XiaoMi-AI文件搜索系统
World File Search SystemKalman
大气数据惯性参考系统 (ADIRS)
为了提供 100% 的 RNP 0.1 导航性能可用性和 GPS 中断免疫力，可选霍尼韦尔惯性 GPS 混合 (HIGH) 升级。HIGH 将 MMR 视野中每颗卫星的原始测量值与卡尔曼滤波器相结合，提供高度校准的解决方案，确保操作员准确定位。此功能可用于改装和前装应用，以最大限度地提高航空公司和航线效率。
贝叶斯强化学习
我们和其他动物学习，因为我们不确定世界上存在一些方面。这种确定性是由于最初的无知而产生的，以及我们不完全了解的世界的变化。当发现我们对世界的预测是错误的时，通常可以明显看出。Rescorla-Wagner学习规则指定了一种预测错误会导致学习的方式，它具有极大的影响力，作为Pavlovian调节的特征，并通过与Delta规则相等的方式，在更广泛的学习问题中。在这里，我们在贝叶斯环境中回顾了撤销瓦格纳规则的嵌入，这是关于不确定性与学习之间的联系的精确联系，从而讨论了诸如Kalman过滤器，结构学习及其他等建议的扩展，这些建议集体涵盖了更广泛的不确定性范围，并适应了条件的范围。
战斗机的快速实时 MPC - DiVA
6 实施 35 6.1 线性 MPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
机翼形状的辅助惯性估计 - oatao
先进的大翼展飞机具有更大的结构灵活性，但可能出现不稳定或操纵性差。这些缺点需要稳定性增强系统，该系统需要主动结构控制。因此，飞行中机翼形状的估计有利于控制非常灵活的飞机。本文提出了一种基于扩展卡尔曼滤波估计柔性结构状态的新方法，该方法利用了辅助惯性导航系统中采用的思想。将不同机翼位置的高带宽率陀螺仪角速度集成在一起，以提供短期独立惯性形状估计解决方案，然后使用额外的低带宽辅助传感器来限制发散估计误差。所提出的滤波器实现不需要飞机的飞行动力学模型，简化了通常繁琐的卡尔曼滤波调整过程，并允许在机翼偏转较大和非线性的情况下进行准确估计。为了说明该方法，通过使用瞄准装置作为辅助传感器的模拟来验证该技术，并进行可观测性研究。与文献中基于立体视觉的先前研究相比，我们发现了一种传感器配置，仅使用一个摄像头和多个速率陀螺仪分别用于卡尔曼滤波更新和预测阶段，即可提供完全可观察的状态估计。
自主机器人平台的方向估计
本论文主要研究基于惯性传感器提供的测量结果的方向估计。强调使用三轴线性加速度计和陀螺仪。建议顺序使用两种估计算法进行方向估计。第一个是卡尔曼滤波器，主要用于基于加速度计数据进行重力估计。第二种算法采用扩展卡尔曼滤波器结构，利用第一种算法得到的重力估计和陀螺仪数据进行方位估计。以多元方式估计方向，而不使用绕陀螺仪轴的一维旋转离散性的简化假设。通过这种方式，可以精确处理非常大的转向角度。
模块指南汽车软件工程
- Introduction: applications, computational models for vision, perception and prior knowledge, levels of vision, how humans see - Pixels and filters: digital cameras, image representations, noise, filters, edge detection - Regions of images and segmentation: segmentation, perceptual grouping, Gestalt theory, segmentation approaches, image compression - Feature detection: RANSAC, Hough transform, Harris corner detector - Object recognition: challenges, template matching, histograms, machine learning - Convolutional neural networks: neural networks, loss functions and optimization, backpropagation, convolutions and pooling, hyperparameters, AutoML, efficient training, selected architectures - Image sequence processing: motion, tracking image sequences, Kalman filter, correspondence problem, optical flow
机器人俱乐部Toulon团队描述2024
由于实现了Yolo V7 Tiny的对象检测技术，因此该方法利用AI相机在环境中检测固定和动态对象。随后，系统将这些检测与同时获得的2D激光雷达数据集成在一起，从而区分了对地图重建至关重要的静态结构，同时消除了瞬态元素或移动障碍物，从而滤除了不可靠的点云数据与临时或非静态项目。另一方面，LIDAR与Kalman过滤器结合使用，用于评估对象相对于机器人的距离和位置。这个策划的数据集应实现更准确的大满贯，从而使机器人可以区分永久地标和短暂的障碍。最后，开发的算法在整个室内设置中计算机器人的运动和相对定位。
基于XGB-AKF方法的储能锂离子电池健康状态评估研究
锂离子电池具有能量密度高、循环寿命长、稳定性高等优点，被广泛应用于电动汽车、电网储能等领域。为保证电池系统安全可靠运行，准确快速地估计锂离子电池的健康状态（SOH）具有重要意义。锂离子电池是一个复杂的非线性动态系统，实际工作条件下锂离子电池的健康状态无法直接测得，只能通过反映电池老化程度的外特性参数来间接估计。基于单一老化特征或模型的方法难以保证可靠性。因此，本文提出了一种数据驱动的XGBoost与卡尔曼滤波相结合的多特征SOH估计方法。首先，采用主成分分析算法基于数据重构多种电池老化特征，并基于重构的特征数据构建融合多种特征的XGBoost在线估计模型。最后，该方法通过引入基于XGBoost模型实时校正的时域卡尔曼滤波实现了锂离子电池SOH的联合优化估计。结果表明，该方法提高了估计模型的准确性和鲁棒性，实现了锂离子电池SOH的高精度联合估计。
