This paper details a proposal for the position control system of a two-axis ship-mounted tracker. Aspects of the non-linear dynamics governing Line-Of-Sight (LOS) errors between the tracker and the target are presented. It is shown that the regulation of LOS errors can be achieved by introducing a feed-forward term based on the target's velocity. This velocity is not measurable, and an estimator is required. Given that the tracking problem is non-linear, the classical separation principle does not hold, and cascading the estimator and regulator together may not lead to an optimal position control system. The 'LQAdaptive' system proposed here aims therefore to improve conformity to the separation principle. Simulation trials show that tracking is improved under the LQAdaptive system in comparison to a simple estimator-regulator structure.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The challenge of correctly identifying the target in the first frame of continuous sequences and tracking it in succeeding frames is frequently solved by visual tracking. The development of deep neural networks has aided in significant advancement over the past few decades. However, they are still considerable challenges in developing reliable trackers in challenging situations, essentially due to complicated backgrounds, partial or complete occlusion, illumination change, blur and similar objects. In this paper, we study correlation filter and deep learning-based approaches. We have compared the following trackers ECO, SaimRPN, ATOM, DiMP, TRASFUST and TREG. These trackers have been developed based on deep neural networks and are very recent. Performances of trackers have been evaluated on OTB-100, UAV123, VOT 2019, GOT-10k and LaSOT dataset. Results prove the effectiveness of deep neural networks to cope up with object tracking in videos.
PL
Wyzwanie polegające na prawidłowej identyfikacji celu w pierwszej klatce ciągłych sekwencji i śledzeniu go w kolejnych klatkach jest często rozwiązywane przez śledzenie wizualne. Rozwój głębokich sieci neuronowych przyczynił się do znacznego postępu w ciągu ostatnich kilku dekad. Jednak nadal stanowią one poważne wyzwanie w opracowywaniu niezawodnych trackerów w trudnych sytuacjach, głównie ze względu na skomplikowane tła, częściowe lub całkowite przesłonięcie, zmiany oświetlenia, rozmycie i podobne obiekty. W tym artykule badamy filtr korelacji i podejście oparte na głębokim uczeniu się. Porównaliśmy następujące trackery ECO, SaimRPN, ATOM, DiMP, TRASFUST i TREG. Te trackery zostały opracowane w oparciu o głębokie sieci neuronowe i są bardzo nowe. Wydajność trackerów została oceniona na zestawie danych OTB-100, UAV123, VOT 2019, GOT-10k i LaSOT. Wyniki dowodzą skuteczności głębokich sieci neuronowych w radzeniu sobie ze śledzeniem obiektów w filmach.
The power density of solar radiation reaching the surface of a photovoltaic module constitutes a factor which is crucial for the amount of electric energy generated by the system. The value of the power generated can be increased as a result of using tracking systems which trace the apparent movement of the Sun in the sky. The power density of radiation is a function of multiple variables, such as: the latitude, the solar declination angle and the hour angle. For a stationary PV structure, it is important to assure optimal satial orientation of the receiver which guarantees maximum energy gain. Optimization is performed in yearly cycles, or in shorter cycles [1,2]. The positioning of the PV receiver in tracking systems can be performed with the use of an external sensor which determines the current value and the direction of solar radiation or by means of astronomical control for the hour of the day and for the day of the year [3]. Such a solution was implemented in the system under analysis.
PL
Gęstość mocy promieniowania słonecznego, docierającego do powierzchni modułu fotowoltaicznego, stanowi czynnik decydujący o wielkości mocy elektrycznej generowanej przez układ. Zdefiniowanie parametrów elektrycznych dla strony stałoprądowej DC oraz sprawności falowników klasy mikro, pozwala na jednoznaczne określenie wielkości parametrów dla sygnałów okresowo zmiennych. Wartość generowanej mocy może zostać zwiększona, w wyniku zastosowania układów nadążnych, śledzących pozorny ruch Słońca na nieboskłonie. Gęstość mocy promieniowania jest funkcją wielu zmiennych, takich jak: szerokość geograficzna, kąt deklinacji słonecznej czy kąt godzinny. Dla konstrukcji PV stacjonarnej ważne jest zapewnienie optymalnej orientacji przestrzennej odbiornika, zapewniającej maksymalny zysk energetyczny. Optymalizację przeprowadza się w cyklu całorocznym, względnie krótszym [1,2]. W układach nadążnych pozycjonowanie odbiornika PV można przeprowadzać przy zastosowaniu zewnętrznego czujnika, określającego aktualne wartość i kierunek promieniowania lub w wyniku sterowania astronomicznego, dla godziny dnia i dnia roku [3]. Takie rozwiązanie zostało zaimplementowane w analizowanym układzie.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
This paper details a proposal for the position control system of a two-axis ship-mounted tracker. Aspects of the non-linear dynamics governing Line-Of-Sight (LOS) errors between the tracker and the target are presented. It is shown that the regulation of LOS errors can be achieved by introducing a feed-forward term based on the target’s velocity. This velocity is not measurable, and an estimator is required. Given that the tracking problem is non-linear, the classical separation principle does not hold, and cascading the estimator and regulator together may not lead to an optimal position control system. The ‘LQAdaptive’ system proposed here aims therefore to improve conformity to the separation principle. Simulation trials show that tracking is improved under the LQAdaptive system in comparison to a simple estimator-regulator structure.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.