排序方式: 共有13条查询结果,搜索用时 109 毫秒
1.
2.
3.
4.
5.
针对欠驱动自治水下机器人(autonomous underwater vehicle,AUV)在外部干扰和系统内部扰动下深度难以控制的问题,提出基于非线性干扰观测器(nonlinear disturbance observer,NDO)的自适应终端滑模控制方法。首先建立欠驱动AUV在垂直面上的状态方程并对其简化,其次根据简化后的系统状态方程构建NDO对外部干扰进行观测,再结合反步法设计出自适应终端滑模控制器;最后通过李雅普诺夫稳定性理论证明控制系统的稳定性。结果表明:欠驱动AUV最大跟踪误差为0.137 5 m,峰值时间为2.1 s,证明了所设计的控制器能够实现深度控制,降低抖振,具有较强的鲁棒性。 相似文献
6.
针对传统神经网络提取的复杂环境声音特征微弱,导致分类准确率低的问题,提出了一种基于颜色通道特征融合的环境声音分类方法。首先,从原始音频数据中提取出三种声音特征,即对数梅尔频谱图(log-Mel spectrogram, LMS)、梅尔倒谱系数(Mel-scale frequency cepstral coefficients, MFCC)以及能量谱图(energy spectrum, ES);其次,分别将以上三者作为RGB颜色通道分量进行特征融合,形成包含更多特征信息的声谱图,更全面表征环境声音;再次,为了避免由于数据集较少导致所训练的模型泛化能力较差,对预训练模型VGG-16采用微调方法进行训练;最后,在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性,并与其他模型的准确率进行对比。结果表明,本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%,并且能提高实际场景采集的音频分类效果。 相似文献
7.
针对基于目标检测方法的桥梁表观病害检测存在检测精度低、误检率和漏检率高的问题,提出一种改进YOLOv3的高准确率桥梁表观病害检测识别方法。为实现局部特征和全局特征有效融合,在YOLOv3的检测层中添加固定分块大小的池化模块,并在YOLOv3的特征提取网络中引入了DenseNet密集型连接网络结构以增强桥梁病害特征在网络中的传播和利用效率,提高检测效率,采用数据增强技术来扩充样本图像以解决现有桥梁病害数据集样本数量不足的问题。实验结果表明,改进后的YOLOv3在桥梁表观病害检测上的平均准确率比原YOLOv3提高了3.0%,且模型训练时间减少了33.2%,同时降低了对桥梁表观病害检测的误检率和漏检率。 相似文献
8.
9.
针对传统的形态学滤波器难以适应机械设备振动信号的冲击、非线性和背景噪声较大等特点,提出了基于粒子群优化的多尺度形态滤波器构造方法。根据形态学算法的特性,构造了多尺度形态学滤波器,对于形态学滤波运算中的重?问翁峁顾阕樱捎镁哂腥钟呕阅艿牧W尤核惴ǜ菪藕诺奶氐阕允视ρ∪。迪至俗钣怕瞬ㄆ鞯墓乖?将噪声信号通过不同尺度的形态学滤波器进行滤波,将获得的多个滤波信号根据权值运算获得最终的去噪信号。通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。 相似文献
10.