最多20天或更长时间的能量自给自足?- 这些是Xtura蓬勃发展的挑战。“板载电站”,由330 AH锂电池和车顶架上的2x 135 WP高音太阳能电池板,以及折叠移动太阳能电池板上的额外电源,构成了非常长的自给自足的基础。取决于条件,您可以在更长的时间内保持独立于电网,因为Xtura在旅途中通过加强交流发电机以60 a充电能力充电。带有3 kW的逆变器 /岸功率充电器,船上有很多用于电池充电和烹饪的储量,以及空调系统和其他个人电力消费者。功率共享控制系统可确保最佳利用岸电源资源。由控制面板或智能手机通过控制面板或智能手机的所有关键性能参数和板载电源储备提供了方便的所有关键性能参数和板上电源储备的概述。
至少有一半的带有锂离子电池的船只将技术用作混合动力系统的一部分,并使用传统燃料(或可能是生物燃料)配对传统燃烧引擎。这些混合动力系统通常具有较小的电池组,主要是通过板载燃烧引擎或通过再生制动来充电。大约四分之一的锂离子电池容器使用插电式混合动力系统,该系统通常具有较大的电池组,能够储存更多的能量,并且除了在板载充电外,还可以从外部的“插入式”源中充电。使用锂离子电池的船只中约有20%使用纯电气系统,该系统完全在电力上运行,而无需任何燃烧发动机备用1。li-ion电池可以作为自动化功率管理系统的一部分进行合并,该系统可以优化燃油消耗和减少排放,或者作为备用电源系统,该系统可以提供无排放的替代方案,以符合日益严格的端口需求2。
利用板载高容量 MDR-GT 录像机获取聚合高清视频 SDI 流或 4K 视频流的高数据速率。坚固耐用的 XMA 系统 DAU 的视频采集模块为远程和恶劣环境提供了非常紧凑的视频录制能力。
电池系统功能 • 可通过 2 个板载连接器并联电池组 • 8S1P 配置 • 电池平衡和电池寿命监控 • 过压和欠压保护 • 过流保护 • 电池循环计数器 • 充电状态 (SOC) 估计 • 包括自动/手动加热器系统 • 两级电池组钝化系统
• CPU: • RISC-V 双核 64 位,带 FPU;400MHz 神经网络处理器 • QVGA@60FPS/VGA@30FPS 图像识别 • 板载 ESP32 模块支持 2.4G 802.11。 b/g/n 和蓝牙 4.2 • Arduino Uno 外形尺寸,Arduino 兼容接口 • 板载全向 I 2 S 数字输出 MEMS 麦克风 • 用于 DVP 摄像头的 24P 0.5mm FPC 连接器 • 8 位 MCU LCD 24P 0.5mm FPC 连接器 • 支持自弹式微型 SD 卡座 • 重置和启动按钮以及 3W DAC+PA 音频输出 • 只需连接 USB Type-C 电缆即可完成下载 • 基于卷积神经网络的机器视觉 • 用于机器听觉的高性能麦克风阵列处理器 • 支持 MaixPy IDE、Arduino IDE、OpenMV IDE 和 PlatformIO IDE • 支持用于深度学习的 Tiny-Yolo、Mobilenet 和 TensorFlow Lite
紧凑型 500 紧凑型 300 预期用途 国内 国内 最大门重量 500 千克 300 千克 最大门长度 8 米 8 米 每日最大操作次数 50 40 最大启动力 10 千克 6 千克 门速度 18 米/分钟 18 米/分钟 电动机 120 瓦 12 VD/C 120 瓦 12 VD/C 过流感应 电子 电子 辅助输出 12 伏直流电 12 伏直流电 充电率 13.8 伏直流电 13.8 伏直流电 接收器 板载最多 15 个遥控器 板载最多 15 个遥控器 变压器 飞线 220 伏/交流电 插入 220 伏/交流电 正向关闭 可选 预设自动关闭 可选(10—70 秒) 可选(10—70 秒)
为了扩展在遥远和复杂环境中进行操作中使用的自主权的有限范围,有必要进一步发展和成熟的自主权,这些自主权共同考虑了多个子系统,我们将其称为系统级自治。系统级别的自主权建立了解决各个子系统的相互矛盾信息的情况意识,这可能需要对基础航天器和板载模型的改进和互连。但是,由于对建模的假设和权衡的理解有限,因此设计板载模型以支持系统级别的功能带来了重大挑战。例如,排除交叉系统效应的简单车载模型可能会损害机构航天器的功效,而捕获航天器子系统和环境之间依赖性的复杂模型可能是在实现现实世界中的SpaceCecraft(E.G.G.G.G.G.G. ,有限的访问太空飞船和环境状态以及计算资源)。,有限的访问太空飞船和环境状态以及计算资源)。
我们介绍导航开发环境2,这是一种基于上游学习导航研究的低成本模型全堆栈导航系统。系统有两个部分:1)用于几何导航的板载轻量级软件堆栈,包括SLAM,遍历性分析和长马路径计划。2)基于Unity的可自定义仿真环境,具有与现实世界平台相同的传感器和运动模型,照片真实的渲染和自动数据注释。我们的导航算法仅依赖于单个低成本LIDAR-IMU模块和板载计算机。这可以在流行平台上部署,而没有额外的费用或外部校准工作,例如Unitree GO2。在实验中,我们显示了其本地化,避免碰撞和计划在各种环境中的规划。我们还显示了系统在自定义环境中的微调3D对象检测和语言导航中的用法。指南和教程是为系统在流行平台上的设置提供的,并与上游模块集成。
