【摘 要】
:
恶劣海况下无人船的对准技术,作为无人船系统导航与制导技术的重要前提,是保证无人船在恶劣海况下自主航行以及正常工作的关键。为解决自主和智能化的无人船系统在对准中面对不确定干扰时,要求具有强健自适应调节能力的问题,本文结合无人船在恶劣海况下的运动学特性,基于大失准角的运动背景,对恶劣海况下无人船对准技术进行研究,确定不同海况等级以及海浪复杂干扰下的初始对准技术方案,保证恶劣海况下无人船的对准性能。本文
论文部分内容阅读
恶劣海况下无人船的对准技术,作为无人船系统导航与制导技术的重要前提,是保证无人船在恶劣海况下自主航行以及正常工作的关键。为解决自主和智能化的无人船系统在对准中面对不确定干扰时,要求具有强健自适应调节能力的问题,本文结合无人船在恶劣海况下的运动学特性,基于大失准角的运动背景,对恶劣海况下无人船对准技术进行研究,确定不同海况等级以及海浪复杂干扰下的初始对准技术方案,保证恶劣海况下无人船的对准性能。本文的主要研究内容包含以下几个方面:1、对恶劣海况下无人船的运动学模型进行研究。将恶劣海况细化为恶劣海浪的影响,叠加合成多个简谐波对恶劣的海浪运动进行建模;依据海浪对无人船的作用特点以及无人船的运动学特性,对无人船在恶劣海浪中的六自由度运动模型进行简化,建立直观的非耦合四自由度模型,实现无人船在恶劣海况中的运动学建模。2、对纯摇荡下无人船非线性滤波技术展开研究。考虑杆臂误差的补偿,建立大失准角下无人船系统非线性误差模型;利用控制变量法确定失准角和海况等级对无人船系统非线性的影响;对比不同失准角以及不同等级海况下EKF和UKF算法的对准结果,量化两种滤波手段适用的失准角范围以及海况等级界限。3、对复杂干扰下无人船非线性滤波技术展开研究。针对恶劣海况中由于单一、短时强干扰导致量测噪声方差阵为非高斯、非常值阵的问题,应用自适应鲁棒UKF(ARUKF)算法;针对恶劣海况中包含周期性瞬间冲击以及阵发性短时强干扰的复杂干扰,建立了遗传-UKF(GUKF)算法,强大的多通道调节能力可提高对准精度,但遗传算法求值速度慢造成对准时间长的缺陷无法避免。为平衡对准速度和精度的关系,基于ARUKF算法中滑动窗口的应用以及GUKF算法中多通道调节优势,建立了基于SQP优化的改进UKF算法(SUKF),既保证对准精度又提高了对准速度。通过转台实验、无人船湖试以及地面启动实验,验证了本文不同运动背景下初始对准方案及滤波手段的有效性。
其他文献
继美国、欧盟、日本之后,中国于2016年提出中国脑计划,神经性疾病的早期诊断是中国脑计划的一个重要研究方向。癫痫是由脑神经的异常放电引起的神经性疾病,其发作频率高且严重影响患者生活质量与生命安全。癫痫患者中有30%为耐药性癫痫,其治愈手段是采用外科手术来切除癫痫病灶,决定手术成功与否的关键是如何在术前评估阶段有效地识别癫痫病灶与正常功能区。在众多术前评估手段中,颅内脑电图(i EEG,intrac
可定制交互式视频是指在视频编辑和制作的过程中,可以根据不同的受众定制不同内容的交互式视频。目前,可定制交互式视频凭借其可交互、信息量大等优点拥有很大的市场需求(商品导购等)。然而,在可定制交互式视频的制作过程中,当前还面临两个主要问题:第一,对于视频目标检测,视频中经常出现如目标运动模糊、视频散焦、目标姿态奇异以及遮挡等帧图像恶化现象,传统视频目标检测算法难以在此类视频目标检测任务中达到较高的检测
