XiaoMi-AI文件搜索系统
World File Search System跟踪精度
ratrack：使用4D雷达点云
摘要 - 移动自主权依赖于动态环境的精确感知。在3D世界中强有力地跟踪移动对象，因此在诸如Trajectory预测，避免障碍和路径计划之类的应用中起着关键作用。虽然大多数当前方法利用激光镜或摄像机进行多个对象跟踪（MOT），但4D成像雷达的功能仍未得到探索。认识到4D雷达数据中雷达噪声和点稀疏所带来的挑战，我们引入了Ratrack，这是一种针对基于雷达的轨道量身定制的创新解决方案。绕过对特定对象类型和3D边界框的典型依赖，我们的方法着重于运动分割和聚类，并由运动估计模块丰富。评估在“视图”数据集中，ratrack展示了移动对象的卓越跟踪精度，在很大程度上超过了最新技术的性能。我们在https://github.com/ljacksonpan/ratrack上发布代码和模型。
基于粒子群优化和相位平面分析的4WS车辆的轨迹跟踪控制设计
摘要：随着当今社会的快速发展，交通环境变得越来越复杂。作为智能车辆的重要组成部分，轨迹跟踪因其稳定性和安全性引起了极大的关注。在高速工作等极端工作条件下，准确性和不稳定性很容易发生。在本文中，为分布式驱动车辆提出了一种轨迹跟踪控制策略，以确保在高速和低固定限制条件下进行横向稳定性。模型预测控制器（MPC）用于控制前轮角度，并且设计了粒子群优化（PSO）算法以适应MPC控制参数。滑动模式控制器控制后轮角度，并且通过分析β-来判断车辆不稳定性度。β相平面。在本文中设计了不同不稳定性度的控制器。最后，扭矩分隔器的设计目的是考虑驱动防滑。设计的控制器通过CARSIM和MATLAB-SIMULINK共模拟验证。结果表明，本文设计的轨迹跟踪控制器有效地提高了在确保稳定性的前提下的跟踪精度。
通过 SISO 控制回路和总能量控制对飞机控制进行评估
总能量控制系统 (TECS) 已被提议作为一种替代控制概念，用于跟踪纵向飞行中的高度和速度。在 TECS 中，总能量（即动能和势能的总和）以及这两种能量形式之间的分配受到控制。油门和升降舵输入的组合通过提高设计的模型独立性并在公式中考虑高度和速度动力学之间的飞行机械耦合，克服了传统比例积分 (PI) 控制器的一些局限性。本文的目的是对两种控制方法进行比较，重点是跟踪精度、干扰抑制和瞬态响应。为此，使用 Vitesse 模型飞机作为试验台评估了一个案例研究。给出了使用两种控制方法的 Vitesse 闭环数值模型的仿真结果。Vitesse 的数值模型是使用 OpenVSP 和 VSPAero 生成的。为了找到两种控制方法的控制增益，对 PI 和 TECS 控制架构应用了相同的设计标准。结果表明，两种控制系统都能达到设计要求。速度和高度跟踪令人满意。但是，TECS 能够以较低的超调和较低的控制活动跟踪参考值。
MultiCam Digital Express 功能和规格指南
数字伺服驱动器和无刷数字交流伺服电机相结合，形成数字矢量伺服驱动系统，是所有 MultiCam Digital Express 机器的标准配置。这些驱动系统无缝集成位置、速度和扭矩环路，提供无与伦比的跟踪精度、平滑度和可靠性。MultiCam 伺服驱动机器中使用的驱动器是高性能驱动器系列中的最新产品，它通过利用这种无缝协调的方式推动了最先进的技术，允许实时共享所有信息，以便所有系统功能在任何情况下都能协同工作。例如，如果扭矩环路检测到交流伺服电机已达到 100% 扭矩输出，则立即将其传递到伺服补偿器上游，系统提供协调响应，保持精确控制。您将实现更紧密的跟踪、更平稳的运动和更快的快速移动 - 所有这些都能带来卓越的机器吞吐量和可靠性。MultiCam 使用的数字交流伺服驱动系统不仅具有强大的性能，而且 MTBF 数字也让竞争对手汗颜。数字驱动系统的 MTBF 超过 80 年！
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。
概率3D多对象合作跟踪，用于自动驾驶通过可区分的多传感器kalman filter
摘要 - 当前的最新自动驾驶车辆主要依靠每个传感器系统来执行感知任务。这样的框架的可靠性可能会受到阻塞或传感器故障的限制。为了解决这个问题，最新的研究建议使用车辆到车辆（V2V）通信与他人共享感知信息。但是，大多数相关的作品仅着眼于合作探测，并让合作社跟踪一个未充满刺激的研究领域。最近的一些数据集（例如V2V4Real）提供3D多对象合作跟踪基准。但是，他们提出的方法主要使用合作检测结果作为标准单传感器Kalman滤波器基于基于Kalman滤波器的跟踪算法的输入。在他们的方法中，可能无法正确估计来自不同连接的自动驾驶汽车（CAVS）的不同传感器的测量不确定性，以利用基于卡尔曼滤波器的基于卡尔曼滤波器的跟踪算法的理论优化属性。在本文中，我们提出了一种新颖的3D多对象合作跟踪算法，用于通过可区分的多传感器卡尔曼滤波器自动驾驶。我们的算法学会了每种检测的测量不确定性，以更好地利用基于卡尔曼滤波器基于卡尔曼滤波器的跟踪方法的理论属性。实验结果表明，与V2V4REAL中最新方法相比，我们的算法仅用0.037倍的通信成本提高了17％的跟踪精度。我们的代码和视频可在URL和URL上找到。
基于代理的物流节能传感器网络方法
作为第四次工业革命的一部分，物流流程通过联网信息系统得到增强，以提高其可靠性和可持续性。最重要的是，客户可以分析从联网物流操作中获得的过程数据，以降低成本并提高利润。由于严格的运输温度要求，管理液体货物的物流尤其具有挑战性，需要通过安装在集装箱上的传感器进行监控。然而，这些传感器传输了大量冗余信息，有时这些信息不会给客户带来额外的价值，同时消耗了传感器电池中存储的有限能量。本文旨在探索和研究液体货物物流背景下的位置跟踪和状态监控的替代方法。这个问题是通过使用数据驱动的感知和基于代理的建模技术的组合来解决的。模拟结果表明，当大多数传感器处于睡眠模式时，电池的使用寿命最长，在两种典型的路由场景中，电池寿命分别增加了 × 21.7 和 × 3.7。然而，为了应对需要高质量传感器数据来做出决策的情况，需要让代理了解单个容器的生命周期阶段。主要贡献包括（1）一种基于代理的方法，用于对液体货物物流动态进行建模，从而实现监控和检测效率低下；（2）开发和分析三种传感器使用策略，以降低能耗；（3）评估能耗与位置跟踪精度之间的权衡，以便在资源受限的监控系统中及时做出决策。
基于动态信息分配的联邦过滤器...
