无人艇自适应航迹跟踪控制策略研究

针对无人艇航迹跟踪过程中操舵造成的速度损失以及转向导致的跟踪误差变大等问题,提出了一种自适应航迹跟踪控制策略。在制导环中,采用自适应接纳圆策略,根据各航迹段之间的夹角自适应调整航迹点的接纳圆半径,设计了自适应视线制导律,提高了无人艇转向时的跟踪精度;在控制环中,提出了基于模型预测控制的航向及航速解耦控制策略,该策略首先将航向模型与航速模型的耦合项视为时变扰动,提出了一种新的时延估计方法,然后通过航向控制器进行预测,最后在航速控制器中对时变扰动进行补偿,减小了速度损失。之后,通过MATLAB仿真平台对算法的可行性进行验证。实验结果表明,所提出的自适应航迹跟踪控制策略跟踪精度更高、收敛速度更快、抗干扰能力更强、能耗更少。     

基于多层次自注意力机制的U-Net图像分割算法

针对U-Net图像分割在下采样过程中会丢失过多信息且在上采样过程恢复效果不佳,从而导致图像分割精度降低的缺陷,提出了一种基于多层次自注意力机制的U-Net图像分割算法。该多层次自注意力机制在每一层上采样层前均嵌入自注意力模块,将上采样层的输入与缩放的原图拼接后处理成模板图,再与原本的输入信息融合后输出到上采样层。该算法不仅能通过拼接原图的自注意力模块进一步提供更多细节信息,还能利用上采样层的特征选择功能减少拼接原图带来的背景噪音,提高模型的分割精度。最后,在PASCAL VOC数据集和DeepFashion2数据集的基础上进行了人体分割和服装分割实验。实验结果 证明,该方法 能较好地改善图像的分割性能,从而证明了其正确性和有效性。