介紹了如何利用Matlab/ Simulink的RTW (Real-Time Workshp)代碼生成上具將Simulink模型自動轉(zhuǎn)換成C/C++代碼的方法，通過這種方式可以利用Simulink方便地建立系統(tǒng)模型，同時也解決了Simlink模型在Matlab/ Simulink環(huán)境下速度較慢的問題，大大減少了軟件上程師的編程上作量.轉(zhuǎn)換后的C代碼能脫離Matlab環(huán)境獨立運行，這進一步擴大用以方法生成的C代碼的適用范圍.
標簽： Simulink Real-Time Workshp Matlab
上傳時間： 2013-12-26
上傳用戶：xhz1993
Visual C++ 6.0.zip智能優(yōu)化算法實驗報告.pdf
標簽： AAA
上傳時間： 2015-05-13
上傳用戶：615585515
Boost C++ Libraries Free peer-reviewed portable C++ source libraries Boost C++ Libraries 基本上是一個免費的 C++ 的跨平臺函式庫集合，基本上應(yīng)該可以把它視為 C++ STL 的功能再延伸；他最大的特色在於他是一個經(jīng)過「同行評審」（peer review，可參考維基百科）、開放原始碼的函式庫，而且有許多 Boost 的函式庫是由 C++ 標準委員會的人開發(fā)的，同時部分函式庫的功能也已經(jīng)成為 C++ TR1 (Technical Report 1，參考維基百科)、TR2、或是 C++ 0x 的標準了。 它的官方網(wǎng)站是：http://www.boost.org/，包含了 104 個不同的 library；由於他提供的函式庫非常地多，的內(nèi)容也非常地多元，根據(jù)官方的分類，大致上可以分為下面這二十類： 字串和文字處理（String and text processing） 容器（Containers） Iterators 演算法（Algorithms） Function objects and higher-order programming 泛型（Generic Programming） Template Metaprogramming Preprocessor Metaprogramming Concurrent Programming 數(shù)學與數(shù)字（Math and numerics） 正確性與測試（Correctness and testing） 資料結(jié)構(gòu)（Data structures） 影像處理（Image processing） 輸入、輸出（Input/Output） Inter-language support 記憶體（Memory） 語法分析（Parsing） 程式介面（Programming Interfaces） 其他雜項 Broken compiler workarounds 其中每一個分類，又都包含了一個或多個函式庫，可以說是功能相當豐富。
上傳時間： 2015-05-15
上傳用戶：fangfeng
基于C++開發(fā) 模擬智能手環(huán)功能類
上傳時間： 2016-03-28
上傳用戶：aptc4869
智能遙控車代碼，可壁障，和避懸崖。我們做比賽時候做的，里面有詳細的C程序
上傳時間： 2016-07-05
上傳用戶：aga168
51單片機設(shè)計的智能溫控風扇。有c程序 電路圖 仿真等等
上傳時間： 2017-09-26
上傳用戶：zzxydz
單片機C語言程序設(shè)計實訓100例——基于8051 Proteus仿真本書簡介 本書基于Keil μVision程序設(shè)計平臺和Proteus硬件仿真平臺，精心編寫了100余個8051單片機C語言程 序設(shè)計案例。 全書基礎(chǔ)設(shè)計類案例貫穿8051單片機最基本的端口編程、定時／計數(shù)器應(yīng)用、中斷和串口通信；硬 件應(yīng)用類案例涵蓋常用外部存儲器擴展、接口擴展、譯碼、編碼、驅(qū)動、光機、機電、A／D與 D／A轉(zhuǎn)換等內(nèi)容；綜合設(shè)計類案例涉及大量消費類電子產(chǎn)品、儀器儀表及智能控制設(shè)備的相關(guān)技術(shù) 。 本書可作為大專院校學生學習實踐單片機c語言程序設(shè)計的教材或參考書，也可作為電子工程技術(shù) 人員或單片機技術(shù)愛好者的參考資料。
上傳時間： 2022-02-10
上傳用戶：XuVshu
