XiaoMi-AI文件搜索系统
World File Search System跟踪的
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测系统辨识和 LQR 控制器设计
摘要：本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
用于飞机轨迹跟踪的不完全状态观测的系统识别和 LQR 控制器设计
摘要：本文介绍了一种当并非所有状态都可用时，针对飞机跟踪问题的控制器设计流程。在研究中，采用了非线性运输飞机仿真模型，并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下，所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验，实验中噪声水平各不相同。结果表明，所设计的控制器具有鲁棒性，可实现精确的轨迹跟踪。研究发现，在理想的大气条件下，即使对于未测量的变量，跟踪误差也很小。在有风的情况下，跟踪误差与风速成正比，对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时，会发生与湍流强度成正比的状态变量振荡，对于小扰动和中等扰动而言是可以接受的。
TripPy：一种用于价值独立神经对话状态跟踪的三重复制策略
面向任务的对话系统依靠对话状态跟踪 (DST) 来监视交互过程中的用户目标。多领域和开放词汇设置使任务变得相当复杂，并且需要可扩展的解决方案。在本文中，我们提出了一种新的 DST 方法，该方法利用各种复制机制用值填充槽位。我们的模型无需维护候选值列表。相反，所有值都是从对话上下文中动态提取的。槽位由以下三种复制机制之一填充：(1) 跨度预测可以直接从用户输入中提取值；(2) 可以从跟踪系统信息操作的系统信息内存中复制值；(3) 可以从对话状态中已包含的不同槽位复制值，以解决域内和跨域的共指。我们的方法结合了基于跨度的槽位填充方法和记忆方法的优点，从而完全避免使用值选择列表。我们认为，我们的策略简化了 DST 任务，同时在包括 Multiwoz 2.1 在内的各种流行评估集上实现了最先进的性能，其中我们实现了超过 55% 的联合目标准确率。
基于无人机的 GPS 拒绝环境中目标跟踪的协作 Visual-SLAM 系统：以目标为中心的方法
摘要：使用无人机 (UAV) 自主跟踪动态目标是一个具有挑战性的问题，在许多场景中都有实际应用。在这种情况下，必须解决的一个基本方面与空中机器人的位置估计和控制飞行编队的目标有关。对于非合作目标，必须使用机载传感器估计其位置。此外，对于估计无人机的位置，全球位置信息可能并不总是可用的（GPS 拒绝环境）。这项工作提出了一种基于视觉的合作 SLAM（同步定位和地图绘制）系统，该系统允许一组空中机器人自主跟踪在 GPS 拒绝环境中自由移动的非合作目标。这项工作的贡献之一是提出并研究使用以目标为中心的 SLAM 配置来解决与众所周知的以世界为中心和以机器人为中心的 SLAM 配置不同的估计问题。从这个意义上说，所提出的方法得到了从广泛的非线性可观测性分析中获得的理论结果的支持。此外，还提出了一种控制系统，用于保持相对于目标的稳定无人机飞行编队。在这种情况下，使用 Lyapunov 理论证明了控制律的稳定性。通过采用大量计算机模拟，所提出的系统显示出可能优于其他相关方法。
文章：在 GPS 受限环境下基于无人机目标跟踪的协作式 Visual-SLAM 系统：以目标为中心的方法
摘要：使用无人机 (UAV) 自主跟踪动态目标是一个具有挑战性的问题，在许多场景中都有实际应用。在这种情况下，必须解决的一个基本方面与空中机器人和目标的位置估计有关，以控制飞行编队。对于非合作目标，必须使用机载传感器估计其位置。此外，为了估计无人机的位置，全球位置信息可能并不总是可用的（GPS 拒绝环境）。这项工作提出了一种基于视觉的合作 SLAM（同步定位和地图绘制）系统，该系统允许一组空中机器人自主跟踪在 GPS 拒绝环境中自由移动的非合作目标。这项工作的贡献之一是提出并研究使用以目标为中心的 SLAM 配置来解决估计问题，这与众所周知的以世界为中心和以机器人为中心的 SLAM 配置不同。从这个意义上讲，所提出的方法得到了广泛非线性可观测性分析所获得的理论结果的支持。此外，还提出了一种控制系统，用于保持无人机相对于目标的稳定飞行编队。在这种情况下，使用 Lyapunov 理论证明了控制律的稳定性。通过大量计算机模拟，所提出的系统显示出可能优于其他相关方法。
视觉范围内相机跟踪的现代方法...
