【摘 要】
：
针对基于微机电系统无人机的野值的辨识和处理,设计了一种基于模糊预测与扩展卡尔曼滤波(EKF)的野值剔除方法.首先,将角速度模长引入梯度下降法中,通过动态调整梯度步长,提高模糊预测量的精度,有效避免模糊预测时对阈值依赖性较高及野值剔除后造成的数据点丢失;其次,以新息作为野值的判别准则,利用加速度计测量值信任度因子调整新息判别阈值,从而剔除观测传感器的野值;然后,通过共轭梯度法将模糊预测值转化为姿态四元素重新修正卡尔曼滤波的状态估计.最后,基于所搭建的共轴双桨无人机实验平台系统验证所提算法的有效性.实验结果表
【机 构】
：
武汉科技大学机器人与智能系统研究院,湖北武汉 430081;武汉科技大学机器人与智能系统研究院,湖北武汉 430081;武汉科技大学冶金自动化与检测技术教育部工程研究中心,湖北武汉 430081;武汉
论文部分内容阅读
针对基于微机电系统无人机的野值的辨识和处理,设计了一种基于模糊预测与扩展卡尔曼滤波(EKF)的野值剔除方法.首先,将角速度模长引入梯度下降法中,通过动态调整梯度步长,提高模糊预测量的精度,有效避免模糊预测时对阈值依赖性较高及野值剔除后造成的数据点丢失;其次,以新息作为野值的判别准则,利用加速度计测量值信任度因子调整新息判别阈值,从而剔除观测传感器的野值;然后,通过共轭梯度法将模糊预测值转化为姿态四元素重新修正卡尔曼滤波的状态估计.最后,基于所搭建的共轴双桨无人机实验平台系统验证所提算法的有效性.实验结果表明:在共轴双桨无人机悬停、强机动情况下,所提算法能保证共轴双桨无人机的稳定飞行,有效提高共轴双桨无人机的姿态跟踪精度和稳定性.
其他文献
虽然缓存内容复用是命名数据网络的显著特征,但是传统方法的缓存内容利用率并不理想.为了提高命名数据网络中缓存内容的利用率,提出了一种基于缓存价值的缓存策略.本缓存策略在保证内容流行度和兴趣源距离外,还充分考虑了缓存内容大小及多样性因素,由此可有效优化缓存空间,提升缓存的价值.此外,还设计了相应的缓存内容定期更新策略.对比实验结果表明,提出的缓存策略与经典的缓存策略相比,可以有效提高缓存内容的命中率、降低内容平均访问时延和平均路由跳数.
针对GWO算法易早熟收敛、寻优速度和精度不高等问题,提出一种基于双权重因子的改进鲶鱼效应灰狼优化算法(IGWO).首先,采用Logistic混沌映射初始化灰狼种群,提高种群初始化位置的质量;然后针对头狼扰动和个体搜寻步长引入两种不同的权重因子,用来平衡算法局部开发和全局搜索能力;最后引入改进的鲶鱼效应策略,保证种群活力,进一步提高算法收敛精度,避免算法陷入局部最优解.仿真结果采用10个标准测试函数与其他智能优化算法进行低维和高维寻优对比,并与其他改进灰狼优化算法进行对比,结果表明,改进的灰狼优化算法具有较
随着后摩尔时代的到来和Dennard缩放规律的终结,CPU处理能力增速趋缓.超大规模数据中心网络中的流量却呈现持续的指数增长态势.数据中心网络堆栈功能开始向硬件转移,旨在节省CPU时钟周期的新型智能网卡(SmartNICs)应运而生.系统结构和网络领域顶会两年来发表多篇相关研究成果.本文首先介绍了智能网卡研究背景,并归纳了网卡智能化的演进过程;其次,重点阐述超大规模数据中心时代的智能网卡研究挑战以及在网络加速、数据传输、新型调度器和性能隔离等方面的最新研究进展;随后,介绍了工业智能网卡研发现状;最后,给出
近些年很多基于深度学习的推荐模型被提出,这些模型通过对特征的处理和改变深度网络结构来解决推荐系统数据稀疏和冷启动的问题.然而现有的方法忽略了特征与特征之间的交互对深度网络的影响,限制了模型的学习能力.为了给用户推荐更感兴趣的项目和信息,本文提出了分解机深度网络(Factorization Machine Deep Network,FMN)模型.该模型将因式分解机和深度神经网络结合,首先利用因式分解机在特征之间进行交互以充分学习交叉项特征,然后利用深度网络学习高阶非线性特征.进而,分解机深度网络将特征的隐藏
信息物理系统的网络拓扑结构复杂,会极大影响系统中实时协同的通信效率.传统的路由算法已经无法满足日益增长的智能通信网络,为降低信息物理系统的网络延时,提出了基于改进变邻域搜索算法的信息物理系统覆盖网构造方法.首先针对信息物理系统覆盖网络节点选择方法,改进了变邻域搜索算法的领域结构和抖动方式.然后利用目标函数进一步优化覆盖节点集的选择策略.最后在不同节点集上,对此方法进行网络通信延迟、时间花销和算法的稳定性的分析.实验结果表明,改进的变邻域搜索算法有效减少网络延时和降低时间花销,提高了网络通信的效率.
