排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
为了实时监测、捕捉重要区域内的各种监测信息,从应用角度出发,提出了一种基于ZigBee的远程网域车辆监控系统的实施方案,车辆终端的网络可控节点采用了基于无线微控制器JN5121与DSPIC33F的双核体系架构,并利用无线传感网络技术以及监控系统与子节点之间的通信协议对局域网内行进车辆进行调度、速度和姿态的监控和反控停车等操作。实验结果表明,该方法提高了网域控制的灵活性和复用率,在无人监控、目标监测等场合有较高的实际应用价值。 相似文献
2.
本文受神经网络中常用的sigmoid激励函数特性的启发,提出了一种形式简单、调参相对容易的非线性跟踪微分器(STD).首先,在sigmoid函数的基础上引入指数和幅度因子,利用改进后的sigmoid函数构造加速度函数,接着,借助Lyapunov直接法证明了所设计的跟踪微分器的非摄动形式具有全局渐近稳定性,随后利用系统等价性给出了跟踪微分器的具体形式并通过扫频测试分析了其频域特性;最后,与线性微分器(LD)、全程快速跟踪微分器(HSTD)以及改进的跟踪微分器(ITD)、反正切形式的跟踪微分器(ATD)分别进行对比仿真分析.结果表明,基于sigmoid函数设计的跟踪微分器可以兼顾响应的快速性以及平稳性、全程无抖振,对信号的广义导数具有良好的逼近能力和滤波效果. 相似文献
3.
针对热释电被动红外传感器(passive infrared sensor,PIR)阵列构建的四边形模型在目标轨迹测量方面的局限性,提出了利用搭载动态PIR阵列的三感知平台构建三角形感知模型实现对运动目标轨迹测量的方法.单感知平台由4路PIR传感器组成,相邻传感器水平方向间隔90°均匀分布,PIR转速为1O°/s.首先将三感知平台布撒为三角形感知模型,然后对三感知平台上PIR传感器在转动过程中感知到的角度信息进行筛选,最后将筛选后的有效信息结合感知平台自身坐标信息和时间信息,根据相应轨迹预推算法推导出准确的目标运动轨迹和运动速度.实验结果表明,该方法突破了四感知平台的几何形状限制,降低了成本,将预推轨迹的精度从1.5 m提高到了1m,具有较大的理论意义与实际应用价值. 相似文献
4.
针对非完整轮式机器人有限时间精准轨迹跟踪避障问题,设计了一种基于全局快速终端滑模方法,兼具无抖振、收敛时间可调等优点的轨迹跟踪控制器。首先,在载体坐标系下建立轮式机器人运动学模型;其次,构造包含终端吸引子和指数收敛项的全局快速终端滑模轨迹跟踪控制器,通过Lyapunov稳定性理论证明了所设计的控制器能确保轨迹与航向角跟踪误差均能在有限时间内收敛于较小的零域范围内;最后,引入人工势场避障方法,实现了机器人严格跟踪参考轨迹的同时绕开障碍物。实验结果表明,该方法能实现在避障的同时对于给定参考轨迹的有限时间稳定跟踪控制。 相似文献
5.
为提高热释电红外传感器(PIR)系统目标定位的精准度,提出一种基于众数判定的无线传感器网络目标定位方法。首先,使用米字形感应模型特殊光锥设计的小型PIR传感器系统作为传感器节点组成无线PIR传感器网络,通过峰峰值时间差法和对探测区域划分编码的方式获取目标的距离和角度信息;其次,通过对测量点落入传感器探测区域概率的众数判定,筛选提取出目标有效位置信息,实现对运动目标的准确定位;最后,用极径序列生成目标运动轨迹。实验结果表明:该方法能够在有限目标信息条件下实现对目标的准确定位并有效提高定位精度,减小因传感器误报对定位精度造成的影响。 相似文献
6.
对电容式微机械超声换能器(CMUT)阵列成像中的相控阵(PA)和合成孔径聚焦技术(SAFT)的综合方法进行研究,使用CMUT子阵列形成虚拟声源,并利用虚拟声源的辐射能量进行超声成像。通过对比不同孔径的超声波声束发散程度,得到CMUT阵列最佳子孔径阵元数量为9,CMUT阵列实验通过将子孔径阵元数量从1到15依次增加,观察水中两个不同深度的钉子成像清晰度来验证最佳子孔径阵元数量。与传统全矩阵捕捉(FMC)成像技术相比,多阵元SAFT合成的虚拟声源辐射能力更强,所以有更好的探测深度,同时由于利用子阵列进行超声数据采集,因此减少了CMUT超声成像系统的硬件采集通道数。 相似文献
7.
在地震、气象预报和航空航天等领域里,现场信号具有非常重要的作用.在传感器阵列定位系统中,现场声信号采集存储的实时性与高效性尤为关键.鉴于此,构建了基于FPGA的高速声信号采集存储系统,并详细论述了各个模块的设计方法和控制流程,在ISE中完成设计与仿真.实验结果表明,该系统能够可靠地对多路声信号进行采集,实时性较好且运行稳定,采样精度高达±1LSB. 相似文献
8.
9.
针对无人机在受约束环境下面临绕飞障碍物与跟踪目标相互掣肘的问题,提出了一种基于强化学习的无人机安全避障与围捕制导方法。根据极坐标原理设计环绕跟踪控制器,驱使无人机在GPS拒止的情况下到达预设的圆形轨道。将环绕约束和障碍物约束转化为马尔可夫过程,以速度、径向误差、角速度误差和碰撞函数为状态空间,以控制器的补偿量为动作空间,设计考虑跟踪误差和碰撞概率的奖励函数,利用深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法对智能体进行训练,增强跟踪效果并获得避碰能力,实现无人机对静止/运动目标的环绕跟踪;此外,在训练过程中引入课程学习,将过去的学习策略转移到当前事件,与经典的随机参数设置相比,具有更快的收敛速度。最后仿真表明,所提算法可以引导无人机圆形环绕控制的同时高效规避障碍物。 相似文献
10.