【摘 要】
：
针对扑翼飞行中的周期性和时标不一现象,以及扑翼飞行实际控制中的问题,本文基于奇异摄动理论,提出了一种针对扑翼周期系统的稳定性分析方法.具体而言,首先建立了扑翼飞行器的多刚体模型,为后文对翅翼动力学的奇异摄动分析铺平道路;其次,对多刚体模型进行简化,抽象出扑翼飞行动力学的核心问题,并针对实际控制中的问题,提出了利用奇异摄动理论分析扑翼飞行周期稳定性的方法,指出了其相对于其他方法的优越性;最后,在自制的四自由度扑翼飞行器完成了真实的飞行实验,验证了所提方法的有效性.
【机 构】
：
南开大学人工智能学院机器人与信息自动化研究所 天津300071;天津市智能机器人技术重点实验室(南开大学) 天津300071
论文部分内容阅读
针对扑翼飞行中的周期性和时标不一现象,以及扑翼飞行实际控制中的问题,本文基于奇异摄动理论,提出了一种针对扑翼周期系统的稳定性分析方法.具体而言,首先建立了扑翼飞行器的多刚体模型,为后文对翅翼动力学的奇异摄动分析铺平道路;其次,对多刚体模型进行简化,抽象出扑翼飞行动力学的核心问题,并针对实际控制中的问题,提出了利用奇异摄动理论分析扑翼飞行周期稳定性的方法,指出了其相对于其他方法的优越性;最后,在自制的四自由度扑翼飞行器完成了真实的飞行实验,验证了所提方法的有效性.
其他文献
作为机器人技能学习中的一个重要分支,模仿学习近年来在机器人系统中得到了广泛的应用.模仿学习能够将人类的技能以一种相对直接的方式迁移到机器人系统中,其思路是先从少量示教样本中提取相应的运动特征,然后将该特征泛化到新的情形.本文针对机器人运动轨迹的模仿学习进行综述.首先详细解释模仿学习中的技能泛化、收敛性和外插等基本问题;其次从原理上对动态运动基元、概率运动基元和核化运动基元等主要的模仿学习算法进行介绍;然后深入地讨论模仿学习中姿态和刚度矩阵的学习问题、协同和不确定性预测的问题以及人机交互中的模仿学习等若干关
鄂尔多斯盆地樊家川长6储层为新的开发区域,其中长63为主力油层.为研究其致密储层特征及主控因素,开展了岩石薄片鉴定、常规物性及高压压汞分析等,对储层的岩石学、物性及孔隙结构特征进行了详细研究,建立了不同孔隙结构与成岩参数的识别函数,分析了不同孔隙结构储层储集性能主控因素.结果表明:①樊家川地区长63主要岩石类型为岩屑长石砂岩,岩性较细,黏土矿物主要发育水云母,其次是绿泥石,碳酸盐胶结物主要发育铁白云石,其次是铁方解石;②樊家川地区长63储层孔隙主要发育粒间孔和长石溶孔,物性较差,平均孔隙度为9.05％,平
在大数据时代下,以高效自主隐式特征提取能力闻名的深度学习引发了新一代人工智能的热潮,然而其背后黑箱不可解释的“捷径学习”现象成为制约其进一步发展的关键性瓶颈问题.解耦表征学习通过探索大数据内部蕴含的物理机制和逻辑关系复杂性,从数据生成的角度解耦数据内部多层次、多尺度的潜在生成因子,促使深度网络模型学会像人类一样对数据进行自主智能感知,逐渐成为新一代基于复杂性的可解释深度学习领域内重要研究方向,具有重大的理论意义和应用价值.本文系统地综述了解耦表征学习的研究进展,对当前解耦表征学习中的关键技术及典型方法进行
针对电厂目前普遍采用PI-PI串级控制器调节锅炉主蒸汽温度系统,不能有效克服惯性、时滞和参数时变等问题的影响,本文提出了一种理想GPC (Generalized predictive control)-PI串级控制器.首先,该理想串级控制器不仅能抑制一次和二次扰动,而且外环GPC通过对主蒸汽温度的多步预测,并结合滚动优化技术能有效克服主蒸汽温度系统的惯性和时滞问题.另外,针对主蒸汽温度系统参数时变的特性,该理想控制器采用了T-S (Takagi-Sugeno)型模糊神经网络(Fuzzy neural ne
视频标题生成与描述是使用自然语言对视频进行总结与重新表达.由于视频与语言之间存在异构特性,其数据处理过程较为复杂.本文主要对基于“编码-解码”架构的模型做了详细阐述,以视频特征编码与使用方式为依据,将其分为基于视觉特征均值/最大值的方法、基于视频序列记忆建模的方法、基于三维卷积特征的方法及混合方法,并对各类模型进行了归纳与总结.最后,对当前存在的问题及可能趋势进行了总结与展望,指出需要生成融合情感、逻辑等信息的结构化语段,并在模型优化、数据集构建、评价指标等方面进行更为深入的研究.
