XiaoMi-AI文件搜索系统
World File Search SystemUnmanned
2020 Nagorno Karabakh战争：无人战斗...
摘要：2020年秋天在2020年秋天发生的亚美尼亚和阿塞拜疆之间的短暂冲突引起了战略和国防界的轰动。武装僵局，自1994年以来一直在两个前苏联国家之间持续存在，突然通过创新使用现代军事技术而颠覆了。阿塞拜疆无人战斗机（UCAV）对亚美尼亚根深蒂固的部队造成了严重破坏，倒退了一个有争议的边境，该边界已经持续了二十年。这场冲突是否代表了军事事务的革命，充当即将发生的事情的预兆？还是重述了众所周知的概念的重要性，例如控制空气的控制？本文将审查战争的背景和过程，并以更大的观点的好处，随后对现代战争产生影响。
用于 GIS 集成的无人机
制定基于地理信息系统 (GIS) 的总体/发展规划是 AMRUT 下的重要改革之一。这项改革的目标是利用 GIS 为 AMRUT 计划下的所有城市制定总体规划，并开发通用的数字地理参考基础地图和土地利用图。然而，中小型城镇使用传统 GIS 技术制定总体规划的能力有限，因此，该部希望探索使用无人机 (UAV) 技术为这些城镇制定基于 GIS 的总体规划。为此，在印度测量总监的主持下成立了一个委员会，负责制定应用无人机技术为中小型城镇制定基于 GIS 的总体规划的设计和标准（参见 2018 年 9 月 26 日发布的命令号 K-14031/5/2016-AMRUT(CB)-Part(2)）。
AI驱动的无人驾驶汽车的多学科概念设计
本文基于人工智能驱动的分析模型，为无人机的多学科概念设计框架提供了一个多学科的概念设计框架。这种方法利用了驱动的分析模型，其中包括空气动力学，结构质量和雷达横截面预测，以将定量数据带到初始设计阶段，从而从各种优化的概念设计中选择了最合适的配置。由于设计优化周期，为以后的设计活动提供了更准确的翼，尾部和机身等关键组件的初始尺寸。同时，生成的结构可以通过设计迭代中的反馈循环实现更合适的设计点选择。因此，除了降低设计成本外，这种方法在整个设计过程中还具有很大的时间优势。
海军建立了无人的地表船中队三个
海军基地科罗纳多（2024年5月15日） - 来自无人地面船队3（USVRON 3）的全球自动侦察飞船（GARC）在该单位建立仪式之前在圣地亚哥湾远程运作。海上应用物理公司建造的16英尺GARC可实现研究，测试和操作，这些研究将允许在整个地面，远征和联合海事部队中进行整合。（美国海军摄影：MC1 Claire M. Dubois）由美国太平洋舰队公共事务海军地面部队指挥官Karli Yeager - 2024年5月17日
编队控制无人直升机移动目标跟踪障碍和维护连接F. Ghaderi，A。Toloei *部门 *部门
这项研究涉及无人直升机的控制，强调形成控制，目标跟踪，避免障碍和连续性维护。该研究采用终端滑动模式控制（TSMC）来调节直升机的位置和态度，而通用的预测控制（GPC）策略则用于通过领导者追随者的方法来形成控制。使用人工电位（APF）方法实现避免障碍物。仿真结果表明，在六个不同的任务中，快速收敛时间不到三秒钟，这表明直升机在保持静态障碍和动态障碍的同时保持其形成的能力。最初的三个任务涉及在三角形形成中组织的三架直升机，成功地避免了障碍物并以低于1％的错误率保持连续性。随后的三个任务，涉及五架五角形配置的五架直升机，类似地说明了有效的导航和动态目标跟踪。值得注意的是，领导直升机始终跟踪静态和动态目标，以确保形成的完整性。这项研究通过探索多代理直升机操作和障碍物遍历的复杂性来促进该领域，从而强调了在动态场景中保持连通性和形成的关键重要性。这些发现强调了拟议的控制策略的有效性，为包括军事和民用领域在内的各个部门的未来应用提供了宝贵的见解。
无人地面车辆竞赛的申请
