针对一种欠驱动基准系统,具有旋转激励的平移振荡器(translation oscillators with rotating actuator,TORA)系统,本文首次提出了一种具有约束的控制方法.该方法不仅可以保证闭环系统的稳定性,而且能够保证旋转小球在预设的范围内转动....针对一种欠驱动基准系统,具有旋转激励的平移振荡器(translation oscillators with rotating actuator,TORA)系统,本文首次提出了一种具有约束的控制方法.该方法不仅可以保证闭环系统的稳定性,而且能够保证旋转小球在预设的范围内转动.相比已有控制方法,本文所提方法可以预设小球的转动范围以避免不理想的"循环"行为.具体而言,首先对系统的总机械能进行了详细分析;随后在其总机械能的基础上通过能量整形构造出一个新颖的能量函数;最后基于所构造的能量函数提出了一种具有约束的控制器,采用Lyapunov方法及La Salle不变性原理证明了相应闭环系统的稳定性.通过与已有方法进行仿真对比可知,本文方法在镇定控制与约束控制方面均表现出良好的控制性能.展开更多
针对欠驱动TORA(Translational oscillations with a rotational actuator)系统,设计了一种具有执行器饱和约束的输出反馈等[7]特别地,由Rand学者提出的TORA系统,最初控制器.与其他现有方法相比,本文方法不仅考虑了执行器饱和约束和作...针对欠驱动TORA(Translational oscillations with a rotational actuator)系统,设计了一种具有执行器饱和约束的输出反馈等[7]特别地,由Rand学者提出的TORA系统,最初控制器.与其他现有方法相比,本文方法不仅考虑了执行器饱和约束和作为双自旋航天器的简化模型用于研究自振现象.后来由于速度信号不可测情形,而且考虑了旋转小球可能存在的循环行为.具体而TORA系统具有强耦合、高度非线性、欠驱动等特性,而被言,首先根据TORA系统模型分析了TORA系统的控制目标;随后,作为一种非线性基准系统主要用于非线性控制器设计、验证构造了一种新颖的能量函数,在此基础上设计了一种考虑执行器饱和约非线性控制算法的控制性能或教学研究.目前国内外已有多束的输出反馈控制器,并通过严格的数学分析证明了闭环系统关于平衡点的稳定性;最后,借助数值仿真测试检验了所提控制器的控制性能,并所高校和研究机构针对TORA系统的控制问题展开研究.对与已有方法进行了对比.仿真测试结果表明本文所提方法具有更好的控法制性能.展开更多
目的视频中的人体行为识别技术对智能安防、人机协作和助老助残等领域的智能化起着积极的促进作用,具有广泛的应用前景。但是,现有的识别方法在人体行为时空特征的有效利用方面仍存在问题,识别准确率仍有待提高。为此,本文提出一种在空...目的视频中的人体行为识别技术对智能安防、人机协作和助老助残等领域的智能化起着积极的促进作用,具有广泛的应用前景。但是,现有的识别方法在人体行为时空特征的有效利用方面仍存在问题,识别准确率仍有待提高。为此,本文提出一种在空间域使用深度学习网络提取人体行为关键语义信息并在时间域串联分析从而准确识别视频中人体行为的方法。方法根据视频图像内容,剔除人体行为重复及冗余信息,提取最能表达人体行为变化的关键帧。设计并构造深度学习网络,对图像语义信息进行分析,提取表达重要语义信息的图像关键语义区域,有效描述人体行为的空间信息。使用孪生神经网络计算视频帧间关键语义区域的相关性,将语义信息相似的区域串联为关键语义区域链,将关键语义区域链的深度学习特征计算并融合为表达视频中人体行为的特征,训练分类器实现人体行为识别。结果使用具有挑战性的人体行为识别数据集UCF(University of Central Florida)50对本文方法进行验证,得到的人体行为识别准确率为94.3%,与现有方法相比有显著提高。有效性验证实验表明,本文提出的视频中关键语义区域计算和帧间关键语义区域相关性计算方法能够有效提高人体行为识别的准确率。结论实验结果表明,本文提出的人体行为识别方法能够有效利用视频中人体行为的时空信息,显著提高人体行为识别准确率。展开更多
文摘针对欠驱动TORA(Translational oscillations with a rotational actuator)系统,设计了一种具有执行器饱和约束的输出反馈等[7]特别地,由Rand学者提出的TORA系统,最初控制器.与其他现有方法相比,本文方法不仅考虑了执行器饱和约束和作为双自旋航天器的简化模型用于研究自振现象.后来由于速度信号不可测情形,而且考虑了旋转小球可能存在的循环行为.具体而TORA系统具有强耦合、高度非线性、欠驱动等特性,而被言,首先根据TORA系统模型分析了TORA系统的控制目标;随后,作为一种非线性基准系统主要用于非线性控制器设计、验证构造了一种新颖的能量函数,在此基础上设计了一种考虑执行器饱和约非线性控制算法的控制性能或教学研究.目前国内外已有多束的输出反馈控制器,并通过严格的数学分析证明了闭环系统关于平衡点的稳定性;最后,借助数值仿真测试检验了所提控制器的控制性能,并所高校和研究机构针对TORA系统的控制问题展开研究.对与已有方法进行了对比.仿真测试结果表明本文所提方法具有更好的控法制性能.
文摘目的视频中的人体行为识别技术对智能安防、人机协作和助老助残等领域的智能化起着积极的促进作用,具有广泛的应用前景。但是,现有的识别方法在人体行为时空特征的有效利用方面仍存在问题,识别准确率仍有待提高。为此,本文提出一种在空间域使用深度学习网络提取人体行为关键语义信息并在时间域串联分析从而准确识别视频中人体行为的方法。方法根据视频图像内容,剔除人体行为重复及冗余信息,提取最能表达人体行为变化的关键帧。设计并构造深度学习网络,对图像语义信息进行分析,提取表达重要语义信息的图像关键语义区域,有效描述人体行为的空间信息。使用孪生神经网络计算视频帧间关键语义区域的相关性,将语义信息相似的区域串联为关键语义区域链,将关键语义区域链的深度学习特征计算并融合为表达视频中人体行为的特征,训练分类器实现人体行为识别。结果使用具有挑战性的人体行为识别数据集UCF(University of Central Florida)50对本文方法进行验证,得到的人体行为识别准确率为94.3%,与现有方法相比有显著提高。有效性验证实验表明,本文提出的视频中关键语义区域计算和帧间关键语义区域相关性计算方法能够有效提高人体行为识别的准确率。结论实验结果表明,本文提出的人体行为识别方法能够有效利用视频中人体行为的时空信息,显著提高人体行为识别准确率。
