XiaoMi-AI文件搜索系统
World File Search System跟踪性能
综合预览和非线性控制律设计舰载机飞行控制器
摘要：本文提出了一种考虑复杂舰船运动和风环境的舰载机自动着舰控制律，具体为预瞄控制与自适应非线性控制的综合策略。首先，在姿态控制环中采用增量非线性反步控制律，以提高飞机的抗干扰能力。其次，为提高恶劣海况下的下滑道跟踪性能，对舰载机运动进行预测，并将预测的运动引入最优预瞄控制制导律中，以补偿舰载机运动带来的影响。然而，预瞄控制本质上是一种最优控制律，需要建立状态空间模型，因此内环与外环控制的综合并不是那么简单。因此，需要对姿态-高度高阶系统模型进行低阶等效拟合，此外，还需要为低阶等效系统设计状态观测器，为着舰控制器提供所需状态。最后，为验证所提方法，以无人无尾机模型在不同海况下执行自动着舰任务，结果表明，自动着舰系统即使在恶劣海况下也能保证令人满意的着舰精度和成功率。
105.pdf
锂金属电池（LMB）由于其高能密度而代表了最有前途的电池技术之一。然而，LMB的商业采用受到锂金属高电化学反应性产生的寿命有限和安全性的阻碍。有效的健康估计可以使优化的LMB操作提高利用率效率并降低失败风险，并加速LMB的开发迭代。在这项工作中，我们首先提出了新颖的诊断测试和衰老循环方案，从而通过提取内部电阻，放松电压统计量和充电障碍物来跟踪LMB降解的LMB降解。我们使用装袋的高斯流程回归（Bagged-GPR）提出了LMB的集成数据驱动的健康估计框架。对测试单元格的验证证明了使用一个电压电流数据周期在整个LMB寿命中的准确跟踪性能。所提出的模型为LMB提供了降解见解，而无需其他内部传感器。©2025电化学学会（“ ECS”）。由IOP Publishing Limited代表EC出版。保留所有权利，包括文本和数据挖掘，AI培训和类似技术。[doi：10.1149/1945-7111/ad9cc8]
机器学习视觉和非线性控制方法...
本文讨论了一种不使用 GPS 信号的垂直飞行器自主着陆的机器学习视觉和非线性控制方法。核心思想涉及自动化海军直升机着陆程序，其中飞行员利用船舶作为远程跟踪的视觉参考，但在最终进近和着陆阶段参考大多数海军舰艇上安装的标准化视觉提示，称为“地平线”。这个想法是使用与机器视觉集成的独特设计的非线性控制器实现的。视觉系统利用基于机器学习的物体检测进行远程船舶跟踪，并利用经典计算机视觉进行物体检测和估计飞机在最终进近和着陆阶段的相对位置和方向。非线性控制器基于视觉系统估计的信息运行，即使在存在不确定性的情况下也表现出强大的跟踪性能。开发的自主船舶着陆系统在配备机载摄像头的四旋翼垂直起降 (VTOL) 无人机 (UAV) 上实施，并在移动甲板上进行了演示，该甲板使用 Stewart 平台和相当于地平线的视觉提示模拟真实的船舶甲板运动。进行了广泛的模拟和飞行测试，以展示甲板运动时的垂直着陆安全性、跟踪能力和着陆准确性
SLAM视觉感知的挑战评估模块
摘要尽管有望在视觉和机器人社区中进行大满贯研究，这些研究从根本上维持了智能无人系统的自主权，但视觉挑战仍然严重威胁其强大的操作。现有的大满贯方法通常集中在特定的挑战上，并通过复杂的增强或多模式融合来解决问题。然而，它们基本上仅限于特定场景，并具有非量化的理解和对挑战的认识，从而导致性能下降，并且具有较差的概括，并且（或）具有冗余机制的冗余计算。为了推动Visual Slam的边界，我们提出了一个完全计算可靠的评估模块，称为CEMS（SLAM的挑战评估模块），以基于明确的定义和系统分析，以进行一般视觉感知。它将各种挑战分解为几个共同方面，并使用相应的指标评估退化。广泛的实验证明了我们的可行性和表现不佳。与注释地面真相相比，所提出的模块的一致性为88.298％，与SLAM跟踪性能相比，强大的相关性为0.879。此外，我们根据CEMS显示了具有更好性能的CEM的原型大满贯，并且第一个全面的CET（挑战评估表）（EUROC，KITTI等）对各种挑战的客观和公平评估。我们使其在线提供，从而在我们的网站上受益。