Teknofest组织的比赛鼓励年轻人探索无人的车辆技术，从而促进科学和技术进步。，它为那些渴望领导自主海洋技术发展的人提供了重要的机会。从事无人地面车辆技术的参与者将设计和开发能够成功完成任务的车队的车辆。在国防部和阿斯尔森部的领导下组织，比赛使年轻的创新者能够在未来的技术中脱颖而出。
探索使用自动驾驶汽车来支撑电网操作
摘要 - 本文探讨了使用自动驾驶汽车来支持电网操作的使用。具有内置的电池和携带额外电池能量存储的能力，自动驾驶汽车数量的增加可能代表了当前在电网中未利用的大量容量。与需要驾驶员的传统电动汽车不同，可以在不干预的情况下执行自动驾驶汽车的操作。指导闲置车辆自主支持电网，我们提出了一种基于易于优化的方法，以有效地将这些“移动电池”整合到网格操作中。在实时操作期间，这些车辆在战略上被路由到针对位置，以维持电力平衡并降低运营成本。数值研究已经确认了提出的算法有效地将自动驾驶汽车整合到常规功率系统操作中的有效性和可扩展性。索引术语 - 无人车，电力系统，运输系统，最佳功率流，混合智能优化
开发无人地面车辆的电力管理到
这项研究重点是设计无人地面车辆（USV）的电气系统，以确保在调查操作期间的最佳性能。这艘USV船是双体船型船，具有更深的深度传感器，可以了解水的深度，并配备了远距离（Lora）作为数据发射器。USV电气系统设计结合了4050 mAh 11.1 V Lipo电池和IMAX B6AC充电器的使用，评估涵盖了电池充电，功耗和电压稳定性。试验表明，电池以45.08瓦的功率负载支持USV的运行约47.8分钟。电池充电显示了两个主要阶段：恒定电流和恒定电压，充满充电时间约为2.7小时。在操作过程中，电压消耗显示出明显的波动，强调了对电气系统设计的需求，该设计保持了电压稳定性以提高性能。从测试结果中发现，电池效率为91.29％。这些发现强调了适当的组件选择和有效的功率管理以实现可靠有效的USV操作的重要性。深入了解充电特性和功耗，设计的电气系统可以确保在各种调查条件下更稳定的USV操作和更好的性能。
与无人系统的运营团队一起学习
摘要 - 莲花项目旨在改善海上监视。在这种情况下，该立场论文提出了持续的贡献，包括用于将多代理系统应用于监视任务的水下无人机组的新型机器学习算法。它强调将人机组合纳入海上情景中的决策。该项目的预期结果包括对自动驾驶汽车组的强大控制，适合环境变化以及有效的报告方法。任务摘要将通过叙事方式传递给人类操作员，以归功于无人机所检测到的相关事件。通过机器学习提供支持的这种叙事构造的整合将提高团队的整体有效性，从而构成重大突破。
USV-YOLO：用于检测环保无人容器表面浮动物体的算法
摘要 - 水资源是人类的基础。表面浮游物体的精确检测是环境保护无人机进行河流清洁操作的主要先决条件。针对当前目标检测算法在复杂场景和低特征识别能力下对水面上的小目标的不良适应性，本文提出了水表面流动物体检测算法USV-yolo，这实现了在内陆河流复杂条件下充电对象的准确识别和检测。最初，设计了一种新颖的C2F频道模块。它优化了特征信息的利用，并通过顺序融合和串联从瓶颈层发出的特征信息来提高检测浮动物体的准确性；其次，该设计介绍了GS-EVC模块，该模块通过合并GSCONV和SHUF-flof flof flof flof flof flof flof flof flof flof flof flopl oterations介绍了表面炉的原始特征信息的利用，增强了远程特征信息之间的依赖性，并增强了特征识别能力；最终，骨干网络中的标准卷积被全尺寸动态ODCONV代替。其中的加权注意机制可以适应复杂目标的特征提取，从而进一步提高了网络的检测精度。实验是在开源数据集（浮动waste-i和flow-img）上进行的，实验结果表明，本文中的USV-Yolo算法提高了平均检测精度，地图50和MAP 50-95，分别提高了4.3％和6.1％，比原始网络更好，这是其他经典的目标。