排序方式: 共有244条查询结果,搜索用时 78 毫秒
191.
192.
193.
194.
195.
三维激光成像系统是一种包含激光扫描仪、惯性导航系统(SINS)、全球定位系统(GPS)等多种先进技术的复杂系统。影响三维激光成像系统构像点定位精度的因素有扫描仪测距误差、扫描角误差、姿态测量误差、GPS定位误差、系统集成误差。在三维激光成像系统设计开始时需要确定各分系统的技术指标,这需要确定上述各误差项对构像点定位精度的影响大小。为了确定上述各误差大小与构像点定位误差之间的量化关系,研究了一种三维激光成像系统误差分析方法,推导了系统误差方程。通过试验验证,该方法能够准确确定各误差项对构像点定位误差的影响,为系统设计时对各分系统提出合理技术指标提供理论支持。 相似文献
196.
197.
198.
航天器一般为复杂系统,其作为典型安全苛刻系统,在综合测试过程中会产生大量测试数据。在查询这些测试数据时,现有的B/S数据查询技术,每次查询时采用从数据库服务器中获取数据的方式,极大地消耗了数据库服务器的资源,占用了大量的网络带宽,导致系统的整体性能下降,用户体验不佳。通过对安全苛刻系统综合测试数据特点和用户查询特征的分析,基于经典Web缓存替换算法GDSF,提出一种适用于B/S数据查询系统的Web缓存替换算法GDSF-STW。该算法是在GDSF算法的基础上,引入了数据流挖掘中的时间衰减模型,并采用滑动时间窗口的思想,提高缓存命中率,从而提高系统的性能,改善用户体验。通过GDSF-STW与LRU、LFU、LFU-DA、GDSF等经典算法进行实验对比,结果表明,GDSF-STW算法具有更好的缓存命中率。 相似文献
199.
近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。 相似文献
200.