多传感器组合导航在水下传感器网络中得到了广泛的应用，它提高了单传感器的跟踪精度，且具有较好的容错能力。多传感器数据融合有两种基本结构：集中式融合和分布式融合。集中式融合将所有数据收集到融合中心进行处理，因此不存在任何数据丢失，集中式融合是最优的，但集中式融合计算和通信负担过重，容错能力差。分布式融合近年来受到越来越多的关注。20世纪90年代，NA Carlson提出了联邦滤波器[1]。联邦滤波器由一个全局滤波器和若干个局部滤波器组成，各局部滤波器彼此独立，采用各自的滤波算法，处理各自的测量信息并生成局部的跟踪路径。全局滤波器只能融合局部滤波器生成的路径[2]。传统的联邦滤波器使用KF作为局部滤波器，这导致传统的联邦滤波器只能跟踪线性运动目标。但测量函数往往是非线性的，KF不能利用非线性信息，因此该算法采用UKF作为局部滤波器。此外，为了识别故障传感器，将动态信息分配设计为子滤波器协方差矩阵的迹与全局协方差矩阵的迹的比值。仿真结果表明，该算法能很好地跟踪非线性系统，且精度优于UKF算法，并且能放大子系统的软故障灵敏度，从而易于识别故障传感器。
农业喷洒无人机的路径跟踪
1 埃尔吉耶斯大学，工程学院，机电一体化工程系，38039，开塞利，土耳其 收稿日期：2024 年 3 月 27 日 修订日期：2024 年 6 月 11 日 接受日期：2024 年 7 月 8 日 摘要 Öz 本文介绍了 Pure Pursuit 控制算法在农业农药喷洒无人机路径跟踪中的实现。精确的路径跟踪可确保准确的农药覆盖范围，最大限度地提高作物产量并最大限度地减少环境影响。大多数农业无人机使用的传统位置控制架构会导致农药分布不一致，因为无人机速度不稳定。位置控制还会导致角落处的减速和加速，导致这些区域喷洒过度。这种缺乏均匀的喷雾分布对高效和可持续农业提出了挑战。Pure Pursuit 算法因其在自主导航中的简单性和有效性而受到青睐。软件架构（包括飞行控制堆栈和基于 ROS2 的 PX4 仿真架构）展示了无人机的精确轨迹跟踪能力。仿真测试评估了系统的路径跟踪精度和整体性能。比较结果表明，Pure Pursuit 控制器在精度、鲁棒性和适应性方面优于标准位置控制器。此外，本文介绍了一种基于网格分解的创新覆盖路径规划 (CPP) 策略。该 CPP 策略与 Pure Pursuit 控制机制相结合，可确保精确的路径跟踪并最大限度地提高覆盖均匀性，从而进一步提高农业喷洒作业的有效性和可持续性。
使用自调节优化卡尔曼滤波器对时变脑网络进行建模
脑网络是复杂的动态系统，其中不同区域之间的定向相互作用在感觉、认知和运动过程的亚秒级尺度上发展。然而，由于神经信号及其未知噪声成分的高度非平稳性质，动态脑网络建模仍然是当代神经科学的主要挑战之一。在这里，我们提出了一种基于卡尔曼滤波器创新公式的新算法，该算法经过优化，可在未知噪声条件下跟踪快速发展的定向功能连接模式。自调节优化卡尔曼滤波器 (STOK) 是一种新型自适应滤波器，它嵌入自调节记忆衰减和递归正则化，以确保高网络跟踪精度、时间精度和对噪声的鲁棒性。为了验证所提出的算法，我们在现实替代网络和真实脑电图 (EEG) 数据中与经典卡尔曼滤波器进行了广泛的比较。在模拟和真实数据中，我们都表明 STOK 滤波器估计定向连接的时间频率模式具有显著优越的性能。STOK 滤波器的优势在真实 EEG 数据中更加明显，其中该算法从大鼠的颅脑 EEG 记录和人类视觉诱发电位中恢复了动态连接的潜在结构，与已知生理学高度一致。这些结果确立了 STOK 滤波器是模拟生物系统中动态网络结构的强大工具，有可能对大脑功能产生的网络状态的快速演变产生新的见解。