XiaoMi-AI文件搜索系统
World File Search System跟踪算法
模拟光伏系统作为州的能源安全v。martynyuk* a，M。VoynarenkoB，J。BoikoC，O。Svistunovd
本文专门用于光伏系统模拟。光伏系统在不同条件下运行，例如改变太阳辐照度和环境温度。在本文中对现有的光伏系统模拟方法进行了分析。开发了电力消耗系统的形式模型，其中包括光伏系统和电气存储系统。在太阳能电池板优化工具设计中使用仿真建模工具的权宜之计是通过应用最大功率跟踪方法显示的。开发的软件提供了在太阳辐射和温度强度的不同值下建立太阳能电池的电流 - 电压和高压特性的能力。电压和负载电流与太阳能电池板的操作点的电压和电流高达50％，该电压和电流使用最大功率点跟踪器设置为最佳值。该软件的体系结构扩展了基于太阳能电池板的系统模拟建模的功能。可以通过使用更复杂的算法进一步完善优化器模型块以及最大功率点跟踪算法的实现。发展是创新的，其实际实施将对国家的能源安全产生重大影响。
TuSeSy：用于自动跟踪飞机和降落伞的智能转盘伺服系统
摘要：跟踪飞机与降落伞在空投试验中起着至关重要的作用。研究降落伞的打开状态和飞行轨迹是十分必要的。如何高效准确地获取降落伞的形变数据和轨迹数据，越来越多的学者开始研究。目前，实际的数据采集主要由实验人员手持高清高速摄像机对降落伞进行跟踪拍摄，获得降落伞在空投过程中的图像序列。但这些方法无法获得降落伞的飞行轨迹，且易受人为因素的干扰。本文设计了一种智能转台伺服系统TuSeSy，可自动跟踪空投试验中的飞机与降落伞。具体来说，TuSeSy根据实际拍摄图像与跟踪算法推断图像之间的差异生成控制命令（从而真正跟踪目标）。此外，我们提出了一种有效的基于图像帧差异和光流的多目标跟踪切换算法，实现了空投试验中从飞机到降落伞的实时切换。为了评估TuSeSy的性能，我们进行了大量实验；实验结果表明，TuSeSy不仅解决了错误目标跟踪的问题，而且还降低了计算开销。此外，与其他跟踪切换方法相比，多目标跟踪切换算法具有更高的计算效率和可靠性，确保了转台伺服系统的实际应用。
kurl：主动对象跟踪的知识引导增强学习模型
最近的研究表明，基于深层执行学习的主动对象跟踪算法具有模型训练的困难，同时实现了有利的跟踪结果。此外，当前的活动对象跟踪方法不适合在高空环境中（例如空气搜索和重新设置）中的空对地面对象跟踪方案。因此，我们提出了一种用于主动对象跟踪的知识引导的增强学习（KURL）模型，其中包括两个嵌入式知识引导的模型（即国家识别模型和世界模型），以及增强学习模式。状态识别模型利用观察到的状态与图像质量（通过对象识别概率衡量）之间的相关性作为先验知识来指导强化学习算法以提高观察到的图像质量。增强学习模块会积极控制Pan-Tilt-Zoom（PTZ）相机以实现稳定的跟踪。此外，还提出了一种世界模型来代替用于模型训练的传统虚幻引擎（UE）模拟器，从而大大提高了训练效率（大约十次）。结果表明，与类似任务中的其他方法相比，KURL模型可以显着提高跟踪的图像质量，稳定性和鲁棒性。关键字：活动对象跟踪；强化学习；知识引导； PTZ摄像机；自动控制。
未知空间上的协同映射和目标搜索...
摘要 — 本文提出了一种协作式地图绘制和目标搜索算法，用于在城市环境中检测单个移动地面目标，该目标最初对于配备有噪声、范围有限的传感器的自主四旋翼飞行器团队来说是未知的。目标根据有偏随机游走模型移动，搜索代理（四旋翼飞行器）构建一个目标状态图，该图对过去和现在的目标位置进行编码。检测前跟踪算法将目标测量值同化为对数似然比，各向异性克里金插值预测未探索区域中占用节点的位置。在搜索区域的每个位置评估的相互信息定义了一个采样优先级表面，该表面由加权 Voronoi 算法划分为候选航路点任务。通过迭代解决效用最大化分配问题，将任务分配给每个代理。数值模拟表明，与非自适应割草机和随机覆盖策略相比，所提出的方法更具优势。我们还通过使用两个真实四旋翼飞行器和两个虚拟四旋翼飞行器进行户外飞行测试，对所提出的策略进行了实验验证。
非小细胞肺癌中的新型新兴分子靶标
摘要：使用高光谱图像（HSIS）的对象跟踪获得令人满意的结果，以区分具有相似颜色的对象。然而，当目标发生变形时，跟踪算法往往会失败。在本文中，提出了基于暹罗Pn的高光谱跟踪器来解决此问题。首先，基于遗传优化方法的频带选择方法设计用于快速降低HSI中信息的冗余。特别是选择了三个具有最高关节熵的条带。为了解决SiamRPN模型中模板中的信息随着时间的流逝而衰减的问题，从一般目标跟踪基准中对数据集进行了更新网络的培训，该基准可以获取有效的累积模板。使用光谱信息的累积模板的使用使跟踪变形目标更容易。此外，预先训练的SiamRPN的转移学习旨在为HSIS获得更好的模型。实验结果表明，提出的跟踪器可以在整个公共数据集中获得良好的跟踪结果，并且当目标变形在定性和定量上比较时，它比其他流行的跟踪器要好，从而达到57.5％的总体成功率，变形挑战率的成功率为70.8％。
低SNR环境中卫星跟踪算法的性能分析