des Gorman＆Murray Horn
我们的关注不是针对管理大流行的最初策略。我们的地理隔离是最初将大流行远离该国的巨大优势。当病毒终于到达时，我们迅速做出了“相对较快”的反应，但我们有很多警告，并且不必等待就等待。通过隔离和锁定的结合来对当地爆发做出反应，以购买时间建立卫生系统能力并等待有效的疫苗也很有意义。更有效的测试和追踪应减少对昂贵的锁定的依赖。然而，没有疫苗，政治优先事项总是将是保护卫生系统不知所措。虽然这种最初的策略是有道理的，但该策略的执行不足。我们不打算对各种失误和政策拖鞋的法医分析（例如，掩盖戴戴要求和快速抗原测试）。毫无疑问，皇家委员会将详细探讨这些委员会。鉴于新西兰没有有意义的大流行计划1，我们必须“随着我们的前进而弥补”。错误是不可避免的。我们的关注不是犯错，而是我们的反应缺乏适应性和敏捷性。作为例证，请考虑接触跟踪性能的关键度量。这远低于第一次爆发期间明智的标准2，并且在2021年末和2022年被“ Delta”和“ Omicron”菌株爆发所淹没之前，连续暴发没有任何改善。
从增强学习到可区分的模拟
摘要 - 我们通过弥合以学习为中心的政策培训和基于模型的控制之间的差距来提供学习机器人控制的新见解。我们利用最佳控制，强化学习和可区分模拟来开发控制算法，从而增强机器人的敏捷性，同时在现实世界中保持稳健性。首先，我们表明，与最佳控制相比，机器人技术中增强学习的基本优势在于其优化目标。具体来说，RL直接最大化任务级目标，这可能是不可差异的，而最佳控制受到平滑且可微分的成本功能的要求限制。客观设计的灵活性允许实现更灵活的控制策略，从而在意外情况下导致更强的性能。第二，我们建议使用策略搜索自动优化模型预测控制（MPC）的高级策略。此公式使策略搜索能够专注于最大化高级任务目标，而MPC优化可以集中于低级跟踪性能。第三，我们探讨了可区分模拟进行政策培训的潜力。可区分的模拟可以提供低变化的一阶梯度，从而导致更稳定的训练和更好的收敛性。我们显示了玩具双积分器的近乎最佳控制性能及其对四足动力的潜力。
自动驾驶汽车的时间 - 最佳轨迹计划和跟踪
摘要：本文提出了一个用于自动驾驶汽车轨迹计划和跟踪的层次控制框架，以应对准确遵循高速，限制性操作的挑战。提出的时间优势轨迹计划和跟踪（TOTPT）框架利用层次控制结构，具有离线轨迹优化（TRO）模块和在线非线性模型预测性控制（NMPC）模块。TRO层使用直接搭档方法生成最小单圈时间轨迹，该方法优化了车辆的路径，速度和控制输入，以达到最快的圈速时间，同时尊重车辆动力学和轨道约束。NMPC层负责准确跟踪TRO实时生成的参考轨迹。NMPC还结合了一种预览算法，该算法利用预测的未来旅行距离来估算下一个时间步骤的最佳参考速度和曲率，从而改善了整体跟踪性能。在加泰罗尼亚电路上的仿真结果证明了该框架以平均速度为116 km/h准确地遵循时间优势的赛车的能力，最大侧向误差为0.32 m。 NMPC模块使用具有实时迭代（RTI）方案的ACADOS求解器来实现毫秒级计算时间，从而可以在自动驾驶汽车中实时实施它。
快速高速激光通信演示...