针对当前视频帧预测模型中存在的预测准确度较差和物体结构信息丢失等问题,提出了一种动态卷积生成对抗网络.在生成网络中,首先使用卷积长短时记忆网络初步提取输入视频流的图像特征,然后利用卷积神经动态平流单元对视频流中的运动特征进行提取,最后将上述两种特征组合后输出一组预测视频帧;在判别网络中,采用一个3D卷积网络一次性接收全部视频帧.在实验中,使用Adam方法优化模型的参数,采用KTH和BAIR Robot Pushing数据集作为训练数据集.实验结果表明:无论是在长时间视频帧预测准确度和物体结构信息保留方面,
针对代码注释较少导致软件项目可维护性降低、理解代码语义困难等问题,提出一种基于NMT模型的双编码器框架自动生成代码注释的方法.在该框架中,首先提取不同的代码特征信息;然后分别采用序列编码器和图编码器对不同的代码特征编码,引入注意力机制调整编码器输出向量,再对双编码器的输出向量综合处理;最终利用解码器对综合向量解码获得注释序列.为了验证带有注意力机制的双编码器模型效果,本文构建自动生成代码注释算法框架.实验表明,双编码器模型与文中的序列编码器和树编码器模型算法相比,在生成代码注释方面的结果评估得分上表现较好
为解决车载自组织网络(Vehicle Ad Hoc Neteorks,VANETs)中基础设施建设的不足以及路侧单元(Roadside Uints,RSUs)通信范围受限的问题,提出停车边缘计算的思想,把拥有大量闲置计算资源的路边停放车辆组织成停车簇,令停车簇充当天然边缘计算节点,在RSUs或边缘计算服务器缺失情况下,及时执行周围移动车辆的卸载任务.分析了任务的完成时间,为最大化成功完成的任务数量,设计改进的SAC(Sampling-and-Classification,SAC)算法实现执行任务的停放车辆
基于压缩感知的移动众包模式是解决环境信息监控中成本问题的有效途径.压缩感知能够通过部分采样点恢复出全部数据,而其恢复质量取决于采样点所包含信息与噪声的数量.本文针对这两方面对压缩感知进行了优化,从而进一步减少环境信息监控所需成本.首先,本文提出了一种基于经验的采样点选择算法EBCS(Experience Based Cell Selection),通过选取包含信息更多的采样点,减少了数据恢复所需要的采样点数量.其次,本文提出了一种改进的k-means算法IK(Improved K-means),对参与者提
随着5G的发展,网络传播以前所未有的速度向各领域渗透.其中,影响力分析是研究网络信息传播机制的关键技术.传统的影响力分析算法主要通过选取具有最大传播特性的种子节点用于网络传播.但在种子节点选取上,其度量算法没有反映社交网络中的潜在信息.这将对影响力传播分析造成影响,同时一旦社交网络结构遭到破坏,网络的传播能力将会受到影响.针对这一问题,本文首先定义了一种基于属性的朋友亲密度度量关系,量化网络中各用户的影响力;其次,提出了一种属性和亲密度兼顾的影响力算法,该算法综合考虑了网络的结构、属性和亲密度三者之间的关