函数与超参数选择方法 |
| 5.2.4 GPR模型评价策略 |
| 5.3 建模实验结果及模型分析 |
| 5.3.1 建模结果与对比分析 |
| 5.3.2 KF-GPR建模有效性验证 |
| 5.4 基于贝叶斯优化理论的动态熔池控制方法 |
| 5.4.1 基于贝叶斯优化理论的控制信号预测方法 |
| 5.4.2 预测结果仿真分析 |
| 5.5 基于GPR-BOA模型的动态熔池控制实验结果 |
| 5.4.1 变焊速条件下的熔池动态控制实验 |
| 5.4.2 变电流变焊速条件下的熔池动态控制实验 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（6）基于轨迹优化和运动学补偿的飞行操作臂视觉抓取（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 飞行操作臂系统的研究现状与分析 |
| 1.2.1 国内外研究现状 |
| 1.2.2 国内外研究现状总结 |
| 1.3 本文主要研究内容 |
| 1.4 本文组织结构 |
| 第2章 轻型飞行机械臂设计及其运动学模型 |
| 2.1 轻型飞行机械臂的结构 |
| 2.2 笛卡尔空间运动学模型建立 |
| 2.2.1 正运动学模型 |
| 2.2.2 逆运动学模型 |
| 2.3 机械臂关节的角度标定 |
| 2.4 本章小结 |
| 第3章 视觉跟踪系统 |
| 3.1 视觉跟踪框架介绍和分析 |
| 3.2 视觉跟踪系统的实现 |
| 3.2.1 基于AprilTag的目标估计 |
| 3.2.2 视觉目标的伺服追踪 |
| 3.2.3 摄像机和关节坐标系的位姿关系标定 |
| 3.3 本章小结 |
| 第4章 轨迹优化和运动学补偿控制 |
| 4.1 轨迹优化 |
| 4.1.1 问题描述 |
| 4.1.2 基于关节空间的轨迹描述 |
| 4.2 基于NSGA-Ⅱ的轨迹多目标优化 |
| 4.2.1 目标和约束 |
| 4.2.2 基于NSGA-Ⅱ的优化求解 |
| 4.3 运动学补偿控制 |
| 4.3.1 轨迹修正 |
| 4.3.2 轨迹跟踪器 |
| 4.4 本章小结 |
| 第5章 实验 |
| 5.1 实验环境和实物平台配置 |
| 5.2 视觉跟踪和机械臂运动学验证 |
| 5.3 基于NSGA-Ⅱ的轨迹优化实验 |
| 5.4 轨迹跟踪器实验 |
| 5.5 飞行抓取综合实验 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（7）含单面约束的多体飞行器内蕴控制与轨迹生成方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 题目来源 |
| 1.1.2 含单面约束多体飞行器系统概述 |
| 1.1.3 研究意义 |
| 1.2 国内外相关领域研究进展 |
| 1.2.1 含单面约束多体飞行器系统研究进展 |
| 1.2.2 几何建模与内蕴控制技术研究进展 |
| 1.2.3 Riemann流形上的位形估计 |
| 1.2.4 Riemann流形上的轨迹生成技术 |
| 1.3 本文所关注的问题 |
| 1.4 论文章节安排 |
| 第2章 基于微分几何的多体系统建模与分析 |
| 2.1 引言 |
| 2.2 微分几何基础 |
| 2.2.1 李群与李代数 |
| 2.2.2 指数映射与对数映射 |
| 2.2.3 Riemann度规、Riemann联络与曲率张量 |
| 2.2.4 Riemann流形上的力学系统 |
| 2.2.5 流形上的变分 |
| 2.3 多体飞行器微分几何建模与分析 |
| 2.3.1 SE(3)×S~2上载荷受约束的多体动力学建模 |
| 2.3.2 SE(3)×R~3上载荷自由的多体动力学建模 |
| 2.3.3 混合动态系统描述 |
| 2.3.4 系统微分几何模型能控性分析 |
| 2.3.5 挂载振荡特性分析 |
| 2.4 载体飞行器动力系统建模 |
