期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于聚类变异PSO优化的VSCMGs模糊平滑切换算法 被引量:1
1
作者 杨楠 郁丰 +1 位作者 马浩哲 赵航 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第10期93-102,共10页
针对变速控制力矩陀螺(variable speed control moment gyro,VSCMG)作为执行机构应用在敏捷遥感卫星上进行姿态机动时末端模式切换的平稳性和快速性冲突问题,在考虑框架转速误差的基础上,设计姿态误差参数作为切换指标,制定误差参数切... 针对变速控制力矩陀螺(variable speed control moment gyro,VSCMG)作为执行机构应用在敏捷遥感卫星上进行姿态机动时末端模式切换的平稳性和快速性冲突问题,在考虑框架转速误差的基础上,设计姿态误差参数作为切换指标,制定误差参数切换区域内的过渡规则,将指令力矩实时分配给控制力矩陀螺(control moment gyro,CMG)和飞轮并分别求解,提出了一种控制力矩陀螺/反作用飞轮工作模式模糊平滑切换操纵律。为了使得姿态机动末端卫星姿态达到姿态稳定度和指向精度要求的时间更短,以该时间为优化指标提出聚类变异改进粒子群算法对该操纵律参数寻优,确定最佳的切换区域和切换参数,并进行了仿真验证。结果表明:改进后粒子群算法在相同的迭代次数中总是表现出比传统粒子群算法更优的适应度,具有更快的收敛速度和更高的收敛精度,参数优化后的模糊平滑切换操纵律相比于现有操纵律能够在较短时间内完成双模式的平滑切换,并在姿态机动末端更迅速地达到姿态稳定度和指向精度要求,提高了遥感卫星敏捷机动与高稳指向的控制性能,有利于高质量完成成像任务。 展开更多
关键词 敏捷遥感卫星 变速控制力矩陀螺 模糊切换 粒子群优化算法 姿态控制
在线阅读 下载PDF
基于多尺度多分类器卷积神经网络的混合失真类型判定方法 被引量:2
2
作者 闫钧华 侯平 +3 位作者 张寅 吕向阳 马越 王高飞 《计算机应用》 CSCD 北大核心 2021年第11期3178-3184,共7页
针对图像混合失真类型判定难的问题,在深度学习多标签分类思想的基础上,提出了一种基于多尺度多分类器卷积神经网络(CNN)的混合失真类型判定方法。首先,从图像中截取得到含有高频信息的图像块,将该图像块输入到不同感受野的卷积层中以... 针对图像混合失真类型判定难的问题,在深度学习多标签分类思想的基础上,提出了一种基于多尺度多分类器卷积神经网络(CNN)的混合失真类型判定方法。首先,从图像中截取得到含有高频信息的图像块,将该图像块输入到不同感受野的卷积层中以提取图像的浅层特征图;其次,将浅层特征图输入到各子分类器结构中以进行深层次的特征提取和融合,将融合的特征通过Sigmoid分类器得到判定结果;最后,将各子分类器的判定结果进行融合得到图像的混合失真类型。实验结果表明,在自然场景混合失真数据库(NSMDID)上,所提方法对图像中存在的混合失真类型的平均判定准确率可以达到91.4%,且对大部分类型的判定准确率都在96.8%以上,可见所提方法能够对混合失真图像中的失真类型进行有效的判定。 展开更多
关键词 混合失真类型 多标签分类 卷积神经网络 高频信息 Sigmoid分类器
在线阅读 下载PDF
基于双通道卷积神经网络的图像单失真类型判定方法 被引量:1
3
作者 闫钧华 侯平 +3 位作者 张寅 吕向阳 马越 王高飞 《计算机应用》 CSCD 北大核心 2021年第6期1761-1766,共6页
针对图像单失真类型判定算法对部分失真类型判定精度低的问题,提出了一种基于双通道卷积神经网络(CNN)的图像单失真类型判定方法。首先,对图像进行裁剪以得到固定尺寸的图像块,并对图像块进行Haar小波变换从而得到高频信息图;然后,将图... 针对图像单失真类型判定算法对部分失真类型判定精度低的问题,提出了一种基于双通道卷积神经网络(CNN)的图像单失真类型判定方法。首先,对图像进行裁剪以得到固定尺寸的图像块,并对图像块进行Haar小波变换从而得到高频信息图;然后,将图像块与对应的高频信息图分别输入到不同通道卷积层中以提取深层特征图后,对深层特征进行融合并输入到全连接层中;最后,将全连接层最后一层的值输入到Softmax函数分类器中得到图像单失真类型概率分布。LIVE数据库上的实验结果表明,所提方法的图像单失真类型判定准确率达到了95.21%,并且对JPEG2000和快速衰落失真这两种失真类型的判定精度相较用于对比的其他五种图像单失真类型判定方法分别提升了至少6.69个百分点和2.46个百分点。所提方法能够准确地判定出图像中存在的单失真类型。 展开更多
关键词 单失真类型 卷积神经网络 小波变换 双通道 高频信息图
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部