Nov, 2023

无人机群的深度学习方法非线性系统辨识

PDF
TL;DR该研究设计和评估多种非线性系统识别技术，用于建模平面空间中的无人机群系统。研究探索并比较了 RNNs、CNNs 和神经 ODE 等学习方法。其目标是通过准确逼近群体模型的非线性动力学，预测未来的群体轨迹。建模过程使用了来自群模拟的瞬态和稳态数据。结果表明，使用瞬态数据训练良好的模型与神经 ODE 的结合在准确预测群体稳定性方面鲁棒性强于其他学习方法。
发现论文，激发创造
  • 基于多步神经网络的非线性动力系统数据驱动发现

    这篇论文提出了一种利用深度神经网络和数值分析相结合的机器学习方法，用于从数据中识别非线性动态系统，以此预测未来状态和识别吸引基。在多个基准问题中，论文证明了该方法的有效性，包括学习洛仑兹系统、圆柱背后的流体动力学、Hopf 分岔和糖酵解振荡器模型。

    Jan, 2018

  • 神经降落器：使用学得动力学进行稳定的无人机降落控制

    本文提出了一种基于深度学习的鲁棒非线性控制器，提高了四旋翼降落时的控制性能，并通过实验证明了该控制器在降落和横向轨迹跟踪方面均显著优于传统的非线性控制方法。

    Nov, 2018

  • 无人机群预测与优化轨迹的人工智能算法

    研究论文探讨了人工智能技术在无人机飞行轨迹生成中的应用。研究主要关注准确预测无人机路径和高效避免碰撞所面临的挑战，通过系统地应用多样化的激活函数于单隐藏层前馈神经网络，提高了路径预测准确性。同时，提出了一种新的激活函数 “AdaptoSwelliGauss”，将 Swish 和 Elliott 激活函数与高斯分量相融合，用于无人机轨迹复杂性的捕捉。此外，提出了综合的碰撞检测、避免和分组策略，通过改变无人机轨迹和起飞时间来避免碰撞，克服了两种策略各自的不足。

    May, 2024

  • 使用神经网络学习四旋翼动力学以进行飞行控制

    本文探讨使用基于神经网络的动力学模型来合成不同于训练的轨迹的控制，并在四旋翼试验台上进行了实验验证。

    Oct, 2016

  • 学习降维非线性状态空间模型：一种基于输出误差的规范方法

    本文提出了一种依赖于稀疏测量数据的深度学习方法，可以对非线性系统动力学行为进行建模和状态估计，并在多个测试数据集上验证了其有效性。

    Apr, 2022

  • 基于多目标物理引导循环神经网络的非自治动态系统识别

    本研究提出了一种基于物理引导的混合建模方法，通过在传统物理模型的基础上引入循环神经网络并使用复杂的多目标策略进行训练，以生成物理可行的非自治系统模型，进而与物理模型进行比较，在实验数据上取得了显著的准确性提升.

    Apr, 2022

  • 协同无人机和卷积网络实现高效实时图像识别

    在本文中，我们提出了一种旨在将推理请求分配到资源受限的 UAV 群体的策略，该策略可在无人机上对捕获的图像进行分类，并找到最小的决策延迟，其模型被制定为一个最小化获取图像与做出最终决策之间延迟的优化问题，我们提出了一种名为 DistInference 的在线启发式解决方案，以找到最佳延迟的分层策略，可以用于不同的低决策延迟应用程序以及所有 CNN 类型。

    Jul, 2021

  • 面向资源受限的无人机监控系统的分布式 CNN 推断：设计与优化

    本文提出了一种深度神经网络在无人机上的分布式方法，以实现资源受限设备中的数据分类，同时考虑无人机的移动模型和资源约束。模拟表明，所提出的优化方案优于现有的启发式方法和基于服务器的解决方案。

    May, 2021

  • 动态障碍物下的 3D 环境自主无人机群导航与多目标跟踪

    本研究提出一种基于深度强化学习的自主建模人工群体的方法，以解决手动创建过程时间复杂且不切实际的问题。该方法通过对静态和动态障碍物及阻力的建模，实现了多目标追踪和鲁棒群体形成，而采用的策略包括动态群体管理、避免障碍与追踪对象及岛屿建模。创新的基于策略的深度强化学习算法取得了显著的结果，表明该方法在复杂环境下显著提高了群体导航和追踪多个目标的能力。

    Feb, 2022

  • 利用深度动态神经网络进行非线性系统识别

    本文研究了深度神经网络在建模具有复杂行为的动态系统方面的有效性，并在选择的公开系统识别数据集上进行了类似的评估。实验证明，深度神经网络是输入输出数据的有效模型估计器。

    Oct, 2016