XiaoMi-AI文件搜索系统
World File Search System跟踪性能
跟踪飞机轨迹...
1. 简介。轨迹跟踪是飞行控制系统的一项基本任务。在这一任务中，确保所采用的方法准确，特别是对干扰具有鲁棒性至关重要。这对于飞行的关键阶段（例如进近和着陆）尤其重要，因为飞行在拥挤的空域和近地飞行。在这些阶段，干扰引起的偏离参考轨迹可能会导致灾难性的后果。因此，风是飞行系统最危险的干扰之一，因为它不可预测，对飞机动力学影响很大。考虑到上述飞行条件下控制任务的关键性，迄今为止已经研究了几种用于此应用的方法。在 [19] 中，作者提出了一种 gamma/theta 制导律，用于跟踪已知风场的最优控制方法得出的轨迹。作者在垂直平面上制定了问题，并使用起飞阶段的数值示例说明了所开发的方法。 [15] 中的研究提出了一种自适应控制方案，利用该思想控制飞机在起飞阶段的爬升率。该反馈控制律不需要事先了解风场。[4] 中的作者将非线性空间反演方法应用于飞机轨迹跟踪。开发了一种新的垂直平面制导方案，与传统的基于非线性动态反演的方法相比，其跟踪性能有所提高。与 [19] 类似，需要对现有的风扰动进行先验估计。着陆飞行阶段被视为二维跟踪
太空环境对交联 ETFE 聚合物的影响
交联乙烯-四氟乙烯 (X-ETFE) 因其出色的耐热、抗蠕变和抗电弧跟踪性能而常用作航天器中的电缆护套材料。2003 年，Midori-II（先进地球观测卫星-II：ADEOS-II）由于电力供应减少而停止提供观测数据。异常原因被确定为太阳能桨上的放电事件；线束损坏被认为是放电的可能诱因。随后，JAXA 评估了由 X-ETFE 制成的电缆护套的退化情况。对于 Midori-II 任务，最严重的环境因素是高温；循环温度测试显示产生了裂纹。此外，地面测试结果表明，护套材料因原子氧 (AO)、电子束 (EB) 和紫外线 (UV) 照射等空间环境影响而退化。特别是，由紫外线引起的褐变相当严重，高温尤其加剧。不同温度下紫外线照射对 X-ETFE 聚合物太阳吸收率变化的影响。与低于 313K 时相比，373K 样品的太阳吸收率下降很快。太阳紫外线引起的褐变增加了空间材料的太阳吸收率（导致温度进一步升高），从而导致恶性循环。评估后，JAXA 提出建议，X-ETFE 电缆护套不应暴露在太空环境中。本文介绍了空间环境对 X-ETFE 聚合物（SPEC 55 电线和电缆；Raychem – Tyco Electronics Corp.）影响的评估结果：紫外线、AO 和电子束 (EB) 辐照。1. 简介
可变负荷和环境条件下独立光伏系统的鲁棒动态控制策略
摘要：双级独立光伏 (PV) 系统存在稳定性和可靠性问题，其提供最大功率的效率受环境条件变化的极大影响。混合反步控制 (BSC) 是最大功率点跟踪 (MPPT) 的良好候选方案，但是，由于 BSC 的递归性质，PV 输出中存在显著的稳态振荡。该问题可以通过提出一种混合积分反步控制 (IBSC) 算法来解决，其中提出的积分作用可显著降低 PV 阵列输出在不同温度和太阳辐照度水平下的稳态振荡。同时，在交流阶段，主要挑战是减少由负载参数变化引起的 VSI 输出的稳态跟踪误差和总谐波失真 (THD)。尽管传统的滑模控制 (SMC) 对参数变化具有鲁棒性，但它本质上是不连续的并且继承了过于保守的增益设计。为了解决这个问题，提出了一种基于超扭转控制 (STC) 的动态扰动抑制策略，其中设计了一个高阶滑模观测器来估计负载扰动的影响作为集中参数，然后由新设计的控制律拒绝该参数以实现所需的 VSI 跟踪性能。所提出的控制策略已通过 MATLAB Simulink 验证，其中系统在 0.005 秒内达到稳定状态，并在峰值太阳辐射水平下提供 99.85% 的 DC-DC 转换效率。交流级稳态误差最小化为 0 V，而 THD 分别限制为线性和非线性负载的 0.07% 和 0.11%。
![arxiv：2311.17085v2 [CS.CV] 2024年2月19日](/simg/2\2cef09d2f291e154357cd1d57ca70d2de9f797c6.webp)
arxiv：2311.17085v2 [CS.CV] 2024年2月19日
