公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

多变量非线性飞行控制系统的神经网络动态逆控制方法: 2010年; 针对多变量非线性飞行控制系统,从理论上对其逆系统的解析形式进行了详细推导,根据神经网络逼近逆系统的原理分析,提出了一种由静态神经网络和积分器组成的动态神经网络,构造了多变量非线性飞行控制系统的神经网络动态逆控制系统,并利用动力伞飞行控制系统进行了仿真验证,结果表明这种控制方法完全满足控制要求,具有较好的抗干扰能力和鲁棒性能。; 钱克昌陈自力李建; 关键词：飞行控制系统动态逆神经网络多变量

基于动态逆的动力翼伞自主飞行控制方法被引量：1: 2011年; 针对动力翼伞精确数学模型难以获得,系统输入输出关系耦合复杂等特点,建立动力翼伞8自由度动力学模型,设计由静态神经网络和积分器组成的动态神经网络,利用神经网络的逼近能力和动态逆控制方法相结合,提出了基于神经网络动态逆方法的动力翼伞控制方案,并进行了飞行仿真验证,结果表明完全满足控制要求,具有较好的抗干扰能力和鲁棒性能,对于实现动力翼伞的自主飞行控制具有很好的应用价值。; 钱克昌陈自力李建; 关键词：飞行控制神经网络动态逆

基于双目视觉和惯性器件的微小型无人机运动状态估计方法被引量：8: 2011年; 针对微小型无人机(UAV)自主运动状态估计问题,提出了一种基于双目视觉和惯性器件的微小型无人机运动状态估计方法,运动状态估计系统由微惯性测量单元(MIMU)和2个摄像机组成。根据微惯性测量单元的输出更新无人机运动状态,同时由摄像机获得周围环境的图像序列,从序列图像中提取特征点,并对这些特征点进行匹配、跟踪,测量序列图像中特征点的成像位置,建立卡尔曼滤波器,通过观测特征点成像位置误差估计无人机运动状态误差和特征点距离误差,并由误差估计结果修正无人机运动状态和特征点位置。最后,通过仿真表明,在飞行高度为50m左右的情况下,使用分辨率为800像素×600像素、基线为0.6m的双目视觉系统,实现了特征点距离估计和无人机运动状态修正,对距离为150m左右的特征点,距离估计相对误差为3%左右,速度估计误差为1m/s左右,实现了在较大场景中,使用双目视觉和微惯性测量单元的微小型无人机自主运动状态估计。; 李建李小民钱克昌周红新; 关键词：微小型无人机双目视觉特征点微惯性测量单元

无人机GPS/SINS/Vision组合导航技术被引量：2: 2011年; 针对无人机GPS/SINS组合导航系统中航向角误差可观测性差的问题,提出了一种无人机GPS/SINS/Vision组合导航方法。使用无人机搭载的摄像机获取周围景物的图像序列,通过跟踪图像序列中提取的特征点,利用极几何约束获得其间摄像机的位移信息,将测量到的位移信息融合到GPS/SINS组合导航系统中,构成GPS/SINS/Vision组合导航系统。通过观测位置误差、速度误差和摄像机位移在像平面上的投影误差,建立组合导航误差状态卡尔曼滤波器,估计导航系统的误差状态,并根据估计结果对导航系统状态进行修正。推导了滤波器状态方程和测量方程,使用Simulink对算法进行仿真验证,在水平姿态角偏差为10°左右、航向角偏差为20°左右的初始条件下,水平姿态角误差和航向角误差均能快速收敛,水平姿态角误差在10s后收敛到1°左右,航向角误差20 s后收敛到2°以内。仿真实验表明,该方法能有效提高无人机姿态角估计的速度和精度。; 李建李小民钱克昌; 关键词：无人机可观测性

基于神经网络动态逆的动力伞飞行控制方案被引量：2: 2010年; 动力伞飞行控制系统为复杂的非线性系统,通过对神经网络逼近逆系统的原理分析,提出一种由静态神经网络和积分器组成的动态神经网络,设计了基于神经网络动态逆方法的飞行控制方案,进行了飞行仿真验证,结果表明该方法完全满足系统控制的稳定性和鲁棒性要求,并具有良好的抗干扰能力.; 钱克昌陈自力李建; 关键词：动力伞飞行控制神经网络动态逆

基于模糊神经网络的无人动力伞控制: 2012年; 针对无人动力伞在执行任务时常常在低空、城市上空等复杂气流环境飞行,无人动力伞的响应特性受到飞行速度、航向角和各种风的综合影响,具有的非线性和不确定性.导致事先设计的控制规则不再适合,对此基于PID的控制算法难以达到满意的控制效果.本文提出了一种模糊神经网络控制无人动力伞航向控制策略,利用RBF神经网络所特有的局部逼近能力,对模糊控制规则进行在线推理并获得连续输出,采用GA算法对神经网络参数进行调整来实现对模糊控制器规则库的优化和模糊规则的自动生成.使控制器能够进一步适应无人动力伞实时控制中的时变性和不确定性,保持良好的控制性能;仿真表明算法是可行的.; 周红新陈自力李建; 关键词：无人动力伞模糊控制神经网络

全选清除导出

共1页<1>

李建