| 2.4.1 载体飞行器工作原理 |
| 2.4.2 电机-空气螺旋桨系统建模 |
| 2.4.3 实验与动力系统建模 |
| 2.5 本章小结 |
| 第3章 李群及齐次流形上的多体系统载荷跟踪控制 |
| 3.1 引言 |
| 3.2 SE(3)×S~2上挂载多体系统载荷跟踪控制器结构 |
| 3.3 SO(3)上的载机姿态有限时间收敛几何控制器 |
| 3.3.1 SO(3)上的载机姿态大范围有限时间收敛控制器 |
| 3.3.2 SO(3)上的载机姿态全局有限时间收敛控制器 |
| 3.4 S2上的载荷方位姿态控制器设计 |
| 3.5 平坦空间上的载荷位置控制器设计 |
| 3.6 仿真与分析 |
| 3.6.1 载机姿态跟踪仿真与分析 |
| 3.6.2 载荷位置跟踪仿真与分析 |
| 3.7 本章小结 |
| 第4章 SO(3)上的多体系统载机姿态位形重构方法 |
| 4.1 引言 |
| 4.2 SO(3)上的自适应互补滤波姿态位形重构技术 |
| 4.2.1 传感器模型与问题描述 |
| 4.2.2 SO(3)上的互补滤波 |
| 4.2.3 SO(3)上的ECF显式互补滤波器 |
| 4.2.4 运动加速度补偿分析 |
| 4.2.5 SO(3)上基于自适应增益的AECF姿态位形重构 |
| 4.3 AECF仿真实验结果与分析 |
| 4.3.1 仿真结果与分析 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 多体飞行器系统的内蕴滑模观测器设计 |
| 5.1 引言 |
| 5.2 Riemann流形上的内蕴滑模观测器 |
| 5.2.1 内蕴Luenberger观测器 |
| 5.2.2 内蕴Super-Twisting滑模观测器 |
| 5.3 李群上的滑模内蕴观测器设计 |
| 5.4 S~2上的滑模内蕴观测器设计 |
| 5.5 SE(3)×S~2上多体飞行器系统的内蕴观测器设计 |
| 5.6 仿真与分析 |
| 5.6.1 多时间尺度内蕴Super-Twisting观测器仿真 |
| 5.6.2 基于多时间尺度内蕴Super-Twisting观测器的载荷跟踪 |
| 5.7 本章小结 |
| 第6章 非平坦流形上高维欠驱动系统的轨迹优化方法 |
| 6.1 引言 |
| 6.2 微分平滑 |
| 6.3 SE(3)×S~2上绳索受力子系统的微分平滑属性 |
| 6.4 基于微分平滑的轨迹生成技术 |
| 6.4.1 平滑输出空间内的平滑输出参数化 |
| 6.4.2 平滑输出空间内无环境约束的轨迹生成技术 |
| 6.4.3 平滑输出空间内含环境约束的轨迹生成技术 |
| 6.4.4 基于内点法与SQP的非线性规划 |
| 6.5 仿真与分析 |
| 6.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 多体飞行器系统模型线性化 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
| 作者简介 |
（8）多移动观测平台纯角度目标跟踪融合算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 纯角度目标跟踪研究发展现状 |
| 1.2.2 多观测平台数据融合算法研究发展现状 |
| 1.2.3 观测平台调度与机动策略研究发展现状 |
| 1.3 本论文主要研究内容 |
| 1.4 本论文章节内容安排 |
| 1.5 本章小结 |
| 2 多观测平台纯角度目标跟踪基础 |
| 2.1 多观测平台纯角度目标跟踪系统框架 |
| 2.2 目标运动模型 |
| 2.2.1 匀速和匀加速模型 |
| 2.2.2 辛格(Singer)加速度模型 |
| 2.2.3 均值自适应加速度模型 |
| 2.3 三维空间多观测平台纯角度量测模型 |
| 2.4 Monte Carlo法及常用统计指标 |
| 2.5 本章小结 |
| 3 测向交叉定位与几何精度因子 |
