排序方式: 共有53条查询结果,搜索用时 31 毫秒
11.
12.
摘要: 针对多卫星近距离对空间目标监测中的姿态协同控制问题,研究基于神经网络的智能控制模型.首先设计了面向任意姿态控制方法的神经网络自适应控制模型,该模型不改变卫星姿态控制方法本身,而是接收由理想控制模型生成的理想控制量,理想控制量经过神经网络后直接生成适用于卫星的控制量.根据神经网络对控制系统的系统级状态预测,基于一致性控制协议,设计了多卫星姿态协同控制模型.采用等效姿态角,通过数值仿真,分别验证了预测控制方法、输出状态预测、协同控制的方法正确性和有效性. 相似文献
13.
针对执行器饱和约束下的一类离散多智能体系统,设计了一种基于线性矩阵不等式的一致性控制律,并对线性矩阵不等式解的存在性进行了分析。由于饱和环节的影响,导致多智能体系统的一致性与个体的初始状态有关,不同的控制律所能允许的个体之间的初始偏差的范围不同。为了定量分析控制律所对应的初始偏差范围,引入吸引域的概念对所设计的控制律进行评估,并对控制律参数进行优化以扩大吸引域的范围。最后,通过数值仿真说明了所设计控制律的有效性。 相似文献
14.
15.
16.
17.
尽管近年来针对文本聚类问题进行了大量研究,其仍然是数据挖掘领域的一个富有挑战性的问题,特别在弱相关特征乃至噪声特征的处理上,仍然存在诸多挑战。针对这一问题提出了文本聚类的分解-组合算法框架——DIAS。该方法首先通过简单随机特征抽样将高维文本数据进行分解得到多样化的结构知识,其优点是能够较好地避免产生大量的噪声特征。然后采用基于信息理论的一致性聚类(ICC)将多视角基础聚类知识组合起来,得到高质量的一致性划分。最后通过在8个真实文本数据集上的实验,证明DIAS算法相较于其他被广泛使用的算法具有明显优势,特别在处理弱基础聚类上具有突出效果。由于在分布式计算上的天然优势,DIAS有望成为大规模文本聚类的主流算法。 相似文献
18.
提出了基于信息一致性的分段式无人机紧密编队集结控制策略,将集结过程分为3步:参考集结点选取和目标集结点分配、形成松散编队以及形成紧密编队。首先,以线切入预定航线的方式计算参考集结点,按照松散编队队形展开生成目标集结点,并利用基于三维距离空间的优化选择算法,将目标集结点快速、准确地分配给每架无人机。然后,使用速度一致性实现向目标集结点定点集结和向松散编队伴航集结,通过非精确的航迹控制快速形成松散编队,提高编队集结的效率。接下来,启动速度、姿态一致性来实现编队最终的精确航迹控制,并逐步压缩编队队形进入紧密编队,避免发生碰撞,完成从松散编队到紧密编队的平稳过渡,同时准确地跟踪预定航线。使用协同修正方法抑制了测量误差、协同误差和通信延迟,提高了紧密编队的稳定性和控制精度。最后,基于MATLAB平台环境对所提三维集结控制策略进行了仿真,验证了其合理性与有效性。 相似文献
19.
20.
针对无人机与相机快速相对运动造成的运动模糊问题,以及小型无人机外观信息缺失和背景复杂造成漏警和虚警问题,提出了一种新的无人机检测-跟踪方法。针对成像尺寸小于32像素×32像素的无人机目标,提出改进的多层特征金字塔的分类和目标框回归器作为目标检测器,克服漏警。利用检测结果初始化基于核相关滤波的目标跟踪器,并持续修正跟踪结果,跟踪结果为剔除检测器虚警提供依据。在跟踪过程中,引入对观测场景纹理自适应的相机运动补偿策略实现目标重定位。多场景下的实验结果表明:提出的方法在对高速运动小目标的检测和跟踪指标上显著优于传统方法,且运动补偿机制的引入进一步增强了方法在极端复杂场景下的鲁棒性。 相似文献