刚性航天器的预定义时间滑模控制

针对刚性航天器在姿态跟踪控制中存在的系统不确定及外界干扰等问题,提出了一种预定义时间滑模控制器(PTSMC).首先,给出了以四元数为姿态参数的航天器姿态跟踪控制系统,利用误差四元数和误差角速度设计了预定义时间滑模面.然后,考虑了航天器系统的不确定性和外界干扰设计了一种非保守上界的PTSMC,并通过边界层技术降低了系统抖动.最后,通过设计Lyapunov函数,证明了所提出的控制器的预定义时间稳定性和系统收敛时间上界的非保守性.仿真结果表明,刚性航天器的姿态跟踪误差精度可达1.5×10-6 rad,角速度跟踪误差精度可达2×10-6 rad/s.与现有的预定义时间控制器相比,所提出的控制器的稳定时间上限是更加非保守的,与传统PD控制和非奇异终端滑模控制相比,所提出的控制器具有更高的跟踪精度和鲁棒性.通过3自由度气浮平台的姿态跟踪实验进一步说明了控制方案的有效性,其中角度跟踪误差小于0.1 rad,位置跟踪误差小于0.2 m.     

深度元学习在无人驾驶中的应用前景

在无人驾驶发展的初期,科学家们依靠数学方法与计算机视觉领域的相关技术创造出无人驾驶算法,其性能和安全性都不是很理想。近年来,随着深度学习的不断发展,无人驾驶领域出现了越来越多与深度学习相关的优秀算法。与传统算法相比,与深度学习相结合的无人驾驶算法有着更为优秀的性能,无人驾驶技术也随着深度学习的发展不断向商用化推进,其中具有代表性的产品即为近年来美国特斯拉公司生产的车辆,其拥有较为完善的辅助驾驶系统,可以将其看作一款非常典型的无人驾驶产品。本文将从目标检测以及目标跟踪两个领域分析深度元学习在无人驾驶领域中的应用前景。     

uBlock算法的低代价门限实现侧信道防护方法

在传统的基于黑盒模型的密码分析中,攻击者仅可以利用密码算法的输入输出信息进行攻击,现有密码算法在黑盒模型下的安全性已经得到较为充分的论证.但是在灰盒模型下,攻击者的能力得到提高,其不仅可以获取密码算法的输入输出信息,还可以获得密码算法实际执行过程中泄露的功耗、电磁、光等物理信息,这些物理信息和密码算法的中间状态具有相关性,敌手可以利用这种相关性进行秘密信息的恢复,这种攻击被称为侧信道攻击.侧信道攻击自提出以来,由于其相对低的实现代价以及较高的攻击效率对于密码算法的实现安全性造成了严重的威胁.u Block算法是2019年全国密码算法设计竞赛分组密码一等奖获奖算法,同样受到了侧信道攻击的威胁.目前针对u Block算法的研究较少,在硬件实现方面主要考虑低延迟高吞吐量的实现,缺乏针对资源受限情况下的低代价优化实现,不利于侧信道防护方案的构造.目前公开的文献中指出其S盒适用于基于门限实现的侧信道防护方案构造,存在3-share的无需新随机数的门限防护方案,但是没有给出具体的实现方案.针对这样的现状,本文首先基于流水线和串行化的思想设计并实现了一种适用于u Block算法的低代价硬件实现方案;...     

基于改进Canny算法在工件质检仿真系统中的应用

检测工件表面缺陷主要方法有人工视觉、机械装置接触检测法、机器视觉检测法等,但上述几种方法在现实应用中都存在缺陷,造成人力和物料的浪费.改进Canny算法,使用二维中值滤波器,椒盐环境中检测效果更佳、自适应能力更强.并在计算梯度幅值中增加135度和45度两个卷积核,最后通过计算标准差来减少误差.通过仿真测试,改进后的算法在检测电路板中的精度提高了0.1到0.3.     

