针对小型多旋翼无人机在飞行时，存在风力扰动和电机振动等振源造成的机身振动，使得传感器噪声增大导致飞行不稳定，以及结构不确定和外扰大造成的调参复杂等问题，对传统自抗扰控制器进行优化。在传统频域滤波器基础上大幅降低角加速度中频噪声，补偿传感器及滤波器延时，快速跟踪大扰动。此外,引入tansig()误差反馈函数，对观测器的参数进行调整，使姿态控制器在大多数应用场景中仅需要调节一个参数，并能对期望角速度及角加速度进行限幅。仿真实验证明了此算法能大幅降低飞行器振动噪声的影响，补偿控制数据相位滞后。已在数十台不同尺寸和配置的多旋翼飞行器上经过验证，具有很强的适用性。

在应用机器人对车身点焊质量检测过程中，其焊点的定位精度受到点焊作业质量以及车身制造误差等因素的影响，导致实际焊点与设计值并不重合。针对传统示教无法对焊点定位进行实时补偿的问题，提出基于双目视觉引导机器人的焊点定位策略，并构建基于改进粒子群算法优化的支持向量机回归误差补偿模型，对定位结果进行补偿。在机器人末端安装双目传感器，利用双目定位原理对焊点进行初步定位，并将焊点位置的测量数据与实际数据作为学习样本，利用训练好的误差补偿模型预测系统定位误差，将补偿结果作为纠偏值引导机器人定位焊点。实验结果表明，补偿后的定位精度得到较大提升，验证了该方法的有效性。

针对目标跟踪任务中由于摄像机或目标运动而产生的目标模糊问题, 基于ECO_HC算法提出了方向梯度-色度饱和度直方图(Histogram of Oriented Gradient and Hue Saturation, HOGHS)和Zernike矩特征相结合的运动模糊目标跟踪算法。首先, 结合fHOG和颜色构造了HOGHS特征, 介绍了Zernike矩性质, 并结合HOGHS和Zernike矩实现了目标的特征表达; 然后, 提出了一种兼顾定位精度与鲁棒性的响应图质量评估方法, 并基于该方法实现了HOGHS和Zernike矩特征权重的自适应融合。将本文算法与其他四种先进跟踪算法在OTB-100测评集运动模糊图像序列中进行验证, 本文算法的精确度与成功率分别为0.849与0.827, 帧率达38.4 frame/s, 同等条件下, 本文算法较在VOT-2016上表现优秀的ECO_HC于Pre-20和AUC指标上分别提升了2.3%与2.4%。实验结果表明本文算法能够有效地完成运动模糊目标跟踪任务。

为提高复杂场景下运动目标检测的完整性和准确性,提出了一种多特征结合的运动目标检测方法。提出了一种自适应的高斯混合建模算法对颜色特征进行建模;通过滞后多阈值建模的方法,同时利用颜色和改进的局域二值模式纹理特征对环境背景进行了建模,并采用邻域补偿策略将基于两种特征提取得到的目标区域进行了结合;采用结合Canny思想改进的Kirsch方法进行了边缘提取,消除了鬼影误识别像素,改善了前景目标边缘。实验结果表明,所提方法在运动目标检测的完整性、准确性等指标上优于传统算法的,实时性也较好。

为了更好地分析光纤陀螺在动态环境下的性能，提出了采用动态Allan方差(DAVAR)的方法全面表征光纤陀螺的动态特性。DAVAR是一种最新提出来分析非平稳信号的方法，是Allan方差法的扩展和完善。针对高精度光纤陀螺进行分析，分别在振动和变温条件下获得实测数据，采用DAVAR计算每个样本的Allan方差，并求得五个噪声系数的二维表示，用来细化和辨识信号动态特征。实验结果表明，DAVAR法可以量化地分析光纤陀螺输出信号中各项噪声系数在动态环境下的变化情况，准确地反映陀螺的动态特性。采用DAVAR分析光纤陀螺信号，可为之后的噪声滤除提供理论支撑和实验依据。