单个对象跟踪旨在在视频序列中找到一个特定目标，鉴于其初始状态。古典轨道仅依靠视觉提示，限制了他们应对挑战的能力，例如外观变化，模棱两可和分心。因此，视觉语言（VL）跟踪已成为一种有前途的方法，并结合了语言描述，以直接提供高级语义并增强跟踪性能。但是，当前的VL跟踪器尚未完全利用VL学习的力量，因为它们受到了限制，例如在很大程度上依靠架子式骨干进行特征提取，无效的VL Fusion设计以及缺乏与VL相关的损失功能。因此，我们提出了一个新颖的跟踪器，该跟踪器逐渐探索了以目标为中心的VL跟踪语义。指定，我们提出了用于VL跟踪的第一个同步学习骨干（SLB），该骨干（SLB）由两个新颖的模式组成：目标增强模块（TEM）和语义意识到的模块（SAM）。这些模块使跟踪器能够感知与目标相关的语义，并以相同的步伐理解视觉和文本模式的文本，从而促进VL特征提取和在不同层次上的融合。此外，我们设计了密集的匹配损失，以进一步增强多模式表示学习。在VL跟踪数据集上进行的广泛实验证明了我们方法的优势和有效性。
Phillip M. Grice – 个人简历
2021 年 1 月 – 2022 年 5 月 高级首席机器人软件工程师 ，iRobot，宾夕法尼亚州匹兹堡（远程）。{实施用于所有机器人软件的静态和动态分析测试增强功能，定期在开发早期和部署给客户之前识别软件缺陷{开发了多个团队使用的代码质量指标来监控和改进开发实践{开源软件审查委员会成员 - 简化 iRobot 对开源项目的使用和贡献 2019 年 3 月 – 2021 年 1 月 高级软件工程师，机器人技术，Bossa Nova Robotics，宾夕法尼亚州匹兹堡。 { 通过第三方 L1 员工支持 >550 个已部署机器人的远程机器人操作系统首席工程师 { 负责所有远程操作和人机交互功能的技术团队负责人 { 所有机器人软件的发布经理，通过 QA 和多阶段车队部署跟踪性能 { 集成第三方基于 Web 的机器人监控和控制工具，提高远程机器人操作的安全性、可访问性、可扩展性和成本效益 { 设计和构建新颖的机器人 HRI 行为以寻求人工帮助，减少现场服务调度 { 推动自主性、现场支持和远程操作之间的跨职能努力，不断提高车队性能和可靠性 { 指导与多家供应商的产品开发，以确保所提供的产品能够快速有效地满足公司需求 2017 年 9 月 - 2019 年 3 月 机器人科学家，Bossa Nova Robotics，宾夕法尼亚州匹兹堡。 { 负责开发新颖的、事件驱动的远程车队监控堆栈的技术团队 { 负责维护和改进机器人代码库的多个领域 { 设计并将新架构部署到核心业务逻辑模块以提高质量和可维护性 { 为整个公司的人机交互和人为因素设计提供专家指导
基于ANFIS的双向网格连接的EV充电站与
与将储能技术（例如电池和水电存储）合并到太阳能PV安装中相关的挑战和机会，强调了存储在增强电网稳定性和最大化可再生能源利用率方面的作用。[9] Nwaigue等人（2019年）对太阳能光伏系统的智能电网整合进行了综述。The study examines the challenges and potential solutions for integrating solar PV into existing power grids, focusing on aspects like grid stability, power quality, and control strategies, highlighting the need for advanced grid management techniques to optimize solar PV integration [16] Raugei et al (2017) investigate the EROI of photovoltaic as compared to fossil fuel life cycles.该研究提出了一种评估Eroi的综合方法，并提供了有见地的比较，强调了太阳能光伏系统的有利能源回报特征。[21] 1.2基于ANFIS的MPPT技术Kumar等人（2021）描述了基于ANFIS的MPPT技术，用于独立太阳能PV系统。所提出的方法利用ANFI来估计最佳工作点，实现有效的跟踪性能并提高能量产量。[10] Bendary等人（2021）描述了用于光伏系统中MPPT的ANFIS（基于网络的模糊推理系统）。提议的基于ANFIS的MPPT控制器适应不断变化的环境条件，确保准确跟踪并提高整体系统效率。[11] G. Liu等（2020）引入了对独立太阳能PV系统的不同基于ANFIS的MPPT算法的比较研究。它由两个主要该研究评估了算法的跟踪准确性，收敛速度和稳定性，为选择最佳的基于ANFIS的MPPT方法提供了宝贵的见解。[14] U. Yilmaz等人（2019）开发了MPPT（“最大功率点跟踪”）方法。
