-
题名基于几何模型预测控制的移动机器人轨迹跟踪算法
- 1
-
-
作者
古松健
吴福祥
高向阳
杨梦杰
詹忆冰
程俊
-
机构
广西高校先进制造与自动化技术重点实验室(桂林理工大学)
中国科学院深圳先进技术研究院
盛云科技有限公司
京东探索研究院
-
出处
《计算机应用》
北大核心
2025年第9期3026-3035,共10页
-
基金
国家科技创新2030—“新一代人工智能”重大项目(2021ZD0111700)
国家自然科学基金资助项目(U21A20487)
云南省科技人才与平台计划(院士专家工作站)(202305AF150152)。
-
文摘
针对轮式移动机器人(WMR)在轨迹跟踪过程中因定位失准和未知干扰等因素导致的位姿偏移问题,提出一种基于几何模型预测控制(GMPC)的增强型粒子群优化混合器(EPSO-Mixer)算法,旨在提升WMR的轨迹跟踪性能。首先,以粒子群优化(PSO)为基础,提出一种增强型粒子群优化(EPSO)算法,以加快收敛并提升优化能力;其次,利用EPSO对GMPC进行改进,根据当前偏移程度筛选出最优跟踪参数,以有效地减小轨迹跟踪误差;最后,结合混合多层感知器(MLP-Mixer)架构,提出EPSO-Mixer算法,从而进一步增强对全局最优解的搜索能力,同时生成更具适应性的控制策略。仿真实验结果表明,与非线性模型预测控制和经典GMPC算法相比,EPSO-Mixer GMPC有效提升了WMR在位姿偏移条件下的轨迹跟踪性能,误差减小8.0%~82.3%,并显著改善了运动中的振动问题。可见,EPSOMixer算法能够提供更有效的控制策略,不仅降低了参数调整的难度与时间成本,而且显著增强了轨迹跟踪控制的自适应能力。
-
关键词
轮式移动机器人
轨迹跟踪
粒子群优化
混合多层感知器
几何模型预测控制
-
Keywords
Wheeled Mobile Robot(WMR)
trajectory tracking
Particle Swarm Optimization(PSO)
Multi-Layer Perceptron Mixer(MLP-Mixer)
Geometric Model Predictive Control(GMPC)
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进YOLO11的水下目标检测模型
- 2
-
-
作者
方侦波
高向阳
张锲石
程俊
杨梦杰
-
机构
桂林理工大学广西高校先进制造与自动化技术重点实验室
-
出处
《电子测量技术》
2025年第15期159-167,共9页
-
基金
国家自然科学基金-联合基金项目(U21A20487)
云南省科技人才与平台计划(院士专家工作站)(202305AF150152)
深圳市科技计划科技重大专项(KJZD20240903100000001)资助。
-
文摘
在复杂的水下环境中,针对传统YOLO目标检测方法检测性能差等问题,提出一种基于改进YOLO11的水下目标检测模型。首先,通过引入上下文引导模块CGBD,采用多尺度特征提取器增强网络捕获能力;其次,为解决网络中特征冗余导致参数量过大的问题,设计轻量化高效聚合模块RGCSPELAN为模型减负;针对原有检测头定位识别能力不足且计算成本较高的问题,通过融合重参数化策略与细节增强卷积构建轻量高效的DEC-Head检测头。此外采用Wise-Inner-MPD损失函数提升模型的泛化能力并加速收敛。在URPC数据集中的实验结果表明,相较于基准模型YOLO11,本文提出的方法在mAP50和mAP50-90平均精度均值上分别提升了2.4%和2.1%。并且在RUOD数据集的实验结果中,本文所改进模型平均精度均值mAP50相比YOLO11提升了1.3%,召回率R提升了1.5%,较其他主流检测方法能够展现出更优的水下目标检测性能。
-
关键词
上下文引导
轻量化高效聚合
检测头
损失函数
-
Keywords
context guidance
lightweight and efficient polymerization
detecting head
loss function
-
分类号
TP391
[自动化与计算机技术]
TN919.8
[自动化与计算机技术—计算机应用技术]
-