| 3.1 多观测平台测向交叉定位算法 |
| 3.1.1 最小二乘交叉定位原理 |
| 3.1.2 最小二乘定位用于目标跟踪 |
| 3.2 几何精度因子 |
| 3.2.1 三维多观测平台纯角度目标定位的GDOP定义 |
| 3.2.2 多观测平台纯角度定位的GDOP表达式 |
| 3.3 数值仿真分析 |
| 3.3.1 非机动目标交叉定位及GDOP分析 |
| 3.3.2 强机动目标交叉定位及GDOP分析 |
| 3.4 本章小结 |
| 4 多观测平台纯角度跟踪融合算法 |
| 4.1 目标跟踪中的数据融合处理结构 |
| 4.2 多观测平台纯角度集中式量测融合 |
| 4.2.1 扩展卡尔曼滤波融合 |
| 4.2.2 无迹卡尔曼滤波融合 |
| 4.2.3 平方根无迹卡尔曼滤波融合 |
| 4.3 集中式量测融合数值仿真分析 |
| 4.3.1 非机动目标滤波融合跟踪 |
| 4.3.2 强机动目标滤波融合跟踪 |
| 4.4 多观测平台纯角度分布式航迹融合 |
| 4.5 分布式航迹融合数值仿真分析 |
| 4.6 本章小结 |
| 5 纯角度目标跟踪系统中的传感器优化选择 |
| 5.1 无线传感器网络及其军事化应用 |
| 5.2 基于最小GDOP的最优选站目标跟踪 |
| 5.2.1 观测平台优选法则 |
| 5.2.2 跟踪精度数值仿真分析 |
| 5.3 基于PSO的传感器搜索 |
| 5.3.1 基于PSO的传感器搜索 |
| 5.3.2 传感器优化选择数值仿真分析 |
| 5.4 本章小结 |
| 6 纯角度目标跟踪多观测平台的机动策略 |
| 6.1 多移动观测平台纯角度目标跟踪模型 |
| 6.2 观测平台机动策略 |
| 6.2.1 静态目标观测平台最优机动策略 |
| 6.2.2 运动目标观测平台次优机动策略 |
| 6.3 典型应用场景数值仿真分析 |
| 6.3.1 海对空观测平台二维机动轨迹 |
| 6.3.2 空对空观测平台三维机动轨迹 |
| 6.3.3 地对空路径约束下的观测平台机动轨迹 |
| 6.4 本章小结 |
| 7 回顾与展望 |
| 7.1 研究成果回顾 |
| 7.2 研究方向展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于PSO的多观测器轨迹优化研究（论文提纲范文）
| 引言 |
| 1 目标优化函数的确定 |
| 2 搜索空间范围约束 |
| 3 系统优化设计及算法 |
| 3.1 系统优化模型 |
| 3.2 求解轨迹优化问题的粒子群优化算法 |
| 4 仿真条件及结果分析 |
| 4.1 仿真条件 |
| 4.2 仿真流程 |
| 4.3 仿真结果及分析 |
| 5 结束语 |
四、被动式跟踪中轨迹优化问题的研究（论文参考文献）
- [1]双足机器人复杂环境下定位、导航和规划[D]. 常琳. 哈尔滨工业大学, 2021
- [2]激光截骨手术机器人系统标定与轨迹规划方法研究[D]. 袁宏祥. 山东大学, 2021(12)
- [3]复杂不确定动态系统的鲁棒控制与应用[D]. 李正超. 哈尔滨工业大学, 2021(02)
- [4]多传感器协同跟踪下远期调度[D]. 陈志峰. 杭州电子科技大学, 2020(01)
- [5]基于焊工智能的机器人焊接轨迹规划及动态熔池监控方法[D]. 董航. 大连理工大学, 2019(01)
- [6]基于轨迹优化和运动学补偿的飞行操作臂视觉抓取[D]. 方林旭. 哈尔滨工业大学, 2018(01)
- [7]含单面约束的多体飞行器内蕴控制与轨迹生成方法[D]. 刘超. 北京理工大学, 2017(02)
- [8]多移动观测平台纯角度目标跟踪融合算法研究[D]. 张梦甜. 南京理工大学, 2017(07)
- [9]基于PSO的多观测器轨迹优化研究[J]. 刘少华,顾晓婕,鲁希团. 飞行力学, 2011(05)
- [10]基于多模型切换的多观测器轨迹优化研究[J]. 顾晓婕,王新民,李俨. 控制与决策, 2011(06)