Издательство
Каталог
Авторам
Рекламодателям
КонтактыВНИМАНИЕ!
Новый адрес редакций журналов Колодезный пер., 2 А.
ООО «Издательство «Инновационное машиностроение»
- КНИГИ Прайс-лист
- ЖУРНАЛЫ Прайс-лист
Книги и журналы, просмотренные ранее
Статьи автора
К последнему номеру журналаВсе статьи автора в журнале: Деменков Н.П.
- Синтез нечёткого регулятора для виброзащитной платформыSynthesis of a fuzzy regulator for a vibration protective platformАвторы статьиAuthorsДеменков Н.П.Demenkov N.P.Родин В.С.Rodin V.S.dnp@bmstu.rudnp@bmstu.ru
Синтез нечёткого регулятора для виброзащитной платформы
УДК 681.514
DOI: 10.36652/0869-4931-2022-76-1-12-17
Рассмотрено решение задачи синтеза нечёткого логического регулятора (НЛР) для комбинированной системы виброизоляции с электромагнитным двигателем. На основе математической модели виброзащитной платформы на упругих подвесах выполнен анализ характеристик пассивной системы и выявлены её ключевые недостатки — наличие выраженного резонансного пика и неэффективность виброизоляции в области низких частот. Предложена структура НЛР, составлена система продукционных правил, выполнен параметрический синтез НЛР путём нахождения оптимального расположения центров термов функций принадлежностей входных и выходной величин. С помощью математического моделирования в программном пакете MatLab Simulink продемонстрированы преимущества синтезированной комбинированной системы перед пассивной установкой.
Ключевые слова
вибрация, активная виброзащита, нечёткое управление, математическая модель, оптимальное управление, электромагнитная система, математическое моделирование
Synthesis of a fuzzy regulator for a vibration protective platform
The problem solution of a fuzzy logic controller (FLC) synthesis for a combined vibration isolation system with an electromagnetic motor is considered. An analysis of the passive system characteristics is carried out and its key disadvantages, the presence of a pronounced resonance peak and the ineffectiveness of vibration isolation in the low-frequency range, are identified on the basis of a mathematical model of a vibration-protective platform on elastic suspensions. The structure of the FLC is proposed, a system of production rules is drawn up, a parametric synthesis of the FLC is carried out by finding the optimal centers location of the accessory functions terms for input and output quantities. Using mathematical modeling in the MATLAB Simulink software package, the advantages of a synthesized combined system over a passive installation are demonstrated.
Keywords
vibration, active vibration protection, fuzzy control, mathematical model, optimal control, electromagnetic system, mathematical modeling
- Метод прогнозирования траектории на основе графовой модели для беспилотного вожденияTrajectory prediction method based on a graph model for autonomous drivingАвторы статьиAuthorsДеменков Н.П.Demenkov N.P.Цзоу КайTSzou Kayzoukaichn@gmail.comzoukaichn@gmail.com
Метод прогнозирования траектории на основе графовой модели для беспилотного вождения
УДК 004.896
DOI: 10.36652/0869-4931-2022-76-9-408-413
Разработан метод прогнозирования траектории движения беспилотого автомобиля с использованием графов и сети долгой краткосрочной памяти (LSTM). Модель обучения сети LSTM использует структуру кодера и декодера. На основе графа и механизма внимания кодер кодирует информацию о полученной траектории для формирования вектора признаков, который вводится в декодер для прогнозирования будущих траекторий. Чтобы справиться с мультимодальностью при прогнозировании маневра автомобиля, использован модуль сверточной сети (CNN). Две сети: LSTM и CNN объединены для мультимодального прогнозирования траектории.
Ключевые слова
беспилотный автомобиль, прогнозирование траектории, маневр, граф, LSTM, CNN, механизм внимания
Trajectory prediction method based on a graph model for autonomous driving
A method for predicting the trajectory of an unmanned vehicle using graphs and a network of long short-term memory (LSTM) is developed. The learning model of LSTM network uses an encoder and decoder structure. Based on the graph and the attention mechanism, the encoder encodes information about the received trajectory to form a feature vector, which is puted to the decoder to predict future trajectories. To cope with multimodality in predicting vehicle maneuvers, module of convolutional network (CNN) is used. These two networks: LSTM and CNN are integrated for multimodal trajectory prediction.
Keywords
unmanned vehicle, trajectory prediction, maneuver, graph, LSTM, CNN, attention mechanism
