检索结果-维普期刊中文期刊服务平台

面向可打击区域的高超声速飞行器制导控制一体化方法研究: 1; 作者赵良玉时皓铭 +1 位作者王建华崔磊《航空兵器》 CSCD 北大核心 2024年第2期91-98,共8页; 针对高超声速飞行器制导和控制系统分离设计方法的不足,提出通过制导控制一体化设计提升其可打击区域的方法。首先,在建立高超声速制导控制一体化模型的基础上,揭示了其通过控制弹体坐标系与地面坐标系的牵连加速度来跟踪制导指令的工... 展开更多; 关键词制导控制一体化大样本仿真可打击区域高超声速飞行器过载约束; 在线阅读下载PDF 职称材料

基于干扰补偿的四旋翼无人机轨迹跟踪控制被引量：5: 2; 作者范文茹刘权威田栢苓《现代防御技术》北大核心 2024年第2期87-93,共7页; 针对带有未知外部扰动的四旋翼无人机轨迹稳定跟踪问题,设计了一种基于干扰补偿的控制策略。针对四旋翼无人机位置环设计PID位置控制器,并基于干扰估计器对外部干扰进行补偿。通过姿态解算得到期望姿态,并针对四旋翼无人机姿态环设计具... 展开更多; 关键词四旋翼无人机轨迹跟踪干扰补偿位置控制器姿态解算姿态控制器; 在线阅读下载PDF 职称材料

基于不确定度感知的帧关联短视频事件检测方法: 3; 作者李云王富铕 +2 位作者井佩光王粟肖澳《计算机应用》 CSCD 北大核心 2024年第9期2903-2910,共8页; 针对如何联合短视频的帧不确定度和时序关联性,以增强事件检测能力的问题,提出一种基于不确定度感知的帧关联短视频事件检测方法。首先,利用2D卷积神经网络(CNN)提取短视频每一帧的特征,再将该特征多次前向传播并通过贝叶斯变分层获得... 展开更多; 关键词时序关联性帧关联短视频事件卷积神经网络贝叶斯神经网络不确定度; 在线阅读下载PDF 职称材料

基于自反馈最优子类挖掘的视频异常检测算法被引量：1: 4; 作者侯春萍赵春月王致芃《计算机科学》 CSCD 北大核心 2021年第7期199-205,共7页; 视频异常检测算法是视频处理领域的研究热点之一,用于检测视频中是否包含异常事件。然而,由于没有异常样本参与训练过程,且异常样本与正常样本之间存在一定程度的相似性,因此很难设计出一种有辨识力的异常检测模型。为了解决上述问题,... 展开更多; 关键词视频异常事件检测特征选择自反馈最优子类挖掘一类支持向量机; 在线阅读下载PDF 职称材料

题名面向可打击区域的高超声速飞行器制导控制一体化方法研究: 1; 作者赵良玉时皓铭王建华崔磊; 机构北京理工大学宇航学院航天工程大学宇航科学与技术系天津大学电气自动与信息工程学院; 出处《航空兵器》 CSCD 北大核心 2024年第2期91-98,共8页; 基金国家自然科学基金项目(12072027) 河南省通用航空技术重点实验室开放基金项目(ZH-KF-230201)。; 文摘针对高超声速飞行器制导和控制系统分离设计方法的不足,提出通过制导控制一体化设计提升其可打击区域的方法。首先,在建立高超声速制导控制一体化模型的基础上,揭示了其通过控制弹体坐标系与地面坐标系的牵连加速度来跟踪制导指令的工作原理。其次,通过典型弹道的数值仿真,对比分析了制导控制一体化设计相较于分离设计的控制信号差异。最后,通过确定制导控制分离设计及一体化设计的高超声速飞行器可打击区域的方式,从大样本仿真角度体现制导控制一体化的优势。结果表明,制导控制一体化设计可以放宽对可用过载的需求且有助于提升高超声飞行器的可打击区域。; 关键词制导控制一体化大样本仿真可打击区域高超声速飞行器过载约束; Keywords integrated guidance and control large-scale simulations striking area hypersonic vehicles overload constraint; 分类号 TJ765 [兵器科学与技术—武器系统与运用工程]; 在线阅读下载PDF 职称材料