基因作为遗传的基本单位,控制着生物的基本性状,对于个体识别和血缘鉴定都具有决定性的作用。通过基因预测人体的面部形态在刑侦以及法医领域一直是研究的热点,目前比较流行的DNA分子画像技术主要通过全基因组关联分析(Genome-wide Association Study,GWAS)结合单变量差异分析技术或者基于三维稠密数据点研究基因与面部形态之间的关联性,然后通过机器学习算法建立对应的预测模型,这些方
随着信息技术的发展,数字图像深入到我们生活中的方方面面。深度学习是近年来在人工智能领域引起关注的研究主题。作为深度学习的经典模型,卷积神经网络(CNN)在图像分类,对象检测和自然语言处理方面取得了一系列重要的突破。卷积神经网络模型具有计算复杂度高和参数量大的特点,正是这种复杂的多层网络结构为模型提供了强大的特征表示能力。智能设备的普及增加了将卷积神经网络移植到嵌入式设备的需求,但是其巨大的参数冗余
颅骨面貌复原领域中,面部特征点软组织厚度的获取是一个十分重要的步骤。目前颅骨面部特征点处的软组织厚度的获取主要是通过先进的医疗设备和专业的医护人员进行相应的配合得以实现,但是这种方法存在一个很大的缺陷即对于骸骨则无法进行面部厚度测量。近年来广泛的做法是采用平均值法,但由于未考虑骸骨之间的差异性,使得复原的面貌具有相似性。本论文采用深度学习方法,通过网络中隐含层构成的非线性映射,学习头骨和面貌之间的
数据采集是无线传感器网络领域的重要研究方向,传统基于固定汇聚节点和移动汇聚节点的采集方式均存在明显不足。随着无人机技术的不断成熟,基于无人机的数据采集可以有效弥补传统方式的不足,得到学术界广泛关注。由于无人机携能有限,大部分相关研究主要围绕提高网络吞吐率或延长网络生命周期对无人机能耗进行优化,取得一定进展,但仍面临如下挑战:一方面无人机能耗建模不精准,以距离相关能耗模型为主流,忽略了飞行速度与飞行
心脏功能分析在临床心脏病学中对患者管理、疾病诊断、风险评估和治疗决策起着重要作用。心脏磁共振(Cardiac Magnetic Resonance,CMR)图像主要用于心功能评估和心血管疾病诊断。CMR图像被认为是进行非侵入性心功能分析、估算临床参数的金标准。从医学图像中描绘重要的器官和结构常是估算临床参数、疾病诊断、预后预测和制定手术计划的主要步骤。在临床诊断中,放射科医生通过手动或半自动绘制包
随着无线网络技术(如5G)的快速发展和高服务质量(Qo S)需求的增加,对网络资源的有效管理变得越来越重要。为了提高业务调度的Qo S和网络资源利用率,许多学者进行了大量研究。实现这一目标的一种有效方法是对网络流量进行队列管理和调度。然而,队列管理调度的排队特性有一个隐含的缺点。由于需要通过检查网络链路上的剩余带宽来实时计算网络流的可行路由,在顺序处理队列中的流量时,计算可行路由可能很耗时。值得注
人们的交通出行发展从传统的燃油汽车转向新能源汽车,并向共享化和智能化发展,特别近年来以深度学习为主的人工智能技术的发展带动了自动驾驶汽车技术的发展和落地,深度学习算法在图像和自然语言处理等领域展现出强大的性能和泛化能力,为自动驾驶汽车的感知定位系统提供了强有力的解决方案。同时激光雷达器件的发展,感知距离越来越远,激光雷达线束也越来越多,分辨率也越来越高,赋予了自动驾驶汽车等智能移动机器人系统直接感
感知外部环境是机器人实现智能化控制和交互的前提,是机器人完成精细操作的基础。触觉作为机器人系统中一种重要的传感模态,它不仅反映了机器人与环境的交互情况,也刻画和描述了所接触物体的物理属性和空间信息。近20年来,传感器技术快速发展,柔性阵列式的、高敏的、高分辨率的触觉传感器已逐步成为新型智能机器人灵巧手的“标配”,研究如何获取、理解和利用这些触觉信息,对于提高机器人环境感知能力和进行灵巧手精细操作具