多机电力系统非线性自适应励磁控制器的设计

为了增强多机电力系统的动态稳定性,提升电力系统平抑负荷扰动的能力,本文提出了一种基于自适应反步技术的非线性自适应励磁控制方案.由于发电机的机械功率和阻尼系数受系统运行状态的影响,因此可以直接视为未知数,利用自适应定律估算出来这些未知量.根据李雅普诺夫(Lyapunov)函数的形式推导出自适应规律,保证发电机的转子角速度、机端电压、输出功率等不同物理量均收敛.然后在4机11母线的电力系统输电线路上仿真三相短路故障,测量转子转速偏差,对所提出的控制方案进行评估,并与现有的反步控制器和常规电力系统稳定器(CPSS)进行了比较.根据仿真结果,本文所提出的方法比现有的两种控制器的控制效果更有效.     

虚拟植入技术在电视节目制作中的应用

伴随虚拟现实技术在影视制作方面的发展,虚拟现实技术衍生出了一批新形态影视制作手段和呈现方式.例如,电视节目制作领域先后出现了虚拟演播室技术和虚拟植入技术,成为目前在电视节目制作领域应用最为广泛的技术.通过剖析虚拟植入技术的特点,分析虚拟植入系统的构成及功能,进而阐述虚拟植入技术在电视节目制作领域的应用及实现方式,为推动5G+4K/8K+AI发展时期电视节目制作技术的发展提供一些基础经验.     

基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

基于任务坐标系的液压机四角调平控制

针对液压机滑块的四角调平电液系统,提出了一种基于空间任务坐标系的控制方法。分析滑块与调平缸的运动关系与空间位置关系,从而建立坐标转换矩阵,将液压机滑块四角的直线位移坐标转换为滑块中心位移与倾角组成的任务坐标,在任务坐标空间内设计了基于调平力偏置非线性前馈补偿的滑块跟踪运动PID控制器,并且直接针对滑块的倾角设计了调平PID控制器,针对不同控制目标的控制参数是独立调节、互不影响的。设计了基于调平力偏置的预加速过程,以缓解滑块与调平缸接触时的冲击。最后,在25000 kN玻璃钢液压机上对所提控制方法的有效性进行实验验证。实验中,调平缸分别定位于平面矩形的四角,矩形尺寸为3550 mm×2900 mm。实验结果表明:使用基于任务坐标系的四角调平控制方法后,液压机滑块绕坐标轴x、y的旋转倾角分别被控制在0.0032°和0.0045°以内,各调平缸的位移偏差不超过0.45 mm。     

基于深度信念网络的滚动轴承特征迁移诊断

滚动轴承的故障智能诊断研究多是针对同源数据进行，而不同型号、不同工况下的滚动轴承，由于时、频特征差异，加之背景噪声的影响，导致识别准确率偏低。为了解决这一问题，笔者以6307和6205两类深沟球轴承为研究对象，建立了以深度信念网络（deep belief network，简称DBN）为核心的迁移诊断模型，构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数。为了抑制信号传递路径（共振频带差异）和背景噪声的影响，引入最大相关峭度反卷积（maximum correlated kurtosis deconvolution，简称MCKD）方法，并对其关键参数实施了自适应选取。结果表明，由MCKD与DBN联合组成的迁移诊断模型，在3类不同数据源之间的诊断准确率均超过了95%，为滚动轴承的迁移特征诊断提供了一条可行的途径。     

认同度修正下的近相邻改进推荐算法研究

如何融合多方因素准确地为用户提供个性化产品一直是关注的热点问题，由此，一个新的近相邻改进算法融入了大众化认同度和个性化认同度，利于更加高效地挖掘隐藏信息。实验结果表明，相对于传统近相邻算法，认同度修正算法虽然查全率小幅度上下波动，但其他多个评价指标都得到极大提升，假正率和深度有所减少，查准率、[F1]值和提升度得以增加，并且，受试者特征曲线和提升曲线也都说明此修正算法具有更为显著的推荐效果。