神經(jīng)網(wǎng)絡(luò)在智能機器人導航系統(tǒng)中的應(yīng)用研究1神經(jīng)網(wǎng)絡(luò)在環(huán)境感知中的應(yīng) 用 對環(huán)境 的感 知 ，環(huán)境模型 妁表示 是非常重要 的。未 知 環(huán)境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環(huán)境，在滿足 精度要求 的情況下，必定要占用大量的內(nèi)存，并且采用柵 格法進行路徑規(guī)劃，其計算量是相當大的。Kohon~n自組織 神經(jīng)瞬絡(luò)為機器人對未知環(huán)境的蒜知提供了一條途徑。 Kohone~沖經(jīng)網(wǎng)絡(luò)是一十自組織神經(jīng)網(wǎng)絡(luò)，其學習的結(jié) 果能體現(xiàn)出輸入樣本的分布情況，從而對輸入樣本實現(xiàn)數(shù) 據(jù)壓縮 。基于 網(wǎng)絡(luò) 的這些特 性，可采 用K0h0n曲 神經(jīng)元 的 權(quán)向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網(wǎng)絡(luò)輸入，神經(jīng)嘲絡(luò)通 過對大量的輸八樣本的學習，其神經(jīng)元就會體現(xiàn)出一定的 分布形 式 學習過程如下：開 始時網(wǎng)絡(luò)的權(quán)值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經(jīng)元 1在t時刻對 應(yīng)的權(quán)值 ；a(∽ 謂整系 數(shù) ； (『l網(wǎng)絡(luò)的輸八矢量；Ⅳ()：學習的 I域。每個神經(jīng)元能最 大限度 地表示一 定 的自由空間 。神經(jīng) 元權(quán) 向量的最 小生成 樹可以表示出自由空問的基本框架。網(wǎng)絡(luò)學習的鄰域 (，) 可 以動 態(tài)地 定義 成矩形 、多邊 形 。神經(jīng) 元數(shù)量 的選取取 決 于環(huán)境 的復雜度 ，如果神 經(jīng)元 的數(shù)量 太少 ．它們就 不能 覆 蓋整十空間，結(jié)果會導致節(jié)點穿過障礙物區(qū)域 如果節(jié)點 妁數(shù)量太大 ．節(jié)點就會表示更多的區(qū)域，也就得不到距障 礙物的最大距離。在這種情況下，節(jié)點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節(jié) 點的數(shù) 量可 以動態(tài) 地定義，在每個學習階段的結(jié)柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節(jié)點 來 覆蓋整 十 自由窯 間，需要增加 網(wǎng)絡(luò)節(jié)點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應(yīng)該采用較少的網(wǎng)絡(luò) 節(jié)點升 始學習，逐步增加其數(shù)量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結(jié)構(gòu)表示 。 采用Kohonen~沖經(jīng)阿絡(luò)表示環(huán)境是一個新的方法。由 于網(wǎng)絡(luò)的并行結(jié)構(gòu)，可在較短的時間內(nèi)進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結(jié)構(gòu)表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術(shù)報容易地被找到 在機器人對環(huán)境的感知的過程中，可采用人】：神經(jīng)嘲 絡(luò)技術(shù)對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環(huán)境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經(jīng) 網(wǎng)絡(luò)在局部路徑規(guī)射中的應(yīng) 用 局部路徑 規(guī)刪足稱動吝避碰 規(guī)劃 ，足以全局規(guī)荊為指 導 利用在線得到的局部環(huán)境信息，在盡可能短的時問內(nèi)
標簽： 神經(jīng)網(wǎng)絡(luò) 智能機器人 導航
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
