采用双侧杆的民机仿真系统的研究与设计

针对采用双被动侧杆的民用飞机,进行可视化仿真研究,设计出一套完整的具有自主知识产权的飞行可视化仿真系统,服务于民用飞机飞行操纵系统的研究与设计。该系统结合了系统仿真技术以及飞行可视化技术,充分考虑采用被动双侧杆的民用飞机的特点设计仿真平台。自主编写的核心动力学程序以及控制规律具有较好的原创性、可开发性以及可扩展性。充分运用开源飞行模拟软件FlightGear提供的可视化功能以及数据接口实现实时状态显示以及实时硬件输入。仿真结果表明:该仿真系统可以真实有效地反映和记录采用被动侧杆的民用飞机的实时飞行情况,仿真拟合度高。整个仿真系统结构清晰,可扩展性强,使用方便。为相关飞机的操纵系统的研发设计工作提供了一个优秀的可视化开放式仿真平台,并可进一步地服务于全系统飞行控制律的研究设计。

深度果蝇神经网络及其实时能见度预测

能见度预测属于时间序列预测领域的问题,如何实现对时序数据的处理以及捕获数据中的时间长期依赖关系,是当前研究人员的主要关注焦点。针对能见度预测模型构建难的问题,依据果蝇视觉系统在图像感知、学习和信息反馈过程中的生物学原理,提出一种基于视频监控图像的深度果蝇神经网络。首先,通过设计前馈果蝇视觉神经网络,提取图像的能见度特征,进而将特征信息送入多层感知器,获得关于未知权值和阈值的能见度与视频帧的映射关系;其次,借助梯度下降法获得在线预测能见度的深度神经网络。实验结果表明,该神经网络能实时、有效、准确地预测雾天环境下的能见度,预测效果稳定且精度高,具有较好的应用潜力。

基于KALMAN滤波和深度学习的机器人飞拍方法研究

针对传统机器人飞拍系统存在视-控分离,导致系统实时性和效率不高的问题,提出视-控一体的设计方案,并对机器人飞拍的相关算法展开研究。为提高系统的实时性,操作系统采用基于Windows的硬实时系统,机器人控制模块和视觉模块在同一操作系统里通过共享内存的方式实现数据交互;基于改进型卡尔曼滤波算法,提出一种无传感器的精准时间触发算法,减小相机触发时机器人在同一位置的重复度误差;结合深度学习算法,提高图像处理的处理速度,保证在机器人下一节拍前完成纠偏值的计算,最终实现精准的机器人飞拍定位。实验表明:较之传统视控分离方案,该机器人飞拍纠偏系统具有简捷易用、精度和效率高等优势。