题名基于干扰补偿的四旋翼无人机轨迹跟踪控制被引量：5: 2; 作者范文茹刘权威田栢苓; 机构中国民航大学电子信息与自动化学院天津大学电气与信息工程学院; 出处《现代防御技术》北大核心 2024年第2期87-93,共7页; 文摘针对带有未知外部扰动的四旋翼无人机轨迹稳定跟踪问题,设计了一种基于干扰补偿的控制策略。针对四旋翼无人机位置环设计PID位置控制器,并基于干扰估计器对外部干扰进行补偿。通过姿态解算得到期望姿态,并针对四旋翼无人机姿态环设计具有强鲁棒性能的INDI姿态控制器,通过Simulink进行仿真对比试验。实验结果表明,该控制策略可实现带有未知外部扰动条件下的四旋翼无人机轨迹跟踪能力。; 关键词四旋翼无人机轨迹跟踪干扰补偿位置控制器姿态解算姿态控制器; Keywords quadrotor unmanned aerial vehicles UAV trajectory tracking disturbance compensation position controller attitude computation attitude controller; 分类号 V279.2 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名基于不确定度感知的帧关联短视频事件检测方法: 3; 作者李云王富铕井佩光王粟肖澳; 机构广西财经学院大数据与人工智能学院中国铁路设计集团有限公司电化电信院天津大学电气与信息工程学院广西民族大学电子信息学院广西大学计算机与电子信息学院; 出处《计算机应用》 CSCD 北大核心 2024年第9期2903-2910,共8页; 基金国家自然科学基金资助项目(61861014) 博士启动基金资助项目(BS2021025)。; 文摘针对如何联合短视频的帧不确定度和时序关联性,以增强事件检测能力的问题,提出一种基于不确定度感知的帧关联短视频事件检测方法。首先,利用2D卷积神经网络(CNN)提取短视频每一帧的特征,再将该特征多次前向传播并通过贝叶斯变分层获得特征均值和与特征对应的不确定度信息;其次,利用模型构建的不确定度感知模块将特征均值和不确定度信息进行融合,再将融合后所得的各帧特征通过时序关联模块加强时域上的联系;最后,用时域关联后的特征通过分类网络实现短视频事件检测。在从Flickr平台上爬取到的短视频事件检测数据集上开展实验对比,实验结果表明,支持向量机(SVM)等子空间学习方法的分类性能较差,对高级语义表示的探索不充分;而深度学习方法对于事件检测的准确率明显更优。相较于SViTT(Sparse Video-Text Transformer)方法,所提方法的准确率、平均召回率和平均精度分别提高了3.37%、2.55%和2.09%,验证了所提方法在短视频事件检测任务上的有效性。; 关键词时序关联性帧关联短视频事件卷积神经网络贝叶斯神经网络不确定度; Keywords temporal correlation frame associated short video event Convolutional Neural Network(CNN) Bayesian neural network uncertainty; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于自反馈最优子类挖掘的视频异常检测算法被引量：1: 4; 作者侯春萍赵春月王致芃; 机构天津大学电气与信息工程学院; 出处《计算机科学》 CSCD 北大核心 2021年第7期199-205,共7页; 基金国际合作与交流NFSC项目(61520106002) 国家自然科学基金(61731003)。; 文摘视频异常检测算法是视频处理领域的研究热点之一,用于检测视频中是否包含异常事件。然而,由于没有异常样本参与训练过程,且异常样本与正常样本之间存在一定程度的相似性,因此很难设计出一种有辨识力的异常检测模型。为了解决上述问题,文中首先提出了一种基于相似度保持和样本恢复的特征选择方法,该方法能够保留正常样本的相似关系,进而可以学习到能够准确描述正常事件的特征。其次,将异常事件检测任务转化为分类任务,并提出了一种自反馈最优子类挖掘方法来获得最优分类器。如果一个测试样本被所有分类器判断为异常,则该样本最终将被判定为异常。在公共视频数据集(Avenue数据集、UCSD Ped2数据集)上进行的大量实验的结果表明,所提异常事件检测算法可以取得很好的结果。; 关键词视频异常事件检测特征选择自反馈最优子类挖掘一类支持向量机; Keywords Video abnormal event detection Feature selection Self-feedback Optimal subclass mining One-class SVM; 分类号 TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	面向可打击区域的高超声速飞行器制导控制一体化方法研究	赵良玉时皓铭王建华崔磊	《航空兵器》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于干扰补偿的四旋翼无人机轨迹跟踪控制	范文茹刘权威田栢苓	《现代防御技术》北大核心	2024	5	在线阅读下载PDF 职称材料
3	基于不确定度感知的帧关联短视频事件检测方法	李云王富铕井佩光王粟肖澳	《计算机应用》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于自反馈最优子类挖掘的视频异常检测算法	侯春萍赵春月王致芃	《计算机科学》 CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料