含多类型分布式电源的微电网已经成为了未来电力系统的重要发展方向,其中风能和光能在降低化石能源消耗和二氧化碳排放等方面有着极大优势,考虑二者之间强互补性的协同调度已被广泛研究.但风/光协同调度的微电网多关注分钟级的调度或优化问题而非风/光波动下秒级的实时电流按容量比例精准分担,简称电流均衡,而精准电流均衡有助于可再生能源的高比例消纳.因此,本文提出了基于自适应动态规划的微电网电流均衡和电压恢复控制策略.首先,构建包含风电整流型电能变换器和光电升压型电能变换器的广义风光拓扑同胚升压变换器模型,其提供了后续控制
随着大规模定制的市场需求日趋显著,赛如生产系统(Seru production system,SPS)应运而生,逐渐成为研究和应用领域的热点.本文针对带有资源冲突的Seru在线并行调度问题进行研究,即需要在有限的空间位置上安排随动态需求而构建的若干Seru,以总加权完工时间最小为目标,决策Seru的构建顺序及时间.先基于平均延迟最短加权处理时间(Average delayed shortest weighted processing time,AD-SWPT)算法,针对其竞争比不为常数的局限性,引入调节参
迭代学习模型预测控制(Iterative learning model predictive control,ILMPC)具备较强的批次学习能力及突出的时域跟踪性能,在批次过程控制中发挥了重要作用.然而对于具有强非线性的快动态批次过程,传统的迭代学习模型预测控制很难实现计算效率与跟踪精度之间的平衡,这给其应用带来了挑战.对此本文提出一种高效迭代学习预测函数控制策略,将原非线性系统沿参考轨迹线性化得到二维跟踪误差预测模型,并在控制器设计中补偿所产生的线性化误差,构造优化目标函数为真实跟踪误差的上界.为加强优
近年来,基于深度学习的脑功能连接分类方法已成为一个研究热点.为了进一步提高脑功能连接的分类准确率,获得与疾病相关的鉴别性特征,本文提出了一种基于原型学习与深度特征融合的脑功能连接分类方法.该方法首先使用栈式自编码器从脑功能连接中提取从低层次到高层次的深度特征;然后利用原型学习在自编码器的各隐层中提取表示样本类别信息的距离特征;最后采用深度特征融合策略将这些距离特征融合,并将该融合特征用于脑功能连接的类别标签预测.在ABIDE数据集上的实验结果表明,与其他同类方法相比,该方法不仅具有较高的分类准确率,而且能
运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失的问题,提出一种基于属性分布概率的补全算法,最大程度保持原有数据分布,从而降低数据缺失对事故类型预测造成的影响.针对铁路事故记录数据类别失衡的问题,提出一种集成的GBDT模型,完成对事故类型的鲁棒性预测.在此基础上,根据GBDT预测模型中特征重要度排序