-
题名基于PIDNN的六旋翼无人机飞行控制算法研究
被引量：5
- 1
-
-
作者
徐会丽
石明全
张霞
王晓东
井光辉
-
机构
中国科学院大学中国科学院重庆绿色智能技术研究院
-
出处
《传感器与微系统》
CSCD
2017年第12期25-27,共3页
-
基金
基于虚拟现实技术的机械系统动力学仿真系统开发及应用项目(CSTC2012GGB60001)
重庆市北碚区应用开发计划项目(Y62Z120G10)
-
文摘
针对六旋翼无人机比例—积分—微分(PID)控制器参数优化困难的问题,采用了PID神经网络(PIDNN)控制方法,利用其非线性映射和自学习的特性,实现了姿态控制参数的动态调整,增加了系统的自适应性。为验证方法的有效性,通过Matlab的Simulink模块构建了六旋翼无人机数学模型;利用S函数实现了基于反向传播(BP)算法的PIDNN控制器;将仿真结果与传统PID控制效果进行对比,结果表明:在缩短姿态调整时间与减少超调量方面,PIDNN方法控制效果优于PID方法。
-
关键词
六旋翼无人机
比例—积分—微分神经网络算法
姿态控制
-
Keywords
six-rotor unmanned helicopter
PID neural network（PIDNN） algorithm
control of attitude
-
分类号
V249.1
[航空宇航科学与技术—飞行器设计]
-
-
题名基于卷积神经网络的实时跟踪算法
被引量：5
- 2
-
-
作者
程朋
刘鹏程
程诚
周祥东
石宇
-
机构
中国科学院大学中国科学院重庆绿色智能技术研究院
-
出处
《传感器与微系统》
CSCD
2018年第5期144-146,共3页
-
基金
中国科学院先导专项项目(XDA0640102)
-
文摘
利用卷积神经网络(CNN)强大的特征学习能力,提出了一种基于卷积神经网络的实时跟踪算法。通过对双通道卷积神经网络进行离线训练,学习相邻两帧之间的差异,得到跟踪目标的表观特征与运动之间的普遍规律。在不需要对网络模型在线更新的情况下,直接通过网络回归得到对目标的位置和对应置信度的预测。在VOT2014数据集中进行实验,结果表明:提出的跟踪算法的性能达到了当前领先水平。同时,跟踪算法的运行速度可以达到90帧/s,表现出非常不错的实时性。
-
关键词
目标跟踪
卷积神经网络
离线训练
置信度
-
Keywords
target tracking
convolutional neural network（CNN）
offline training
confidence
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