用于凝视跟踪任务期间用户表现和疲劳评估的人机自适应模型
摘要：眼动界面是一种新兴技术，用户只需注视图形用户界面 (GUI) 即可控制它们。然而，使用凝视控制的 GUI 可能是一项艰巨的任务，会导致认知和身体负荷过重以及疲劳。为了应对这些挑战，我们提出了基于生物反馈的自适应人机辅助人机界面 (HA-HCI) 的概念和模型。该模型可以有效和可持续地使用由生理信号（例如凝视数据）控制的计算机 GUI。所提出的模型允许基于阻尼谐振子 (DHO) 模型在人机交互过程中进行分析性人类表现监测和评估。为了测试该模型的有效性，作者从 12 名玩凝视控制计算机游戏的健康志愿者那里获取了凝视跟踪数据，并使用奇偶统计分析对其进行了分析。实验结果表明，所提出的模型有效地描述和解释了注视跟踪性能动态，包括 GUI 控制任务性能的主体变化、长期疲劳和训练效果，以及基于注视跟踪的控制任务期间用户性能的短期恢复。我们还分析了现有的 HCI 和人类性能模型，并开发了现有生理模型的扩展，以开发自适应用户性能感知界面。所提出的 HA-HCI 模型从用户性能的角度描述了人与生理计算系统 (PCS) 之间的交互，结合了与 PCS 的标准 UI 组件交互的性能评估程序，并描述了系统应如何应对生产力 (性能) 的损失。我们通过设计眼控游戏进一步证明了 HA-HCI 模型的适用性。我们还开发了一个基于阻尼谐振的分析用户性能模型，该模型适用于描述基于注视跟踪的 PC 游戏性能的变化。使用奇偶分析测试了该模型的有效性，结果显示存在很强的正相关性。阻尼振荡模型建立的用户个人特征可用于根据玩家的游戏技能和能力对玩家进行分类。实验结果表明，玩家可以分为学习者（阻尼因子为负）和疲劳者（阻尼因子为正）。我们发现振幅和阻尼因子之间存在很强的正相关性，这表明良好的启动者通常疲劳率较高，而启动缓慢的疲劳率较低，甚至可能在比赛中提高其表现。提出的 HA-HCI 模型和分析用户性能模型为开发自适应的人性化 HCI 提供了一个框架，该框架能够监控、分析和提高使用基于生理计算的用户界面的用户的性能。所提出的模型在提高未来人类辅助凝视控制界面系统的可用性方面具有潜在的应用。
使用自然主义驾驶数据对长组合车辆的性能评估
目前在瑞典正在进行长期车辆组合（LCV）的引入，这为降低运营成本提供了机会，同时改善了每吨公里的缩放和二氧化碳排放。LCV是指超过25.25米的重型车辆，这是根据瑞典规则的常规长度限制。尽管有好处，但问题是这些车辆在路上的表现。本论文研究并分析了LCV实验的自然主义驾驶数据（NDD）的帮助。使用基于绩效的标准（PBS）进行绩效评估。PBS是用于重型车辆的调节系统，例如LCV，它需要吵架并需要车辆的行为。本文中使用的主要PBS尺寸是低速的背部加固，轨道偏差和扫荡区域。背面加固代表了从车辆组合的前部到后部的运动加强，这与其稳定性有关，其余两个表示车辆在不同情况下占用的空间。此外，转向恢复速度（SRR）用于以低速计算驾驶员的认知工作量，例如在回旋处和交叉点驾驶时。在本文中研究了两个LCV变体，该论文是由拖拉机拖车 - 拖车/拖车拖车拖车组成的A双变体，以及一个由卡车组成的二人组合，该卡车绘制了两个带有中心轴的拖车。本文论文感兴趣的四种情况：文件更换，通过回旋处的操作，在交叉路口的摇摆和紧密曲线驾驶。论文提出了三项贡献，描述了分析方法和随后的结果讨论。在第一个贡献中，开发了一种算法，以从LCV车辆的自然驾驶数据中提取文件更改，在该数据中，该方法用于来自A-Double Deakic的数据。结果表明，在文件更改期间，A-Double车辆遵守建议的安全限制。在第二个贡献中，在NDD的帮助下，在回旋处评估了A双车的性能。研究了不同半径的不同回旋处。与半径较大的回旋处相比，车辆在回旋处占据了更多的空间，在所有情况下，占用的空间都低于拟议的安全限制。对于比本研究中包含的回旋处，可能需要可控的轴。此外，驾驶员的认知负荷随着回旋处的半径而变化，在该回旋处的驾驶员较大的回旋处的驾驶员具有较低的认知负载。第三个贡献是关于在四种情况下对二人组合的绩效评估，然后与A-dubble车辆进行了比较。结果介绍的是，A-Double车辆和二人组合都稳定，并且在大多数情况下都具有良好的跟踪性能。在文件更换中，观察到一辆可简约的车辆更稳定，而二人组合在低速场景（例如回旋处和交叉点）下具有更好的可操作性。