两栖装甲车驾驶模拟器视景系统设计与实现

来源 :软件导刊 | 被引量 : 0次 | 上传用户:todo158
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
两栖装甲装备驾驶模拟器是提高装甲车辆驾驶员训练效率及减少装备损耗的重要设备。视景系统是模拟器的重要组成部分,为驾驶员提供训练所需的视觉信息,直接决定训练的真实感和沉浸感。为提升两栖装甲车辆驾驶模拟仿真的逼真度,基于Vega Prime设计与实现两栖装甲车驾驶模拟器视景系统,并针对两栖装甲装备的特点,研究水动力学仿真和高效碰撞检测等关键技术,有效提升了视景仿真的逼真度。该系统已应用于实际的驾驶模拟设备,达到了预期的视觉效果。实际应用结果表明,该模拟器视景仿真系统为部队提供了良好的模拟仿真解决方案,具有典型的
其他文献
针对光伏发电组件故障类型复杂且监测困难的问题,在原始小样本数据的基础上,提出基于数据扩充的光伏组件故障诊断方法。首先,在光伏发电组件等效模型基础上,建立以光伏发电组件输出电压、输出电流、太阳辐照度及组件表面温度为输入量的单隐含层BP神经网络故障诊断模型,并基于Kolmogorov定理确定隐含层神经元数量;其次,引入原始小样本数据源及白噪声扩充原始数据后的数据源;最后,在同一故障诊断模型下,对两种数据源进行诊断准确率及效率的对比分析。结果表明,利用白噪声扩充后的数据进行诊断,其准确率达到100%,高于原始数
为了使得用于目标识别的神经网络模型适应普通移动端或者嵌入式设备,需要将模型中对结果无影响的部分卷积通道剪枝,并简化权值数据。鉴于此,提出一种基于卷积神经网络的剪枝和权值量化方法:首先,对卷积神经网络中常见的卷积层和全连接层中的权值在训练后进行大小判别;其次,通过对权值及相应通道的剪枝达到降低卷积神经网络模型体积的目的;最后,对剩余权值进行量化处理,降低卷积神经网络计算成本,并对量化后的模型进行一定