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.     

应用卡尔曼滤波的激振力时域识别方法研究

激振力识别属于结构动力学中的第二类反问题,为识别振动系统的激励力,本文基于卡尔曼滤波器和最小方差估计的方法,分别建立了以系统位移和加速度为输入参数的激振力时域识别方法.推导了两种方法的识别公式,并对两种方法的识别结果和识别结果的稳健性进行了仿真分析.仿真结果表明,两种方法对噪声方差初值的设定均不敏感;以加速度幅值为输入的方法识别精度优于以位移幅值为输入的方法;以位移幅值为输入的方法识别结果稳健性较好.最后采用力锤敲击试验验证了识别方法的有效性和精度.     

基于MARG传感器的长跑上肢姿态检测算法设计

随着可穿戴设备在运动健康领域的广泛应用,针对长跑运动姿态分析方面,本文基于四元数的乘性扩展卡尔曼滤波算法(MEKF)进行改进,利用MARG传感器采集长跑运动中的上身姿态,进一步完善了仅从足部姿态判断跑姿的方法。经实验分析,与一般方法相比,该算法提高了针对长跑姿态的检测精度,并且对错误的姿势动作给予矫正建议。     

能耗优化的神经网络轻量化方法研究进展

近年来，神经网络在语音识别、计算机视觉、自然语言处理等领域都取得了良好的进展.大量的神经网络被部署于诸如手机、摄像头等依赖电池或太阳能供电的小型设备.但神经网络参数量大计算复杂，需占用大量计算资源并消耗电能，从而限制了其在资源受限平台上的应用.学术界和工业界逐渐关注于神经网络的高能耗问题.神经网络轻量化方法可以有效地减少参数数量、降低参数精度或优化计算过程从而降低神经网络能耗.本文从能耗优化的角度梳理了神经网络能耗估算方法和神经网络轻量化方法的基本思路，综述了近年来该领域主要研究成果，并提出了能耗估算和能耗优化的神经网络轻量化方法存在的挑战及进一步研究的方向.其中神经网络能耗估算方法包括测量法、分析法和估算法.能耗优化的神经网络轻量化方法包括剪枝、量化、张量分解和知识蒸馏.对于进一步研究方向我们认为，首先需要建立可自适应网络类型的能耗模型；然后需要考虑平衡精度和能耗的轻量化方法.其次需要实现硬件平台可泛化的轻量化方法；最后开发搜索空间可约束的轻量化方法.     

机器翻译译文质量估计综述

机器翻译译文质量估计(Quality Estimation,QE)是指在不需要人工参考译文的条件下,估计机器翻译系统产生的译文的质量,对机器翻译研究和应用具有很重要的价值。机器翻译译文质量估计经过最近几年的发展,取得了丰富的研究成果。该文首先介绍了机器翻译译文质量估计的背景与意义;然后详细介绍了句子级QE、单词级QE、文档级QE的具体任务目标、评价指标等内容,进一步概括了QE方法发展的三个阶段: 基于特征工程和机器学习的QE方法阶段,基于深度学习的QE方法阶段,融入预训练模型的QE方法阶段,并介绍了每一阶段中的代表性研究工作;最后分析了目前的研究现状及不足,并对未来QE方法的研究及发展方向进行了展望。     

四旋翼长续航飞行模式的设计与实现

更长的飞行时间是四旋翼无人机领域研究热点方向之一;在对实际飞行中瞬时消耗电流和电池电压数据的研究中发现,过大姿态角下电池电量消耗显著提升;为了延长飞行时间和提升电池电量使用效率,提出一种长续航飞行模式;在该模式下,基于现有的角速度串级PID姿态控制器,将飞行加速度的控制算法改为飞行速度控制,限制过大姿态角的操作;在无风、微风和强风环境下的飞行实验表明,长续航飞行模式比传统飞行方式飞行时间增加8%~20%;长续航飞行模式可广泛应用于多种无需快速变换飞行路径,但需要更长飞行时间的的应用场景中。     

专题:6G的智能通信计算融合技术

内容导读目前,针对潜在6G关键技术的场景与需求研究成为学术界的热点。面向未来更多类型终端的智能互联与新兴服务的需求,人工智能应用于无线通信物理层的信道估计、编译码及接收机设计,解决基于大数据的网络自主优化,基于泛在无线感知和边缘侧的强大算力构成的多接入边缘计算,已成为6G无线技术发展的重要趋势。在未来智能车联网、物联网、有人/无人交互、全息通信等场景下,面向未来的智能通信计算融合需求,存在许多拟待解决的关键科学问题。     

肌电信号选择对下肢关节连续运动估计的影响

介绍了利用肌电信号实现人体运动识别的发展状况和相关方法。针对肌肉选择对下肢关节角度预测性能的影响这一问题,构建了肌电信号组合集,并建立了高阶多项式模型以及提出的改进模型实现对肌电信号子集到关节角度的映射。利用最小二乘法对模型参数进行了辨识,并对比验证了这两种模型的有效性,确认了最佳肌电信号组合与模型自由度。结果表明,提出的改进高阶多项式模型对不同肌电信号组合实现关节角度预测具有更稳健的效果,同时,下肢关节连续运动识别的最佳肌肉选择不一定与关节运动直接相关。     

基于控制变量参数化方法的自由漂浮空间机器人路径规划研究

针对自由漂浮空间机器人传统路径规划方法对基座卫星扰动较大的问题，提出了一种基于控制变量参数化的路径规划方法。该方法将路径规划问题转化成以基座姿态扰动最小为目标函数并满足一系列约束条件的最优控制问题，并采用控制变量参数化方法进行离散化处理，将最优控制问题转化成求解非线性规划问题，并给出了完整的理论收敛性证明，从而准确地估计出自由漂浮空间机器人末端执行器的最优路径。仿真结果表明，与传统的分解加速度方法相比，该方法得到的运动路径所引起的基座卫星姿态扰动为0.104rad，相比传统方法降低了17.53%，验证了所提路径规划方法的有效性与最优性。