针对中性浮力实验体控制问题,提出一种动态解耦多通道复合控制算法。通过实验体受力分析,建立了其六自由度运动模型。设计了一种动态解耦神经网络,其优点在于能适应动态变化的耦合程度。采用CMAC(Cerebellar Model Articulation Control...针对中性浮力实验体控制问题,提出一种动态解耦多通道复合控制算法。通过实验体受力分析,建立了其六自由度运动模型。设计了一种动态解耦神经网络,其优点在于能适应动态变化的耦合程度。采用CMAC(Cerebellar Model Articulation Controller)和PID复合控制进行单通道控制,其优点在于结合了CMAC前馈控制的快速响应性能和PID反馈控制的强抗干扰性。经MATLAB仿真验证,提出的算法能有效控制实验体位置和姿态。调整时间短且稳态精度高,效果优于PID控制。展开更多
为解决高层建筑物室内5G信号覆盖不足、优化难度大的问题,提出基于粒子群优化(particle swarm optimization,PSO)算法的5G波束权值寻优方法。通过采集终端数据将网络解耦成多个子网切片,对单小区权值库进行规划和仿真,构建多小区权值组...为解决高层建筑物室内5G信号覆盖不足、优化难度大的问题,提出基于粒子群优化(particle swarm optimization,PSO)算法的5G波束权值寻优方法。通过采集终端数据将网络解耦成多个子网切片,对单小区权值库进行规划和仿真,构建多小区权值组变量以及适应度函数。最后,采用PSO算法求解多小区波束权值组局部最优值。测试结果表明,平均参考信号接收功率(reference signal receiving power,RSRP)提升8.7%,平均信干噪比(signal to interference plus noise ratio,SINR)提升17.5%,下行速率提升27.3%。所提方法在5G天线波束权值寻优上具有低成本、高效率、智能化的优势,可以改善高层室内用户的感知。展开更多
文摘针对中性浮力实验体控制问题,提出一种动态解耦多通道复合控制算法。通过实验体受力分析,建立了其六自由度运动模型。设计了一种动态解耦神经网络,其优点在于能适应动态变化的耦合程度。采用CMAC(Cerebellar Model Articulation Controller)和PID复合控制进行单通道控制,其优点在于结合了CMAC前馈控制的快速响应性能和PID反馈控制的强抗干扰性。经MATLAB仿真验证,提出的算法能有效控制实验体位置和姿态。调整时间短且稳态精度高,效果优于PID控制。
文摘为解决高层建筑物室内5G信号覆盖不足、优化难度大的问题,提出基于粒子群优化(particle swarm optimization,PSO)算法的5G波束权值寻优方法。通过采集终端数据将网络解耦成多个子网切片,对单小区权值库进行规划和仿真,构建多小区权值组变量以及适应度函数。最后,采用PSO算法求解多小区波束权值组局部最优值。测试结果表明,平均参考信号接收功率(reference signal receiving power,RSRP)提升8.7%,平均信干噪比(signal to interference plus noise ratio,SINR)提升17.5%,下行速率提升27.3%。所提方法在5G天线波束权值寻优上具有低成本、高效率、智能化的优势,可以改善高层室内用户的感知。
