XiaoMi-AI文件搜索系统
World File Search SystemUnscented
轨迹预测的条件无气体自动编码器
摘要 - 条件变化自动编码器（CVAE）是自动驾驶轨迹预测中最广泛使用的模型之一（AD）。它将驾驶环境与其地面真理的未来之间的相互作用捕获到概率潜在空间中，并使用它来产生预测。在本文中，我们挑战了CVAE的关键组成部分。我们利用了变量自动编码器（VAE）的最新进展，即CVAE的基础，这表明采样过程的简单更改可以极大地使性能受益。我们发现，以确定性的方式从任何学习分布中绘制样本的无味抽样自然可以更适合轨迹预测，而不是潜在的随机随机抽样。我们走得更远，并提供了其他改进，包括更结构化的高斯混合物潜在空间，以及一种新颖的，可能更有表现力的方法来推断CVAE。我们通过在相互作用的预测数据集上评估模型的广泛适用性，超过了最新的状态，以及在Celeba数据集上的图像建模任务，优于基线Vanilla cvae。代码可在以下网址获得：https：//github.com/boschresearch/cuae-prediction。
使用库仑计数方法和自适应的无气味卡尔曼过滤器
摘要：本文建立了一项准确且可靠的研究，用于估计锂离子电池的充电状态（SOC）。准确的状态空间模型用于确定电池非线性模型的参数。非洲秃鹰优化器（AVOA）用于解决识别电池参数以准确估算SOC的问题。一种混合方法由具有自适应无知的卡尔曼过滤器（AUKF）的库仑计数法（CCM）组成，以估计电池的SOC。在不同的温度下，对电池进行了四种方法，在包括负载和电池褪色之间有所不同。数值模拟应用于2.6 AHR松下锂离子电池，以证明混合方法对电荷估计的有效性。与现有的混合方法相比，建议的方法非常准确。与其他策略相比，所提出的混合方法实现了不同方法的最小误差。
混合状态估计：将物理信息的神经网络与动态系统的自适应UKF整合
摘要：在本文中，我们通过将物理知识的神经网络（PINN）与自适应的无气味卡尔曼过滤器（UKF）相结合，提出了一种新型的动态系统估计方法。认识到传统状态估计方法的局限性，我们通过混合损失功能和蒙特卡洛辍学来完善Pinn结构，以增强不确定性估计。使用自适应噪声协方差机制增强了无味的卡尔曼滤波器，并将模型参数纳入状态矢量以提高适应性。我们通过将增强的PINN与UKF集成为无缝的状态预测管道，进一步验证了该混合动力框架，这表明准确性和鲁棒性有了显着提高。我们的实验结果表明，位置和速度跟踪的状态估计保真度明显增强，并通过贝叶斯推理和蒙特卡洛辍学的不确定性定量支持。我们进一步扩展了对双摆系统的模拟并进行了评估，并在四轮驱动器无人机上进行了状态估计。这种综合解决方案有望推进动态系统估计中的最新解决方案，从而在控制理论，机器学习和数值优化域中提供无与伦比的性能。
有效的网络微电网管理考虑插件电动汽车和存储
本文考虑了考虑到不同类型的可调度单元，例如加油电池和微涡轮机以及不抗抗态度的单元，例如风力涡轮机和太阳能单元，介绍了网络微电网的最佳能源管理和操作。将车辆的恰好耗尽的作用转变为具有获利能力的积极作用，在这里部署了车辆到网格技术（V2G）。由于问题的复杂和非线性结构，设计了一个基于BAT算法的有效优化能源管理框架（带有修改）和无香的转换，以从经济的角度找到设备中最佳的操作点。由于电动车辆注入了高的不确定性，除了可再生能源输出功率变化外，还提出了无忧的变换以使分析更现实。在IEEE网络的微电网测试系统上，仿真结果倡导提出的方法的高功能和适当的性能。结果表明，在第一和第二场景中，总系统操作成本分别为53897.004 $和53711.704 $。此外，与确定性框架相比，考虑到问题的不确定性在第一和第二方面的成本函数值增加了0.586％和0.762％。文章信息
OktoKopter 状态估计算法研究 - NADIA
在各种军事和非军事应用中具有重要意义。机载传感器精度和状态估计算法是与性能方面相关的重要问题。我们的研究重点是 OktoKopter，它是成功的通用航空平台之一。多旋翼飞机配备了全球定位系统 (GPS)、指南针、高度控制和遥测等，因此这些功能使其功能强大且用途广泛。在本文中，我们首先提出一个传感器融合模型，然后对三种状态估计算法进行比较，即卡尔曼、扩展卡尔曼滤波器 (EKF) 和无迹卡尔曼滤波器 (UKF)。发现 UKF 的性能最好；结果与算法的理论概念和实际实验数据相吻合。
考虑三维飞行器挠度角的机载分布式POS传递对准方法
摘要 为满足多点运动参数测量的需求，机载分布式定位定向系统（POS）依赖于高精度主系统到从系统的传递对准来获取所有点的高精度运动参数。分布式POS的关键问题是确定一种适当处理飞行器挠曲的方法，实现高精度传递对准。本文首先分析了飞行器挠曲对机载对地观测传递对准精度的影响，在此基础上建立了考虑三维挠曲角的传递对准误差模型，提出了一种基于参数辨识无迹Rauch-Tung-Striebel平滑器（PIURTSS）的传递对准。仿真结果表明，基于PIURTSS的传递对准方法可有效提高估计精度。
导航应用程序的因素图：教程
在导航中，从多个传感器中集成数据的能力是一个essen tial元素。如果已知系统的动力学（即可以随机建模），则可以将测量值随时间集成在一起以估计系统的状态。数十年来，Kalman过滤家族（包括线性，扩展，无味和许多其他变体）一直是传感器融合的主力，用于导航。是线性的卡尔曼滤波器，这是当（a）测量和动力学是线性和（b）所有噪声源的最佳最大似然估计器，Gaussian和White（Maybeck，1990）。不幸的是，大多数实用系统不符合这些要求，从而解释了社区中使用的大量Kalman过滤器变体。