基于时空关联度加权的LSTM短时交通速度预测

提出一种基于时空关联度加权的长短期记忆网络(Long Short-Term Memory,LSTM)短时交通速度预测模型。该模型结合综合动态时间规整(Summation Dynamic Time Warping,SDTW)和拓扑邻接关系设计了一种路段速度序列之间时空关联程度的度量方法,然后基于该度量值对路段速度历史观测值进行加权,进而使用LSTM从加权观测序列中提取路段速度的时空变化特征,实现对短时交通速度的预测。实验表明,交通速度预测模型预测结果相比传统的ARIMA模型、SVR模型以及LSTM模型均有提升,实现了更高精度的速度预测。

多源数据融合下无人飞行器最优滑模姿态控制

为解决姿态角速度过大造成的飞行器偏航问题,实现无人飞行器滑模姿态的有效控制,对多源数据融合下的无人飞行器最优滑模姿态控制方法展开研究。计算动态时间弯曲距离,联合数据时空关联度,确定加权参数取值范围,实现飞行器滑模姿态的多源数据融合。求解姿态坐标转换标准,根据力与力矩的求解结果,推导最优控制方程表达式,实现对无人飞行器最优滑模姿态的控制。对比实验结果表明,该方法作用下,姿态角速度波动幅度控制在-10~10 deg/s数值区间之内,较好地解决了飞行器偏航问题,符合有效控制无人飞行器滑模姿态的实际应用需求。