期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
纳米位置控制系统自适应滤波器设计 被引量:1
1
作者 侯静 刘涛 +1 位作者 刘金鑫 韩子扬 《控制工程》 CSCD 北大核心 2019年第6期1153-1157,共5页
纳米位置控制系统由于其控制精度达到纳米级,因此合理选择数字滤波器类型,正确设计数字滤波器算法是保证纳米控制系统定位精度的重要因素,但现有用于纳米位置控制系统的噪声滤波器采用传统的带阻滤波器,其参数固定。一旦纳米位置控制系... 纳米位置控制系统由于其控制精度达到纳米级,因此合理选择数字滤波器类型,正确设计数字滤波器算法是保证纳米控制系统定位精度的重要因素,但现有用于纳米位置控制系统的噪声滤波器采用传统的带阻滤波器,其参数固定。一旦纳米位置控制系统发生移动或者改变负载,噪声特性将随之发生变化,因此,常规定常数的滤波器难以有效滤除系统噪声。针对该问题,采用文化算法和案例推理技术,提出了纳米位置控制系统带阻滤波器参数自适应整定方法。实验结果证明提出的数字带阻滤波器的能够有效滤除纳米位置控制系统中的系统机械结构噪声,有效保证了系统的稳定性。 展开更多
关键词 滤波器 纳米位置控制 文化算法 案例推理
在线阅读 下载PDF
基于RCTLS-ADMM的UWB巷道内掘进机定位方法
2
作者 李之奇 刘振宇 《电子测量技术》 北大核心 2025年第12期99-107,共9页
煤矿巷道内智能化综掘是全球煤炭开采领域重要的研究方向,对于实现深层煤矿安全高效开采具有重要意义。悬臂式掘进机作为井下综掘的核心装备,其关键节点精准定位是实现智能化综掘亟待解决的技术难题。针对现阶段掘进机定位精度较低和鲁... 煤矿巷道内智能化综掘是全球煤炭开采领域重要的研究方向,对于实现深层煤矿安全高效开采具有重要意义。悬臂式掘进机作为井下综掘的核心装备,其关键节点精准定位是实现智能化综掘亟待解决的技术难题。针对现阶段掘进机定位精度较低和鲁棒性差的问题,提出了正则化约束总体最小二乘法(RCTLS)和交替方向乘子法(ADMM)融合的到达时间差(TDOA)定位算法,构建了基于超宽带(UWB)技术的巷道内掘进机定位系统。考虑解析类TDOA算法容易受到测距误差的影响陷入局部最优解,提出将解析算法闭式解作为ADMM初值,利用双辅助变量对目标函数进行迭代实现掘进机核心节点定位。试验结果表明,在UWB基站和标签测距误差较大时,RCTLS-ADMM在狭长空间将X轴、Y轴和Z轴定位平均误差分别从0.159 m、0.154 m和0.167 m降低到0.139 m、0.133 m和0.141 m,定位精度分别提高了12.57%、13.64%和15.57%。提出的巷道内掘进机定位策略为实现掘进机自主导控提供了重要参数,具有实际应用价值。 展开更多
关键词 UWB TDOA 交替方向乘子法 RCTLS 智能化掘进 定位算法 鲁棒性
在线阅读 下载PDF
基于热连轧机厚度精度的最优控制研究 被引量:2
3
作者 顾波 王娇 白晶 《机床与液压》 北大核心 2018年第8期126-128,共3页
热连轧机AGC系统机制复杂,具有高度非线性、时变性和纯滞后等特点。对上述问题采用最优控制策略:先对Mornitor-AGC闭环反馈检测产生的纯滞后进行预测外推处理,剩余部分的滞后时间采用改进型Smith预估算法和Fuzzy-PID参数自调整反馈控制... 热连轧机AGC系统机制复杂,具有高度非线性、时变性和纯滞后等特点。对上述问题采用最优控制策略:先对Mornitor-AGC闭环反馈检测产生的纯滞后进行预测外推处理,剩余部分的滞后时间采用改进型Smith预估算法和Fuzzy-PID参数自调整反馈控制,同时引入GM-AGC的前馈预控,减轻了复合控制中反馈调节的负担。仿真结果表明:在厚控系统中发生20%干扰的情况下,系统动态响应速度快,调节时间短,几乎没有超调量。其成果对有色、冶金行业提高带材质量的工程化具有重要的推广和实用价值。 展开更多
关键词 预测外推 改进型Smith算法 模糊PID参数自调整 最优控制 热连轧机
在线阅读 下载PDF
面向无人机监控的动态多尺度目标检测模型的研究与实现 被引量:1
4
作者 张宇 王延吉 +2 位作者 马辉 闫锴 李大舟 《电子测量技术》 北大核心 2024年第10期141-150,共10页
在无人机侦察、安防监控以及自动驾驶等领域中,目标检测技术面临巨大的挑战,图像中的目标往往具有多尺度属性,尤其是小尺寸目标检测难,以及目标很容易受到不同程度的遮挡。针对这些亟待解决的问题,本文提出了一种创新的动态多尺度目标... 在无人机侦察、安防监控以及自动驾驶等领域中,目标检测技术面临巨大的挑战,图像中的目标往往具有多尺度属性,尤其是小尺寸目标检测难,以及目标很容易受到不同程度的遮挡。针对这些亟待解决的问题,本文提出了一种创新的动态多尺度目标检测模型:YOLO-DDE。首先,本文了提出了CEMA和CED卷积模块,增强了骨干网络对多尺度信息的处理能力精细特征提取能力,从而实现在复杂场景下更加精确的识别效果。此外,本文通过对FPAN网络结构进行创新性重构,提出了DFPN结构,此结构采用纵向跨尺度融合技术,显著提升了模型的尺度特征融合效果。最后,引入了动态检测头,提出了DD-Head结构,强化了模型对下游任务处理的能力。综上所述,本文提出的YOLO-DDE模型以其动态多尺度结构,为目标检测技术的性能提升提供了新的可能性。本文在PASCAL VOC数据集上进行了消融实验和对比试验,与当前主流先进模型YOLOv8相比,本文模型YOLO-DDE在评价指标map50和map50-95上分别提升了1.8%和3.2%,并且本文还在VisDrone、HIT-UAV、FAIR1M2.0数据集上进行了泛化性实验,验证了模型具有很强的泛化能力。 展开更多
关键词 注意力机制 多尺度 解耦头 可变形卷积 DFPN
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部