排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
电压模式Buck-Boost变换器是一个典型的非最小相位系统。根据DC-DC Buck-Boost变换器的工作特性,运用状态空间平均法建立其小信号模型,据此设计PI控制器参数。Buck-Boost变换器是一个时变的非线性系统,传统PI控制难以达到最优的控制效果,由此采用模糊PI控制来规避PI控制的弊端。针对模糊PI控制在被控量变化较大时,控制精确度变差的问题,设计了模糊论域自适应伸缩变化的变论域模糊PI控制器,对Buck-Boost电路进行控制。通过Matlab/Simulink环境仿真,实验结果表明,变论域模糊PI控制具有更好的动态控制性能。 相似文献
2.
3.
4.
5.
基于相对平均误差的高分辨距离像目标识别算法 总被引:1,自引:0,他引:1
相似度计算是基于模板匹配的高分辨距离像自动目标识别研究中的核心问题之一。该文从误差计算方法和相似度测量准则两方面对相似度计算方法的选取进行了深入的讨论,提出一种基于相对平均误差的相似度计算方法。实验结果证明,与目前普遍使用的基于绝对均方误差的模板匹配方法相比,基于相对平均误差的模板匹配方法具有更强的目标识别能力、更好的识别鲁棒性,以及在模板角域增大、模板数量明显降低的情况下,仍具备较高的识别能力,为工程上处理高识别率与低模板数量之间的矛盾问题提供了一种有效的解决方法。 相似文献
6.
无人机单目标跟踪,是指对无人机运动过程中拍摄的视频进行实时处理,进而准确、稳定地跟踪一个移动目标。无人机单目标跟踪受环境影响较大,存在光照变化、背景干扰、目标遮挡、相似目标干扰等问题,使得追踪准确性尚有待提高。针对上述问题,以SiamRPN++为基础,对其模型和损失函数进行创新性优化。主要研究贡献:在网络骨架(Backbone)方面,通过引入注意力机制网络结构SENet,与原有模型的ResNet50组成Se_ResNet50,提升对单目标跟踪的准确性和有效性;在损失函数方面,使用Balanced L1 Loss提升关键的回归梯度,在分类、整体定位以及精确定位中实现更加平衡的训练;在SiamRPN++的结构基础上,对Backbone和Loss函数进行优化。实验使用ILSVRC2013和ILSVRC2014的DET数据集进行训练,以VOT2018和OTB100为测试数据集检验训练精度。最终追踪准确性在原基础上得到了一定的提高。 相似文献
7.
1