本论文的版权归作者所有。访问受上述许可约束（如果已提供）。如果上述未指定许可，则本论文中的原创内容根据 Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC-ND 4.0) 许可条款（https://creativecommons.org/licenses/by-nc-nd/4.0/）获得许可。任何存在的第三方版权材料仍归其各自所有者所有，并根据其现有条款获得许可。
最大功率点跟踪的比较研究...
可再生能源在替代化石燃料资源方面发挥着至关重要的作用，而太阳能是这些资源之一，它被认为是环境友好的，并且在过去几年中得到了越来越多的使用。使用太阳能电池板时的主要问题是工作点会随着太阳辐照强度和太阳能电池板表面温度的变化而波动。当负载直接与太阳能电池板耦合时，在大多数情况下，输送的功率不会达到最大功率，因此需要最大功率点跟踪控制器来使系统高效运行，从而使电压转换电路的负载和输入阻抗之间匹配运行，通过这种运行，工作点处于最大功率。在本研究中，使用 MATLAB-2016a 程序对最大功率点跟踪系统进行了仿真，并使用了多种算法：扰动观察算法、增量电导算法、滑模控制器和电压转换电路（降压转换器）的负载与输入阻抗匹配的随机搜索算法。设计并搭建了同步降压转换器电路，然后实际实施系统。微控制器 arduino UNO 用于实现跟踪算法。实际系统实施中使用扰动和观察算法。。结果表明，滑模控制器在获得最大功率方面比传统算法快两倍以上，比随机搜索算法快约 6 毫秒，随机搜索算法比传统算法快约 1.5 倍，并且当辐照强度发生变化时，响应速度更快，可以访问新的最大功率点。SMC 的性能优于传统算法，随机搜索算法优于传统算法，其性能非常接近滑模控制器的性能。实际实施的响应非常快且强大。
多目标视觉跟踪的数据关联
在人类对科学知识的探索中，经验证据是通过视觉感知收集的。计算机视觉跟踪在揭示我们所生活的世界中存在的复杂运动模式方面发挥着重要作用。多目标跟踪算法提供了有关群体和个体群体成员如何在三维空间中移动的新信息。它们使我们能够深入研究移动群体中个体之间的关系。这些可能是拥挤的人行道上行人的互动、显微镜下的活细胞或从洞穴中大量出现的蝙蝠。能够跟踪行人对于城市规划很重要；细胞相互作用的分析支持生物材料设计研究；蝙蝠和鸟类飞行的研究可以指导飞机工程。我们受到这些众多应用的启发，开始考虑将单目标跟踪系统推进到多目标跟踪系统所需的关键组件——数据关联。最一般意义上的数据关联是将有关新观察到的对象的信息与先前观察到的有关它们的信息进行匹配的过程。这些信息可能是关于它们的身份、位置或轨迹。数据关联算法搜索优化某些匹配标准并受物理条件影响的匹配。因此，它们可以表述为解决“约束优化问题”——在存在这些变量的约束的情况下优化某些变量的目标函数的问题。因此，数据关联方法具有强大的数学基础，是计算机视觉研究人员宝贵的通用工具。本书是数据关联方法的教程，适用于计算机视觉领域的学生和专家。我们描述了基本的研究问题，回顾了当前的技术水平，并介绍了一些最近开发的方法。本书涵盖了二维和三维的多目标跟踪。我们考虑了两种成像场景，涉及单个摄像机或具有重叠视野的多个摄像机，并且需要跨时间和跨视图的数据关联方法。除了将新测量结果与已建立的轨迹相匹配的方法外，我们还描述了匹配轨迹段（也称为轨迹小段）的方法。最后，我们讨论了未来研究的激动人心的方向。本书介绍了数据关联的原理性应用，以解决两个有趣的任务：第一，分析自由飞行动物群体的运动；第二，重建行人群体的运动。