XiaoMi-AI文件搜索系统
World File Search System六自由度
使用头戴式显示器的自修复神经模型进行电磁头部跟踪的数据预测
摘要：在航空电子设备中，飞行员使用头盔显示器 (HMD) 在护目镜上显示外部环境的同步视图和与飞机相关的重要参数。为了完美同步护目镜上的视图，必须同步外部环境的坐标以及飞行员头部运动的坐标。为了确定飞行员头部运动的坐标，称为头部跟踪的过程起着重要作用。头部跟踪可以使用不同的跟踪技术来执行，例如光学跟踪、磁跟踪或惯性跟踪。在本文中，六自由度 (6-DoF) 磁运动跟踪装置 (Polhemus Patriot TM ) 用于在模拟器床上实时获取飞行员头部运动的坐标。在跟踪器获取过程中，由于铁磁性引起的磁场干扰，数据可能会丢失。为此，我们采用自修复神经模型 (SHNM) 来预测缺失数据。用于恢复的数据有 5200 个头部运动的 6-DoF 样本。SHNM 可实现超过 85% 的准确率来预测三组不同的缺失数据。将所提模型预测数据的准确率与反向传播神经网络 (BPNN) 模型进行了比较，结果发现 SHNM 模型的准确率优于 BPNN 模型
基于 3D 颅骨重建的机器人立体定位系统可提高手术准确性和速度
我们开发了下一代机器人立体定位平台，用于小动物，结合了三维 (3D) 颅骨轮廓仪子系统和完整的六自由度 (6DOF) 机器人平台，以提高空间精度和手术速度。3D 颅骨轮廓仪基于结构照明，其中视频投影仪将一系列水平和垂直线图案投射到动物颅骨上，并由两个二维 (2D) 常规 CCD 相机捕捉，以基于几何三角测量重建精确的 3D 颅骨表面。使用重建的 3D 颅骨轮廓，可以使用基于 Stewart 设计的 6DOF 机器人平台引导和重新定位颅骨，以精确对准手术工具，以达到特定的大脑目标。使用机械测量技术对系统进行了评估，并使用琼脂脑模型演示了平台的精确瞄准。麻醉的单角沙鼠也用于该系统，通过使用玻璃移液器注射染料来瞄准梯形体 (MNTB) 的内侧核。切除的脑切片荧光成像证实了瞄准脑核的准确性。结果表明，这种新的立体定位系统可以提高神经科学研究中小规模脑部手术的准确性和速度，从而加速神经科学发现并降低实验动物的流失率。
飞机模式控制器的建模与设计...
垂直起降（VTOL）是无人机（UAV）的基本功能。VTOL一方面可以拓展和增强无人机的应用领域，但另一方面也使得无人机控制系统的设计更加复杂。控制系统设计中最具挑战性的需求是实现固定翼无人机对控制指令满意的响应敏锐度以及确保飞机模态通道有效解耦。本文在气动分析的基础上，建立了含有力和力矩的六自由度（6-DoF）模型，并通过计算流体力学（CFD）数值模拟进行气动分析。提出一种基于扩张状态观测器（ESO）的改进比例微分（PD）控制器来设计内环姿态控制，增强了无人机系统对内外部不确定性的抗干扰能力。建立无人机运动方程,将运动方程分解为纵向和横侧两个独立运动分量,设计小扰动条件下的外环控制律;提出一种纵向高度通道总能量控制系统(TECS),将速度控制与航迹控制分离;横侧轨迹跟踪采用L1非线性路径跟踪制导算法,提高曲线跟踪能力和抗风能力。实飞实验数据证明了该方法的有效性。最后,设计了一种控制律。
用于……的大型无人电动特技飞行器
本文介绍了一种 35% 大小的大型无人特技飞行平台 UIUC Aero Testbed 的开发，该平台主要用于在全飞行状态下进行空气动力学研究。该巨型飞机翼展 105 英寸（2.7 米），重量 37 磅（17 千克），由市售的无线电控制模型飞机制成，并进行了大量修改和升级，包括一个 12 千瓦的电动机系统，可提供超过 2 比 1 的推重比。它配备了一个航空电子设备套件，其中包含一个高频、高分辨率六自由度 (6-DOF) 惯性测量单元 (IMU)，可让系统收集飞机状态数据。该信息集可用于生成高保真空气动力学数据，可用于验证大迎角飞行动力学模型。该项目的合作还使 Aero Testbed 具备了全自主和半自主飞行的能力，以便开展自主飞行研究。首先介绍了用于研究的特技无人机的文献综述。然后讨论了开发该平台的背景和动机。接下来是对所涉及的规划和开发的描述。最后，介绍了初步试飞结果，其中包括几次特技动作的飞行路径轨迹图。
使用 Matlab/Simulink 和飞行模拟器进行飞行控制联合仿真的教程和评论
摘要：在真实的三维虚拟环境中进行飞行测试越来越多地被认为是一种安全且经济高效的评估飞机模型及其控制系统的方法。本文首先回顾并比较了迄今为止最流行的个人计算机飞行模拟器，这些模拟器已成功与 MathWorks 软件对接。这种联合仿真方法可以将 Matlab 工具箱的功能优势（包括导航、控制和传感器建模）与专用飞行仿真软件的高级仿真和场景渲染功能相结合。然后可以使用此方法验证飞机模型、控制算法、飞行处理特性，或根据飞行数据执行模型识别。然而，缺乏足够详细的分步飞行联合仿真教程，而且很少有人尝试同时评估多种飞行联合仿真方法。因此，我们使用 Simulink 和三种不同的飞行模拟器（Xplane、FlightGear 和 Alphalink 的虚拟飞行测试环境 (VFTE)）演示了我们自己的分步联合仿真实现。所有这三种联合仿真都采用实时用户数据报协议 (UDP) 进行数据通信，每种方法都有各自的优势，具体取决于飞机类型。对于 Cessna-172 通用航空飞机，Simulink 与 Xplane 的联合仿真演示了成功的虚拟飞行测试，可以精确地同时跟踪高度和速度参考变化，同时在任意风况下保持侧倾稳定性，这对单螺旋桨 Cessna 来说是一个挑战。对于中等续航能力的 Rascal-110 无人机 (UAV)，Simulink 使用 MAVlink 协议与 FlightGear 和 QGroundControl 连接，从而能够在地图上精确跟踪无人机的横向路径，并且此设置用于评估基于 Matlab 的六自由度无人机模型的有效性。对于较小的 ZOHD Nano Talon 微型飞行器 (MAV)，Simulink 与专为此 MAV 设计的 VFTE 连接，并与 QGroundControl 连接，以使用软件在环 (SIL) 仿真测试先进的基于 H-infinity 观察器的自动驾驶仪，从而在有风条件下实现稳健的低空飞行。然后，最终使用控制器局域网 (CAN) 数据总线和带有模拟传感器模型的 Pixhawk-4 迷你自动驾驶仪将其扩展到 Nano Talon MAV 上的硬件在环 (HIL) 实现。