摘要 — 本文报告了从快速机载平台到地面站的高速率自由空间光通信下行链路的演示。所用的飞行平台是 Panavia Tornado，激光通信终端安装在附加的航空电子演示吊舱中。配备自由空间接收器前端的可移动光学地面站用作接收站。选择的通信下行链路波长和信标激光的上行链路波长与 C 波段 DWDM 网格兼容。开发了新的光机跟踪系统，并将其应用于两侧，以实现链路捕获和稳定。飞行测试于 2013 年 11 月底在德国曼奇的空中客车防务与航天公司附近进行。该活动成功展示了数据速率为 1.25 Gbit/s 的飞机下行链路激光通信的成熟度和准备就绪性。我们根据链路预算评估、开发的光机终端技术和飞行活动的结果概述了实验设计。试验本身侧重于机载终端和地面站的跟踪性能。可在飞机速度高达 0.7 马赫时测量性能，并传输来自机载摄像机的视频数据。在瞬时跟踪误差分别低于 60 μ rad 和 40 μ rad 时，机载终端和地面站的跟踪精度高达 20 μ rad rms。
MIT 开放存取文章基于模拟的比较...
摘要：闭环麻醉输送 (CLAD) 系统可帮助麻醉师在较长时间内有效达到并维持所需的麻醉深度。典型的 CLAD 系统将使用根据生理信号计算出的麻醉标记物作为实时反馈，以调整麻醉剂量，以达到标记物的所需设定点。由于 CLAD 的控制策略在最近文献中报道的系统中各不相同，因此对常见控制策略进行比较分析会很有用。对于基于完善的房室药代动力学和 S 型 Emax 药效学模型的非线性植物模型，我们用数字方式分析了三种输出反馈线性控制策略的设定点跟踪性能：比例积分微分 (PID) 控制、线性二次高斯 (LQG) 控制和具有积分作用的 LQG (ILQG)。具体来说，我们针对患者无法获得设备模型参数、控制器基于标称模型设计且控制器增益在整个疗程中保持不变的情况对多个 CLAD 疗程进行了数值模拟。基于此处执行的数值分析，并根据我们选择的模型和控制器，我们推断 PID 控制在准确度和偏差方面优于 ILQG，而 ILQG 又优于 LQG。在噪声观测的情况下，可以调整 ILQG 以提供更平稳的输注速率，同时实现与 PID 相当的稳态响应。此处报告的数值分析框架和结果可以帮助 CLAD 开发人员选择控制策略。本文也可作为 CLAD 控制理论教学的教程论文。
虚拟和机械耦合如何影响双人跟踪
双边训练系统旨在促进偏瘫患者的偏爱手的用途。通常使用机械耦合（即手之间的物理连接）来实现这一点，但是依靠虚拟耦合的虚拟现实系统（即，通过共享的虚拟对象）更简单地使用并防止懈怠。但是，尚不清楚不同的耦合模式是否对任务绩效和手之间的努力分配有所不同。我们探讨了18名健康的右撇子参与者如何通过使用共享光标映射到平均手的位置的共享光标来改变机械辅助的添加以及虚拟耦合，以改变其运动行为。在第二个实验中，我们研究了连接刚度对性能，感知和努力失衡的影响。结果表明，两种耦合类型都可以诱导双手积极贡献任务。但是，通过使用映射到左手或右手的光标引入的任务不对称性仅在不机械耦合时调节手的贡献。对于所有耦合类型的跟踪性能都是相似的，而与连接刚度无关，尽管优选机械结合，并且可以诱导手以更大的相关性移动。这些发现表明，虚拟耦合可以诱导双手积极贡献健康参与者的任务，而不会阻碍他们的表现。进一步研究耦合类型对偏瘫患者的性能和手的努力分配的影响可以允许设计更简单的训练系统，从而促进受影响的手的使用。