处理多个帧的算法对于在较大范围搜索中识别昏暗的卫星信号和轨道运动至关重要。检测方法之前，要查看具有目标信号并将所有帧数据提供给跟踪器的多个图像，并将检测决策延迟直至形成轨道。本文旨在通过对所有帧进行二项式决策规则进行建模，以估算低SNR跟踪算法的性能。作为系统设计分析的一部分，有必要根据各种参数来预测搜索的性能，例如光圈，传输，检测器灵敏度，帧数，最小可检测的目标大小，衰减和其他因素。这些搜索算法的性能可以由Monte Carle（MC）模拟确定，该模拟需要许多迭代来创建表来描述预期的系统性能。不幸的是，当系统参数和目标特性变化导致任务延迟时，这些基于MC的预测可能需要大量返工。这项工作旨在描述一个分析表达式，以描述场景的预期检测和虚假警报性能，该表达式将允许在太空域名（SDA）任务中观察平台的搜索和收集任务。另外，分析表达可以直接通过对结果的主动性理解并更好地理解任何操作异常。
文章 TuSeSy：用于自动跟踪飞机和降落伞的智能转盘伺服系统
摘要：空投试验中飞机与降落伞的跟踪至关重要，需要研究降落伞的打开状态和飞行轨迹，如何高效准确地获取降落伞的形变数据和轨迹数据成为越来越多学者的研究方向。目前实际的数据采集主要由实验人员手持高清高速摄像机对降落伞进行跟踪拍摄，获得空投过程中降落伞的图像序列，但这些方法无法获得降落伞的运动轨迹，且易受人为因素的干扰。本文设计了TuSeSy智能转台伺服系统，可自动跟踪空投试验中的飞机与降落伞，具体而言，TuSeSy根据实际拍摄图像与跟踪算法推断图像的差异生成控制指令（从而真正跟踪目标）。此外，我们提出了一种基于图像帧差和光流的有效多目标跟踪切换算法，实现了空投试验中从飞机到降落伞的实时切换。为了评估TuSeSy的性能，我们进行了大量的实验；实验结果表明，TuSeSy不仅解决了错误目标跟踪的问题，而且还降低了计算开销。此外，与其他跟踪切换方法相比，多目标跟踪切换算法具有更高的计算效率和可靠性，确保了转台伺服系统的实际应用。
用于空间碎片研究的运动追踪器的开发
太空垃圾是围绕地球运行的人造物体，功能失调。太空技术的小型化和进步促进了小型卫星群数量的增加。多年来，在轨灾难性事件导致太空污染呈指数级增长，太空垃圾的覆盖范围不断扩大。一个由私人机构和太空机构组成的国际联盟共同努力，通过与主动碎片跟踪和清除方法相关的广泛研究和开发来解决这一问题。基于同样的理由，德国航空航天中心技术物理研究所正在开发地面高能激光设施和光学仪器，以跟踪和清除低地球轨道上的太空垃圾。实习项目旨在开发一种运动跟踪器软件，以跟踪通过激光与物质相互作用产生脉冲的技术演示实验中的样本。为了实现这一目标，我们审查并分析了计算机视觉中的几种物体检测和运动跟踪算法。对于物体检测，Harris 角点检测器和尺度不变特征变换算法表现出不错的成功率。基于光流点的跟踪最有希望获得三维样本轨迹，特别是在多视角相机配置中。用于软件开发的参考数据文件是整个项目期间激光与物质相互作用实验中最初获得的高速视频。
直流电源管理和电压调节...
摘要 — 光伏是满足日益增长的能源需求的最重要可再生能源之一。这导致了微电网的出现，揭示了许多问题，其中最重要的是管理和监控其运行，本研究主要通过使用依赖于人工神经元的最大功率跟踪算法并将其与独立直流微电网中的能量管理算法相结合来做出贡献，以控制功率分配并维持直流总线电压水平。使用基于 ANN+PID 的最大功率点跟踪 (MPPT) 算法。其中 ANN 通过使用温度和太阳辐射等实时数据估计参考电压来跟踪最大功率点。PI 控制器减少了测量电压和参考电压之间的误差，并进行了必要的调整以控制连接到光伏板的升压转换器。而控制直流总线电压水平的过程是通过电源管理算法控制电池充电和放电过程并根据电池的充电状态控制双向转换器开关来完成的。利用MATLAB Simulink进行仿真结果表明,所采用的MPPT算法实现了最大功率和最小波动,效率为99.92%,准确度为99.85%,并且电源管理算法成功控制了电池的充电/放电过程,并在不同的工作场景下将直流电压水平维持在指定值。
使用并行视觉处理器实现无人机的跟踪控制
摘要 — 本文介绍了一种基于视觉的控制策略，使用一种新型视觉传感器跟踪地面目标，该传感器为每个像素元素配备一个处理器。这使得计算机视觉任务能够以高效的方式直接在焦平面上执行，而无需使用单独的通用计算机。该策略使小型、灵活的四旋翼无人机 (UAV) 能够以最少的计算工作量和低功耗从近距离跟踪目标。为了评估该系统，我们瞄准了一辆由混沌双摆轨迹驱动的车辆。目标接近度和车辆的巨大、不可预测的加速度给无人机带来了挑战，使其难以保持在向下摄像头的视野 (FoV) 内。状态观察器用于平滑对目标位置的预测，并且重要的是估计速度。实验结果还表明，在目标能见度短时间内丢失期间，可以继续重新获取和跟踪目标。跟踪算法利用视觉传感器的并行特性，在与无人机控制器出现任何通信瓶颈之前实现高速图像处理。由于视觉芯片执行最密集的视觉信息处理，因此计算机上跟踪的所有控制在计算上是微不足道的。这项工作旨在开发出节能且只在信息周围传送有用数据的视觉敏捷机器人