滑模预测离散变结构控制用于船-舵伺服系统

提出基于滑模预测思想的离散变结构控制设计新思路,以不确定系统的名义模型作为滑模预测模型,以理想趋近律作为参考滑模轨迹,将预测控制中滚动优化、反馈校正的思想引入离散准滑模变结构控制系统的设计。将理论成果应用于船一舵伺服系统设计了航向自动舵,仿真结果表明,该文方法可有效消除抖振现象,设计的航向控制器可以快速准确地跟踪设定航向,并且能够有效抑制参数摄动和外界风浪干扰对船舶运动的影响,具有很强的鲁棒性。     

SCTD1.0:声呐常见目标检测数据集

近年来,卷积神经网络(CNN)在大规模自然图像数据集(如ImageNet,COCO)中获得了广泛应用,但在声呐图像检测识别领域的应用研究较缺乏,其存在声呐图像目标检测和分类数据集缺乏且水下目标样本往往面临样本稀少、不平衡等问题.针对这一问题,在进行广泛收集声呐图像的基础上,构建了一个完全公开的、可以用于开展声呐图像检测和分类研究的声呐常见目标检测数据集SCTD1.0,该数据集目前已包含水下沉船、失事飞机残骸、遇难者3类典型目标,共计596个样本.在SCTD1.0的基础上,文中采用迁移学习的方式测试了检测和分类的基准,具体来说:针对检测任务,使用特征金字塔网络对多尺度特征进行组合利用,比较了YOLOv3,Faster R-CNN,Cascade R-CNN这3种检测框架在本数据集上的性能表现;针对分类任务,对比了VGGNet,ResNet50,DenseNet 3种网络的分类性能,分类准确率达到了90％左右.     

滑模预测离散变结构控制

研究了不确定离散时间系统的变结构控制设计问题,提出了基于滑模预测思想的离散变结构控制系统设计新思路.该方法综合考虑抖振、鲁棒性以及控制量约束等指标要求,利用当前及过去时刻的滑模信息预测未来时刻的滑模动态,实现了滚动优化求解.仿真结果表明,该方法可有效消除抖振现象,并能够保证闭环系统的鲁棒稳定性.