基于测量机器人的跨河高程测量应用研究

远距离跨河高程测量在水利基建工程项目中是被广为关注的问题,本文利用高精度测量机器人自动照准测量功能,采用四边形法精密三角高程测量方法进行远距离跨河高程测量作业,对其作业原理、测量步骤以及主要误差因素进行分析研究,并通过工程实例对该方法的高程控制测量成果精度进行综合分析,验证了四边形法精密三角高程测量能够满足二等水准测量精度要求,为远距离跨河高程测量提供了较为可靠的解决方案。     

高精度差分GPS技术在海洋资源调查中的应用

本文以差分GPS技术多年来在海洋资源调查中使用为例，对差分技术在海洋资源调查中的应用和定位质量评定方法作探讨，并对两种综合导航定位系统作了介绍。     

Sojourner与火星探测

Ｓｏｊｏｕｒｎｅｒ与火星探测丁悌平（地质矿产部矿床地质研究所,北京,１０００３７）自阿波罗登月飞行开始,人类进入了太阳系行星及卫星进行实地访问的新纪元。７０年代的海盗着陆器对火星的探测,８０年代旅行者１号与２号对土星、木星及其卫星的近距离观测,９０年...     

GPS天线相位中心变化精确检测试验研究

天线相位中心误差是高精度地壳形变监测中制约定位精度的重要误差源,天线相位中心改正已成为提高观测精度的有效手段.文中对基于精密测量机器人的GPS天线相位中心变化精确检测方法进行了试验研究,并对试验数据进行初步分析,得到的天线平面校正精度约为2mm,高程方向校正精度约为3mm.研究结果表明,天线相位中心的精确校正除了可以提高GPS测量定位精度之外,还可为中国自主北斗导航系统提供精确的天线相位中心校正参数,推动北斗导航系统在高精度地壳形变监测领域的应用.     

国际大洋钻探计划(IODP)的新进展

介绍了国际大洋钻探计划（IODP）的最新进展，包括三维船，配合大洋钻探的检测、监测仪器，FMI全孔地层微观图像，海洋机器人，隔水管系统，取心器，船上岩心测试流程，岩心剖面图和沉积岩中的微化石等。     

基于新型主成分加权平均归一化法优选水下重力匹配导航适配区

本文开展了水下潜器重力匹配导航的匹配区适配性评价研究.第一,本文综合考虑了重力异常标准差、坡度标准差、粗糙度、重力异常差异熵、分形维数等重力场主要特征参数,联合主成分分析准则和加权平均原理,提出了新型主成分加权平均归一化法;第二,基于新型主成分加权平均归一化法,计算可评价重力异常基准图各区域匹配效果的总体特征参数指标,依据总体特征参数指标进行优良适配区、一般适配区和非适配区划分;第三,在相同条件下,在划分的优良适配区、一般适配区和非适配区内,分别进行重力匹配数值模拟验证比较,结果表明,优良适配区的重力匹配效果显著,匹配概率约为98%,匹配稳定性高,位置误差小于1个重力异常基准图格网.     

拖拉机驾驶机器人设计及人机协作方法研究

针对农用拖拉机智能化程度低,以及现有的人工智能水平尚无法完全实现自主驾驶控制拖拉机等问题,本文设计一种基于人机协作的拖拉机驾驶机器人.拖拉机驾驶机器人可以对拖拉机进行快速、无损、智能化升级,其结构由转向控制机械手、换挡机械手、旋耕机升降控制机械手和踏板控制机械腿等组成.通过研究人机协作的控制方法,提出了人机协作介入准则和基于转向电机电流反馈扭矩检测的人机协作模式切换方法,研制了原理样机验证拖拉机驾驶机器人的可行性和人机协作控制策略的有效性,对促进精准农业,提高现代农业智能化装备水平具有重要的现实意义.     

基于CyGNSS数据的土壤水分与植被光学厚度反演研究

本文提出了一种仅基于CyGNSS数据,能够同时反演土壤水分与植被光学厚度的方案,该方案使用了神经网络与暴力穷举算法.首先考察了2018年以及2020年的数据,并对结果进行了验证.通过分析发现反演结果与参考数据展现了良好的一致性.土壤水分的反演结果与2018年和2020年的测试数据比较,其相关系数分别高达0.86和0.84,均方根误差分别为0.064和0.071 cm³/cm³;对于植被光学厚度,2018年与2020年的相关系数均为0.98,均方根误差分别为0.079和0.084.研究结果表明,CyGNSS可作为一种新型且独立的泛热带土壤水分与植被光学厚度反演手段.     

脉络3新一代导航卫星和“伪卫星”平台带来天基观测新变数

2018年12月23日,美国空军成功将首颗新一代全球定位系统卫星GPS III发射升空。较上一代卫星,GPS III具有更强大的信号系统,其提供的一种新的民用信号,可以与其他导航卫星兼容,这意味着数据精度的提升。因此,借助导航卫星的无线电掩星大气探测技术和依据GPS准确定位的探空仪等,未来性能的进一步提升成为可能。     

基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制

轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其次,设计高阶迭代优化目标函数得到控制律,并利用参数更新律估计线性输入输出数据模型中的未知参数.控制器的设计和分析只使用系统的输入输出数据,不包含任何显式的模型信息.通过采用高阶学习控制方法,在控制律中利用更多之前迭代的控制输入信息,提高了控制性能.最后,仿真结果验证了该方法在轮式机器人轨迹跟踪控制中的有效性.