導(dǎo)航機(jī)器人傳感器融合、異常診斷及任務(wù)規(guī)劃方法

第1章 緒論\t1
1．1 多傳感器系統(tǒng)信息融合研究現(xiàn)狀\t2
1．2 移動(dòng)機(jī)器人傳感器系統(tǒng)異常診斷研究現(xiàn)狀\t5
1．3 多機(jī)器人任務(wù)規(guī)劃的研究現(xiàn)狀與發(fā)展趨勢(shì)\t6
1．3．1 多機(jī)器人任務(wù)分配\t7
1．3．2 多機(jī)器人路由規(guī)劃\t9
1．4 本書(shū)章節(jié)安排\t10
本章參考文獻(xiàn)\t13
第2章 基于毫米波雷達(dá)的動(dòng)態(tài)障礙信息獲取技術(shù)\t21
2．1 毫米波雷達(dá)特性\t22
2．1．1 毫米波雷達(dá)的工作頻率\t23
2．1．2 毫米波雷達(dá)的調(diào)制方式\t24
2．1．3 動(dòng)態(tài)障礙信息的獲取原理\t26
2．1．4 ESR測(cè)向方案\t29
2．2 基于動(dòng)態(tài)目標(biāo)的自主車輔助防撞系統(tǒng)設(shè)計(jì)\t30
2．2．1 安全距離模型設(shè)計(jì)\t31
2．2．2 降低虛警率的防撞系統(tǒng)設(shè)計(jì)\t39
2．3 自主車輔助防撞系統(tǒng)的硬件設(shè)計(jì)\t42
2．3．1 輔助防撞系統(tǒng)框架\t42
2．3．2 車載雷達(dá)選型及其安裝\t43
2．4 自主車輔助防撞系統(tǒng)的軟件設(shè)計(jì)與實(shí)現(xiàn)\t46
2．4．1 安全模型參數(shù)的選擇\t46
2．4．2 總體框架設(shè)計(jì)\t48
2．4．3 子模塊的實(shí)現(xiàn)\t49
2．4．4 彎道處理\t57
2．4．5 軟件的調(diào)試與結(jié)果分析\t57
本章參考文獻(xiàn)\t60
第3章 激光雷達(dá)與毫米波雷達(dá)的路況信息補(bǔ)償方法\t64
3．1 激光雷達(dá)特性及其工作原理\t65
3．2 雷達(dá)信息提取\t67
3．2．1 靜態(tài)環(huán)境信息提取方法\t68
3．2．2 動(dòng)態(tài)障礙物信息提取\t72
3．3 毫米波雷達(dá)與激光雷達(dá)融合與補(bǔ)償?shù)募夹g(shù)\t78
3．3．1 激光雷達(dá)與毫米波雷達(dá)數(shù)據(jù)融合方案\t78
3．3．2 激光雷達(dá)動(dòng)態(tài)信息數(shù)據(jù)補(bǔ)償方案\t82
3．4 激光雷達(dá)與毫米波雷達(dá)路況信息補(bǔ)償系統(tǒng)實(shí)現(xiàn)\t83
3．4．1 總體框架設(shè)計(jì)\t83
3．4．2 各子模塊的實(shí)現(xiàn)\t84
3．4．3 軟件的調(diào)試與結(jié)果分析\t98
本章參考文獻(xiàn)\t100
第4章 基于激光雷達(dá)與攝像機(jī)的異質(zhì)傳感器信息融合與補(bǔ)償\t101
4．1 光學(xué)視覺(jué)系統(tǒng)\t103
4．2 數(shù)據(jù)采集及預(yù)處理\t103
4．2．1 激光雷達(dá)數(shù)據(jù)采集及預(yù)處理\t104
4．2．2 攝像機(jī)數(shù)據(jù)采集\t104
4．3 激光雷達(dá)與攝像機(jī)補(bǔ)償系統(tǒng)平臺(tái)搭建\t105
4．4 激光雷達(dá)和攝像機(jī)的數(shù)據(jù)融合與補(bǔ)償方法\t107
4．4．1 深度圖像的坐標(biāo)變換\t107
4．4．2 攝像機(jī)標(biāo)定\t112
4．4．3 激光雷達(dá)和攝像機(jī)的數(shù)據(jù)層融合與補(bǔ)償\t114
4．5 基于CAMLASER系列工具的攝像機(jī)內(nèi)部參數(shù)標(biāo)定\t120
4．6 數(shù)據(jù)融合參數(shù)估計(jì)與優(yōu)化\t123
4．6．1 實(shí)驗(yàn)數(shù)據(jù)特征點(diǎn)的提取\t123
4．6．2 融合參數(shù)的估計(jì)與優(yōu)化\t126
4．6．3 誤差分析\t129
4．7 實(shí)時(shí)數(shù)據(jù)處理及顯示\t130
4．7．1 激光雷達(dá)數(shù)據(jù)采集及顯示\t131
4．7．2 攝像機(jī)數(shù)據(jù)采集及顯示\t133
4．7．3 數(shù)據(jù)同步采集及實(shí)時(shí)數(shù)據(jù)融合\t134
4．7．4 實(shí)時(shí)性分析\t136
4．8 離線仿真及數(shù)據(jù)存儲(chǔ)\t137
4．8．1 數(shù)據(jù)存儲(chǔ)\t137
4．8．2 離線仿真\t139
本章參考文獻(xiàn)\t141
第5章 機(jī)器人航跡推算系統(tǒng)的異常診斷與主動(dòng)容錯(cuò)估計(jì)方法\t143
5．1 機(jī)器人航跡推算系統(tǒng)異常診斷問(wèn)題\t144
