XiaoMi-AI文件搜索系统
World File Search System偏航角
加强学习以最大化风力涡轮机能源
我们提出了一种加固学习策略，以通过主动更改转子速度，转子偏航角和叶片螺距角来控制风力涡轮机能量。具有优先体验重放剂的双重Q学习与刀片元件动量模型相结合，并经过训练以允许控制风。训练代理商可以决定最佳的控制（速度，偏航，音高），以实现简单的稳定风，随后通过真正的动态湍流挑战，表现出良好的性能。将双重Q学习与经典价值的迭代增强学习控制进行了比较，并且两种策略在所有环境中都超过了经典的PID控制，增强型学习方法非常适合不断变化的环境，包括湍流/阵阵风，显示出极大的适应性。最后，我们将所有控制策略与实际风进行比较，并计算年度能源生产。在这种情况下，双重Q学习算法也胜过经典方法。
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
I2P注册通过学习从像素到点相似性的基本对齐特征空间
摘要 - 对于自动地面车辆，带有3D激光雷达的全球定位是导航等任务中必不可少的一部分。通常，使用LIDAR的全球定位细分为两个子问题，即位置识别和全球注册。为了获得位置识别，基于深度学习的最新新兴方案要么依赖于具有高复杂性的3D卷积，要么需要从各种前瞻性角度学习特征。为此，我们提出了一个具有滚动式yaw不变性的模型，该模型代表点云为概率的体素，并从鸟眼的视图中产生占用网格，从而通过从固定的角度学习聚集的嵌入来实现稳健的位置识别。对于低重叠的全球注册，基于传统的手工艺特征的方法主要限于密集的对象级别云，而基于最新的学习方法通常依赖于复杂的3D卷积和其他功能关联学习。为了在一定程度上填补这一空白，我们建议通过拟合和对齐点云的接地平面来估计相对滚动角度和垂直翻译，并通过匹配其预计的占用率网格来确定水平翻译和偏航角。广泛的实验证实了我们位置识别模型的出色召回和概括能力，以及我们3D注册方法的高级成功率和准确性。尤其是在认识和注册硬样品时，我们的结果远远超过了我们的结果。为了确保完整的可重复性，相关代码和数据可在https://cslinzhang.github.io/gloc/gloc/gloc.html上在线提供。
优化可再生能源效率
对可再生能源的需求不断增长，促使风能和水力发电系统的大量研究和发展。风力涡轮机利用了风的动能，而微型涡轮机将流动水的势能转化为机械能。这两种技术在多样化的能量组合和减少对化石燃料的依赖方面都起着至关重要的作用。对这些系统的有效控制对于优化其性能和确保可靠的能量输出至关重要。在风力涡轮机中，风速的变化提出了需要复杂的控制策略以最大化能量捕获并维持系统稳定性的挑战。1比例积分衍生（PID）控制器的实施已被证明有效地调节了转子速度，从而可以调整叶片螺距和偏航角以适应变化的风条件。同样，微型涡轮机受益于高级控制方法，可以有效地管理水流。在这里，PID控制器和磁滞带控制器的组合为维持涡轮速度和防止能量输出波动提供了强大的解决方案。PID控制器根据涡轮机的操作要求调整流量，而磁滞带控制器通过响应不同的水位来最大程度地减少振荡来帮助稳定系统。2,3本文研究了这些控制策略在增强风和微型涡轮机的效率和可靠性方面的应用。4,5通过检查这些技术之间的相互作用，该研究旨在确定风与水力系统整合的最佳实践，最终有助于混合可再生能源解决方案的发展。通过这次探索，本文旨在提高对控制方法的理解，这些方法可以显着影响可再生能源系统在日益持续的能源环境中的性能。