XiaoMi-AI文件搜索系统
World File Search System相位超前
基于相位超前补偿器和信号约束控制器的无人机实现及横侧控制优化
无人驾驶航空飞行器 (UAV) 已成为相当多行业和设施的有用实体。它是通信、防御、安全、配送、监视和勘测等领域的一种灵活、经济高效且可靠的解决方案。然而，它们的可靠性取决于嵌入在机身后面的控制系统的弹性和稳定性能。因此，UAV 主要取决于控制器设计和特定性能参数的要求。尽管如此，现代技术总有改进的空间。本研究以类似的方式实施和研究了 UAV 横向控制系统，并使用比例、积分和微分 (PID) 控制器、相位超前补偿器和信号约束控制器对其进行了优化。本研究的意义在于优化现有的 UAV 控制器装置，以提高横向性能和稳定性。有了这种无人机，无人机社区将受益于使用本文所用的优化方法设计稳健的控制，而且这将提供复杂的控制以在不可预测的环境中运行。据观察，使用相位超前补偿器 (PLC) 优化横向控制动力学的结果比简单的 PID 反馈增益更有效。然而，为了优化横向速度、偏航率和偏航角模式的不需要的信号，PLC 与 PID 集成以实现动态稳定性
航空伺服弹性飞行控制设计...
军用飞机武器系统的气动伺服弹性飞行控制系统设计的目的主要是优化给定控制律的前向路径和反馈结构。控制律参数（如增益、相位超前滤波器和陷波滤波器）涵盖了所有设想的飞机配置的全飞行包线中的所有条件，这些飞机配置携带外部导弹、外挂物、炸弹，所有可能的对称和非对称组合。在优化过程中得出的控制律增益和相位超前滤波器被认为与马赫数和飞行高度有关，而结构滤波器（即陷波滤波器）可能是所有飞行条件和大量外部外挂物配置组的变量或常数。描述了飞行控制系统开发的设计策略和程序，其中包括飞行动力学耦合系统的建模、代表性选定外部外挂物的结构动力学、执行器和传感器以及数字飞行控制系统的影响。展示了不同的示例，记录了设计过程。 FCS 陷波滤波器的设计基于飞机模型，该模型描述了耦合飞行动力学、飞行控制动力学以及在代表性外部存储配置的地面和飞行结构耦合测试中测得的结构动态行为。本文
实现更快更好地转换人工神经网络...
摘要 — 脉冲神经网络 (SNN) 通过离散二进制事件计算和传递信息。在新兴的神经形态硬件中，它被认为比人工神经网络 (ANN) 更具生物学合理性且更节能。然而，由于不连续和不可微分的特性，训练 SNN 是一项相对具有挑战性的任务。最近的工作通过将 ANN 转换为 SNN 在出色性能上取得了实质性进展。由于信息处理方面的差异，转换后的深度 SNN 通常遭受严重的性能损失和较大的时间延迟。在本文中，我们分析了性能损失的原因，并提出了一种新型双稳态脉冲神经网络 (BSNN)，解决了由相位超前和相位滞后引起的失活神经元 (SIN) 脉冲问题。此外，当基于 ResNet 结构的 ANN 转换时，由于快捷路径的快速传输，输出神经元的信息不完整。我们设计了同步神经元 (SN) 来帮助有效提高性能。实验结果表明，与以前的工作相比，所提出的方法仅需要 1/4-1/10 的时间步骤即可实现几乎无损的转换。我们在包括 CIFAR-10（95.16% top-1）、CIFAR-100（78.12% top-1）和 ImageNet（72.64% top-1）在内的具有挑战性的数据集上展示了 VGG16、ResNet20 和 ResNet34 的最先进的 ANN-SNN 转换。