基于人工神经网络的智能化架空线路应变快速解调方法北大核心

为了提高智能化光纤复合架空线路态势感知的实时性,将人工神经网络方法应用于光纤沿线应变解调,确定了神经网络的结构。编程实现了基于洛伦兹模型的最小二乘谱拟合方法和神经网络方法,采用不同信噪比和布里渊频移的布里渊谱训练神经网络,将它们应用于某光纤复合架空线路沿线光纤应变的测量,从不同角度比较了两种方法的计算结果。计算结果表明,神经网络方法能有效获得光纤沿线的布里渊频移进而获得应变,具有与谱拟合方法相似的准确性,但应变解调时间仅约为谱拟合方法的1/20000。研究结果为提高智能光纤复合架空线路态势感知的实时性提供了参考。     

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。     

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。     

车辆高速避让路径跟踪控制策略

建立车辆动力学模型,研究车辆在高速避让工况下的路径跟踪控制策略。基于自抗扰控制设计车辆横摆角速度以及道路曲率2种不同的路径跟踪控制器;设计基于车辆偏航位移和偏航角度加权的线性二次最优控制器;对3种控制器控制效果进行仿真验证,分析路径跟踪侧向位移误差、侧向加速度、前轮转向角以及偏航角度变化。越野车实车测试结果表明,路径跟踪控制策略正确。     

基于视觉传达的后继帧视频图像目标跟踪仿真

现阶段所采用的跟踪方法对后继帧视频图像目标跟踪存在跟踪效果不理想、跟踪效率较低等问题。提出基于视觉传达的后继帧视频图像目标跟踪方法。利用图像差分方法获取视频图像运动目标可能出现的区域,并对这个区域视频图像目标进行运动估计,采用形态学方法来降低聚类区域的数量,得到后继帧视频图像目标区域;采用均值漂移法估计后继帧视图像核概率密度,对后继帧视频图像进行分割处理,找出后继帧视频图像目标区域最显著的特征,通过迭代运算找到目标位置,实现目标跟踪。实验结果表明,所提算法具有较好的后继帧视频图像跟踪效果、并且跟踪效率较高,具有一定的应用价值。