5．2 基于模糊邏輯粒子濾波器的航跡推算系統(tǒng)硬軟故障
診斷方法\t145
5．2．1 硬故障和軟故障描述\t146
5．2．2 自適應(yīng)故障空間\t146
5．2．3 模糊診斷設(shè)計(jì)\t147
5．2．4 模糊診斷粒子濾波器算法描述\t150
5．3 機(jī)器人航跡推算系統(tǒng)硬軟故障診斷仿真分析\t153
5．3．1 實(shí)驗(yàn)結(jié)果分析\t154
5．3．2 仿真驗(yàn)證設(shè)計(jì)\t160
5．4 自學(xué)習(xí)采樣粒子濾波器的不完備空間交互診斷\t163
5．4．1 自學(xué)習(xí)采樣\t164
5．4．2 自學(xué)習(xí)采樣與診斷機(jī)制動(dòng)態(tài)交互優(yōu)化粒子數(shù)\t166
5．4．3 基于邊緣分布與信度的故障決策條件及其數(shù)學(xué)依據(jù)\t168
5．4．4 自學(xué)習(xí)采樣粒子濾波器的不完備空間動(dòng)態(tài)交互
故障診斷步驟\t171
5．5 自學(xué)習(xí)采樣粒子濾波器算法分析與討論\t173
5．5．1 非線性故障診斷模型仿真分析\t173
5．5．2 航跡推算混合系統(tǒng)模型故障診斷實(shí)驗(yàn)分析\t176
5．6 基于聯(lián)邦濾波的多傳感器主動(dòng)容錯(cuò)估計(jì)方法\t180
5．6．1 聯(lián)邦濾波器結(jié)構(gòu)\t181
5．6．2 聯(lián)邦濾波算法\t182
5．6．3 基于聯(lián)邦濾波器的故障檢測(cè)及其容錯(cuò)方法\t184
5．6．4 仿真實(shí)驗(yàn)分析\t186
5．6．5 基于聯(lián)邦濾波的組合導(dǎo)航系統(tǒng)實(shí)驗(yàn)分析\t191
本章參考文獻(xiàn)\t195
第6章 機(jī)器人航跡推算系統(tǒng)的故障預(yù)測(cè)方法\t201
6．1 粒子濾波器故障預(yù)測(cè)的基本原理\t201
6．2 基于粒子濾波器的機(jī)器人航跡推算系統(tǒng)的故障預(yù)測(cè)方法\t207
6．2．1 領(lǐng)域約束\t208
6．2．2 故障模式間轉(zhuǎn)移概率參數(shù)的設(shè)置\t209
6．2．3 仿真實(shí)驗(yàn)與結(jié)果分析\t211
6．3 基于粒子濾波器與支持向量機(jī)融合框架的故障預(yù)測(cè)\t217
6．3．1 支持向量機(jī)的基本原理\t217
6．3．2 基于SVM的加權(quán)故障概率預(yù)測(cè)方法\t219
6．3．3 利用殘差改進(jìn)粒子濾波器的故障預(yù)測(cè)方法\t222
6．3．4 基于PF與SVM融合框架的故障預(yù)測(cè)方法\t224
6．4 幾種粒子濾波器故障預(yù)測(cè)方法的實(shí)驗(yàn)分析\t226
6．4．1 粒子濾波器故障預(yù)測(cè)仿真軟件\t226
6．4．2 幾種預(yù)測(cè)方法的分析與討論\t228
本章參考文獻(xiàn)\t233
第7章 基于群智能算法的多移動(dòng)機(jī)器人任務(wù)規(guī)劃方法\t234
7．1 蟻群算法求解多機(jī)器人任務(wù)探測(cè)\t235
7．1．1 多機(jī)器人探測(cè)任務(wù)規(guī)劃問(wèn)題描述\t235
7．1．2 蟻群算法在多機(jī)器人任務(wù)探測(cè)中的應(yīng)用\t236
7．1．3 均分點(diǎn)蟻群算法求解多機(jī)器人負(fù)載均衡任務(wù)探測(cè)\t248
7．1．4 多機(jī)器人團(tuán)隊(duì)生成的復(fù)雜任務(wù)探測(cè)算法\t256
7．2 基于當(dāng)代學(xué)習(xí)自適應(yīng)離散粒子群算法的多機(jī)器人任務(wù)分配\t263
7．2．1 多機(jī)器人任務(wù)分配問(wèn)題的提出\t263
7．2．2 混合離散粒子群變異優(yōu)化策略選取\t264
7．2．3 當(dāng)代學(xué)習(xí)自適應(yīng)混合離散粒子群算法\t273
7．2．4 最小失敗概率多機(jī)器人任務(wù)分配實(shí)驗(yàn)分析\t279
7．3 基于空間正交分配異質(zhì)文化混合算法的多機(jī)器人
隨機(jī)增量任務(wù)規(guī)劃\t286
7．3．1 基于異質(zhì)交互式文化混合算法的移動(dòng)機(jī)器人
路由規(guī)劃\t286
7．3．2 空間正交分配異質(zhì)文化混合算法在多機(jī)器人
任務(wù)規(guī)劃中的應(yīng)用\t296
7．3．3 多機(jī)器人隨機(jī)增量任務(wù)規(guī)劃仿真分析\t307
本章參考文獻(xiàn)\t313
第8章 總結(jié)與展望\t317
8．1 異質(zhì)傳感器信息融合與補(bǔ)償方法總結(jié)與展望\t317
8．2 機(jī)器人傳感器系統(tǒng)異常診斷與預(yù)測(cè)總結(jié)分析\t319
8．3 多機(jī)器人任務(wù)規(guī)劃方法的總結(jié)與展望\t321