XiaoMi-AI文件搜索系统
World File Search System仿真试验
无人机控制系统分析、数学模型及仿真试验
稳定无人驾驶飞行器 UAV 的天花板是确保其在自主模式下安全运行的关键问题。对于垂直起降的无人机，它允许稳定悬停并系统地执行委托给它的进一步任务以及自主起飞和降落。同时，确保无人机的稳定悬停是一件困难的事情，因为从控制理论的角度来看，这个过程具有非线性特征。增加问题复杂性的另一个因素是，在大多数实际解决方案中，由于成本低廉，该类飞机的天花板稳定是借助超声波传感器进行的。反过来，这些传感器提供的测量分辨率相对较低（约 1 厘米），采样频率为 20 Hz，操作范围从顶部到 - 约 7 米 - 以及从底部到 - 约 0.35 米。因此，不可能准确地确定天花板，更不用说由于分辨率低 - 爬升速度。确定爬升速度的问题似乎是关键，这主要是由于结构解决方案的关键，关键重要性在于PID控制器（比例积分微分）调节范围内控制误差的推导准确性[1]，[2]，[3]。
消除噪声量子计算模拟中的冗余计算
摘要 - 经典机器上的量子量子计算（QC）模拟非常耗时，因为它需要大量错误注射试验的蒙特卡洛模拟来模拟随机噪声的效果。与现有QC仿真优化的正交，我们的目标是通过消除这些蒙特卡洛模拟试验中的冗余计算来加速模拟。 我们观察到许多试验的中间状态通常相同。 一旦在一个试验中计算了这些状态，就可以在其他试验中暂时存储和重复使用它们。 但是，存储此类状态将消耗明显的内存空间。 为了利用共享的中间状态而不引入过多的存储开销，我们建议在实际仿真之前静态生成和分析蒙特卡洛模拟模拟试验。 重新排序这些试验，以最大化两个连续试验之间的重叠计算。 在后续模拟中无法重复使用的状态被删除，因此我们只需要存储一些状态即可。 实验结果表明，所提出的优化方案平均可以节省80％的计算，而仅存储了少量的状态向量。 此外，提出的仿真方案显示出很大的可扩展性，因为可以通过更多的仿真试验或降低错误率的未来QC设备来保存更多的计算。与现有QC仿真优化的正交，我们的目标是通过消除这些蒙特卡洛模拟试验中的冗余计算来加速模拟。我们观察到许多试验的中间状态通常相同。一旦在一个试验中计算了这些状态，就可以在其他试验中暂时存储和重复使用它们。但是，存储此类状态将消耗明显的内存空间。为了利用共享的中间状态而不引入过多的存储开销，我们建议在实际仿真之前静态生成和分析蒙特卡洛模拟模拟试验。重新排序这些试验，以最大化两个连续试验之间的重叠计算。在后续模拟中无法重复使用的状态被删除，因此我们只需要存储一些状态即可。实验结果表明，所提出的优化方案平均可以节省80％的计算，而仅存储了少量的状态向量。此外，提出的仿真方案显示出很大的可扩展性，因为可以通过更多的仿真试验或降低错误率的未来QC设备来保存更多的计算。