【摘 要】
：
扑翼飞行器(flapping-wing aerial vehicle,FAV)是一种模仿动物飞行方式的新型飞行器,其具有仿生性且飞行声音小等特点,具有广泛的军事和民用前景.由于扑翼飞行器动力学模型复杂且容易受到风等环境因素的影响,目前尚无成熟稳定的控制算法可以用来控制扑翼飞行器.目前对扑翼飞行器的控制大多仍以手动控制为主,然而手动控制扑翼飞行器的方式会受到飞手操作水平的限制,难以大范围推广.通过对PX4固件和QGC地面站进行定制化改造以满足在一定应用背景下扑翼飞行器的有效控制,实现了扑翼飞行器的自动控制和
【机 构】
：
浙江大学 航空航天学院,杭州 310027
论文部分内容阅读
扑翼飞行器(flapping-wing aerial vehicle,FAV)是一种模仿动物飞行方式的新型飞行器,其具有仿生性且飞行声音小等特点,具有广泛的军事和民用前景.由于扑翼飞行器动力学模型复杂且容易受到风等环境因素的影响,目前尚无成熟稳定的控制算法可以用来控制扑翼飞行器.目前对扑翼飞行器的控制大多仍以手动控制为主,然而手动控制扑翼飞行器的方式会受到飞手操作水平的限制,难以大范围推广.通过对PX4固件和QGC地面站进行定制化改造以满足在一定应用背景下扑翼飞行器的有效控制,实现了扑翼飞行器的自动控制和协同飞行.同时还将扑翼飞行器多机协同飞行设计与实践引入到了“嵌入式计算技术”课程教学中,激发了学生的学习热情,提高了学生的创新实践能力.
其他文献
针对数据中心网络异常流量检测难的问题,提出一种自适应阈值的大象流检测系统.系统结合数据中心网络高度灵活性和全局可见性的特点,采用基于高斯分布的加权优化动态流量学习方法实时预测大象流检测阈值,降低检测错误率,通过基于差分估计的平滑机制,降低检测阈值配置更新频率.仿真实验结果表明,该系统可以有效识别数据中心网络中的大小流,识别错误率较低,通过平滑机制处理减少了流表抖动,控制平面的开销和检测时延相对较低,实现了数据中心网络流量的实时有效监控.
针对约束优化问题,提出一种复合人工蜂群算法.该算法引入多维随机变异操作和最优引导变异操作平衡算法的探索能力和开发能力.将ε约束和可行性规则相结合平衡目标函数与约束,加快算法的收敛.通过对CEC 2006中20个测试函数和CEC 2010中18个测试函数及3个实际工程优化问题的实验结果分析表明,该算法对约束优化问题可行有效.
服务类网站的用户评价是消费者选择的重要参考,受商业利益的驱使,点评网站上充斥着大量不符合产品真实特性的评论,虚假评论的检测与治理,对于监督网站运营,净化网络环境具有重要的意义.为了提升虚假评论的检测结果,在基于词和文档构建的图神经网络进行文本分类的基础上,提出基于融合语义相似度的图卷积网络(sematic-graph convolution networks)的虚假评论检测方法.基于PMI(pointwise mutual information)指数以及基于词嵌入度量的语义相似度构建词与词之间的连边,基
作为“智慧法院”的核心应用之一,相似裁判文书的发现有助于解决司法过程中裁判尺度不统一、类案不同、量刑不规范等问题.目前,一部分方法侧重于从裁判文书中总结领域特征,并将这些特征融入到语言模型中来提升相似文书发现的效果.另一部分工作将其转化为分类任务,利用有监督学习模型来进行建模与预测.然而,已有的方法没有考虑将语言模型与分类模型各自的优势进行结合.为此,提出一种基于网络表示学习(network representation learning)和文本卷积网络(convolutional neural netw
针对实用拜占庭容错算法(PBFT)中存在的通信开销大、算法效率低等问题,结合联盟链特点,提出了一种改进的PBFT算法(score-PBFT,S-PBFT).引入节点评分机制,将节点划分为共识节点、候选节点和预备节点三种类型,并根据节点行为对节点进行动态调整,最大程度上保证共识节点的可靠性.改进了主节点的选举方式,以节点初始积分及其行为作为选举依据,来提高算法稳定性.优化一致性协议执行流程,减少共识过程参与节点数,降低算法复杂度,提高算法的效率.结果表明,相较于PBFT算法,S-PBFT算法在共识时延、通信
旅游问句具有长度较短,不严格按照语法规则的特点,导致该文本数据信息容量过少、口语化严重.充分理解问句表达的语义是提高旅游问句分类器性能面临的重要挑战,基于此,提出一个融合Bi-GRU、CNN与Multi-Head-Attention的旅游问句分类模型.该模型将预先训练的词向量和经Bi-GRU处理得到的语义信息进行融合,进行问句依赖关系学习,通过CNN和Multi-Head-Attention进行特征提取,以加强局部特征的学习,通过Softmax完成分类.实验结果表明,该模型在文本信息少、表述不规范的旅游问
为解决不均衡多分类问题,提出了一种基于采样和特征选择的不均衡数据集成分类算法(IDESF).基分类器的多样性会影响集成算法的分类性能,所以IDESF算法对数据集进行有放回采样+SMOTE的两阶段采样.两阶段采样在保证所得数据集中样本合理性的基础上,增加数据集间的差异性以此隐式地提高基分类器的多样性.两阶段采样同样可以平衡数据分布,防止分类器偏向多数类.在两阶段采样的基础上,IDESF算法引入了数据清洗和特征选择方法,试图进一步提高算法的分类性能.与其他不均衡分类算法在5组不均衡数据集上进行了对比实验,结果
传感器技术发展促进各行各业产生了大量多源数据,且这些数据还在不断发生变化.当多源数据(分布信息系统)增加了一些属性后,传统约简算法需要重复计算数据且不能有效实现多源数据融合,导致计算动态多源数据约简花费时间较多,计算效率不高.为了克服传统约简算法的缺陷,设计了基于多源数据矩阵增量约简算法.介绍了一些分布信息系统的相关理论知识,给出了多源数据等价关系矩阵融合的计算方法.当多源数据增加了一些属性后,讨论了动态多源数据增量机制、融合方法及矩阵增量约简算法.分别利用矩阵增量和矩阵非增量约简方法对4个UCI数据集进
基于语音的手机来源识别已成为近年来多媒体取证领域中的一个研究热点.已有研究鲜有考虑环境背景噪声,难以满足司法领域实际应用场景的需求.提出一种遗传算法优化时间卷积网络的手机来源识别方法.基于对数域的Mel滤波器组系数特征,利用时间卷积网络进行深度语音特征学习,并利用线性判别分析提取低维深度特征,将低维深度特征输入到支持向量机中进行训练和识别.特别的,为了提高整体的识别性能,引入遗传算法,通过设计编码方式、适应度函数和遗传操作对时间卷积网络结构进行智能优化.对比实验结果表明,所提方法可对时间卷积网络结构进行自
为了解决第三代测序数据较高的错误率和提高基因组组装精度,基于10X Genomics链读测序数据设计了一种针对PacBio长读数据的组装和纠错算法SuperLLEC.该算法使用Wtdbg2算法将PacBio长读测序数据拼接成支架序列,运用Bowtie2比对工具将链读序列比对到支架序列,并根据链读条码进一步组装支架序列;对不匹配的比对位点采用Fisher精确检验预测该位点为单核酸多态性或是PacBio测序错误的碱基.通过三组人类细胞的长读数据和链读数据的算法比较实验,证明该方法能够较明显地提高基因组组装的准