基于人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)智能機器人的避障軌跡控制摘 要：利用人工神經(jīng)網(wǎng)絡(luò)中的二級 BP網(wǎng)。模擬智能機器人的兩控制參數(shù)(左 、右輪速)間的函數(shù)關(guān)系。實現(xiàn)避 障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過調(diào)整橢圓長、短軸大小。能實現(xiàn)多個及多層障礙物的避障控制．該方法 的突出特點是方法簡單、算法容易實現(xiàn) 。使機器人完成多個及多層避障動作時。不滯后于動態(tài)環(huán)境里其它機器人(障 礙物)位置的變化．在仿真實驗中。取得了理想的效果． 關(guān)鍵詞；BP神經(jīng)網(wǎng)絡(luò)I多個及多層避障控制I橢圓軌跡1 弓I言(Introduction) 在機器人中，避障軌跡的生成是一個重要的問 題．對于不確定的動態(tài)環(huán)境下的實時避障軌跡生成， 是較為困難的．有關(guān)這方面的研究，目前已有許多方 法．一些神經(jīng)網(wǎng)絡(luò)模型被設(shè)計出來，產(chǎn)生實時的軌跡 生成．文獻113[23提供的神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生的軌跡 生成僅能處理在靜態(tài)環(huán)境下及假設(shè)空間中沒有障礙 物的情況．[3]提供的神經(jīng)網(wǎng)絡(luò)模型，能為智能機器 人產(chǎn)生導航的避障軌跡，然而模型在計算上相當復 雜．文獻[43提供了Hopfield神經(jīng)網(wǎng)絡(luò)模型，能在動 態(tài)環(huán)境下產(chǎn)生時實的避障軌跡生成，并在文獻[5] 中，嚴格證明了因該方法生成的軌跡沒有遭受局部 極小點逃離問題．并且文獻[63用兩個神經(jīng)網(wǎng)絡(luò)層疊 加起來，每層構(gòu)造相似于[43中的網(wǎng)絡(luò)結(jié)構(gòu)．它是利 用第二層網(wǎng)絡(luò)來發(fā)現(xiàn)下一個機器人位置的無監(jiān)督模 型，然而它卻加倍了計算量，盡管文獻[4，6]提供的 方法能在動態(tài)環(huán)境下，產(chǎn)生時實避障軌跡，但都具有 較慢的運動速度，在快速變化的環(huán)境下不能恰當?shù)? 完成動作執(zhí)行，因為機器人要比較好地完成避障動 作，必須不能滯后于障礙物動作變化
標簽： 神經(jīng)網(wǎng)絡(luò) 智能機器人
上傳時間： 2022-02-12
上傳用戶：得之我幸78
超聲波測距在智能機器人中的開發(fā)與應(yīng)用摘 要：本文提出了在機器人控制中，使用軟件方法實現(xiàn)超聲波測距機器人避障功能的工作原理和設(shè)計 方法。該系統(tǒng)在使用過程中，測量精度高，機器人避障準確，可靠，真正實現(xiàn)了智能化控制。 關(guān)鍵詞：機器人 超聲波 測距 軟件觸發(fā) Abstract： The 0n pnnc eanddesignm d10d ofu]U~ sordc are descx'~edindetail fora intenigencero~ ic ． ByI|8i“gthissystem，therobotmakesaccta~elyavoidingdmwhackhi# reliability． 1畸 wo阿s：ro tultro-sor~c聊 曲 喀sot~aretrigger 1 引言 在智能機器人的研制開發(fā)中，很重要 的一部 分就是機器人 要能實現(xiàn)避 障功能 ，即通過傳感器 的作用 ，探測機器人行進道路 上是否碰到障礙。 若碰到了障礙 ，機器人應(yīng)該 自動轉(zhuǎn)向 ，躲避障礙 。 本文所介 紹的超聲 波測距方法 ，應(yīng)用 于 ET一18 Hem智能機器人中。通過超聲波測距 ，該智能機 器人實現(xiàn)了對步進電動機的智能控制及運動控制 方式的靈活應(yīng)用。同時，超聲波測距作為一種非 接觸 的檢測方式 ，和紅外 、激光及無線電測距相 比，在近距范 圍內(nèi)有不受光線影響、結(jié)構(gòu)簡單 、成 本低等優(yōu)點 2 超聲波測距基本原理 超聲波是指頻率在 2000Hz以上 ，不能引起正 常人聽覺反應(yīng) 的機械振動波 ，是物體 的機械振 動 在彈性介質(zhì) 中傳播所形成 的機械振動波。由于超 聲波具有非常短 的波長 ，可 以聚集成狹小 的發(fā)
上傳時間： 2022-02-16
上傳用戶：jiabin
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
