<button id="wsugg"></button> PID是控制智能小車的經典算法在過程控制中，按偏差的比例（P）、積分（I）和微分（D）進行控制的PID控制器（亦稱PID調節器）是應用最為廣泛的一種自動控制器。它具有原理簡單，易于實現，適用面廣，控制參數相互獨立，參數的選定比較簡單等優點；而且在理論上可以證明，對于過程控制的典型對象──“一階滯后＋純滯后”與“二階滯后＋純滯后”的控制對象，PID控制器是一種最優控制
上傳時間： 2015-11-24
上傳用戶：qq1604324866
可調節的智能交通燈 程序，基于AT89S52 以往的交通燈都是很一般的程序 這個嘛，可以調節紅綠燈的亮滅時間，可以顯示調節的的參數 里面有很詳盡的注釋以及I/O口說明
上傳時間： 2013-12-18
上傳用戶：sardinescn
實現最優二叉樹的構造；在此基礎上完成哈夫曼編碼器與譯碼器。 假設報文中只會出現如下表所示的字符： 字符 A B C D E F G H I J K L M N 頻度 186 64 13 22 32 103 21 15 47 57 1 5 32 20 57 字符 O P Q R S T U V W X Y Z ， ． 頻度 63 15 1 48 51 80 23 8 18 1 16 1 6 2 要求完成的系統應具備如下的功能： 1．初始化。從終端（文件）讀入字符集的數據信息，。建立哈夫曼樹。 2．編碼：利用已建好的哈夫曼樹對明文文件進行編碼，并存入目標文件（哈夫曼碼文件）。 3．譯碼：利用已建好的哈夫曼樹對目標文件（哈夫曼碼文件）進行編碼，并存入指定的明文文件。 4．輸出哈夫曼編碼文件：輸出每一個字符的哈夫曼編碼。
上傳時間： 2014-11-23
上傳用戶：shanml
給定n個節點xi（i=0,1,...,n-1）上的函數值yi=f[xi]，用拉格朗日插值公式計算指定插值點t處的函數近似值z=f[t]
上傳時間： 2013-12-21
上傳用戶：小眼睛LSL
給定n個節點xi[i=0,1,...,n-1]上的函數值yi=f[xi]及精度要求，用埃特金逐步插值法計算指定插值點t處的函數近似值z=f[t]
上傳時間： 2014-01-14
上傳用戶：偷心的海盜
給定n個節點xi[i=0,1,...,n-1]上的函數值yi=f[xi]及精度要求，用阿克瑪方法計算指定指定子區間上的三次插值多項式與指定插值點t處的函數近似值z=f[t]
上傳時間： 2017-03-10
上傳用戶：aa17807091
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環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境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 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】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．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點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。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，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 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 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
基于人工神經網絡實現智能機器人的避障軌跡控制摘 要：利用人工神經網絡中的二級 BP網。模擬智能機器人的兩控制參數(左 、右輪速)間的函數關系。實現避 障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過調整橢圓長、短軸大小。能實現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 。使機器人完成多個及多層避障動作時。不滯后于動態環境里其它機器人(障 礙物)位置的變化．在仿真實驗中。取得了理想的效果． 關鍵詞；BP神經網絡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．對于不確定的動態環境下的實時避障軌跡生成， 是較為困難的．有關這方面的研究，目前已有許多方 法．一些神經網絡模型被設計出來，產生實時的軌跡 生成．文獻113[23提供的神經網絡模型產生的軌跡 生成僅能處理在靜態環境下及假設空間中沒有障礙 物的情況．[3]提供的神經網絡模型，能為智能機器 人產生導航的避障軌跡，然而模型在計算上相當復 雜．文獻[43提供了Hopfield神經網絡模型，能在動 態環境下產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用兩個神經網絡層疊 加起來，每層構造相似于[43中的網絡結構．它是利 用第二層網絡來發現下一個機器人位置的無監督模 型，然而它卻加倍了計算量，盡管文獻[4，6]提供的 方法能在動態環境下，產生時實避障軌跡，但都具有 較慢的運動速度，在快速變化的環境下不能恰當地 完成動作執行，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
上傳時間： 2022-02-12
上傳用戶：得之我幸78
基于紅外技術的智能機器人控制系統基于紅外技術、單片機技術等完成 了智能機器人控制 系統的設計。該機器人實現 了步行、跟蹤、避 障 、 步伐調 整 、語 音 、聲控 、液 晶 顯示 、地 面探 測 等功 能 。 紅外技 術 智 能機 器人 控制 系統 隨著政 治格 局 、 戰爭形 式 的 變化 ，在 偵察 、戰 場攻擊 、反恐 防爆 等軍 事領 域 {冉}要 大量 無人 作戰 機 器人 ；人 類探 索太 空 、建設 航 天站 、搶 險救 災等 不 適合 由人 來承擔 的任務 的增 加 ，也 {冉}要 機器 人代 替 人類執 行 任務 。 同時， 新 的需 求和任 務 也對 機器 人 的 性能 提 出 了更 高 的要 求 。 由于 紅 外線 有較 強 的 穿透 能 力和 抗 干 擾 能 力， 不易散 射 且不 易 引起 串干擾 。本 設計 基 于紅 外技 術 完 成 智 能機 器 人 控 制 系 統 的 設 計 ， 主 要 實現 了 步 行 、跟蹤 、避 障 、步伐 調整 、語 音 、聲 控 、液 晶顯 示 、地 面探 測 8個 功能 ，在 遇到 外界 條件 發生 變化 時， 該機 器人 將采 取不 同 的措 施對 待， 能較 好地 表 現 出該 機器 人 的 簡單 思 考 能 力 。 1智能機器人說明 1．1功能簡介機系統框圖 機 器人 控 制系 統框 圖如 圖 1。 耦，P3，0～P3．5接 ISD語音芯片， P3，O~P3．5接 ISD語 音 芯 片 。 該機器人 采用 2片 AT89C51來控制，一 片用于 整個 系統的控制， 一片僅 用于驅動 液晶屏 1602的控 制 ，它 們之 間通過 I／O 121通 訊， 以實現 兩片單 片機 工 作 的協
上傳時間： 2022-02-13
上傳用戶：zhanglei193
基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制 oIlI～0(、r> 王 敏 金·波斯科 黃心漢 ，O、l、L (華i 面面辜寫j幕．武漢，43074) ＼I。L上、o 捌要：提出了一種基于傳感器和模糊規則的智能機器人運動規劃方法 ．該方法運用了基于調和函數分析的人 工勢能 場原 理 ．采用模糊規則 可減少推導勢能函數所 必須的計算 ，同時給機器人伺服 系統發 出指令 ，使它能夠 自動 地尋找通向目標的路徑．提出的方法具有簡單、快速的特點，而且能對 n自由度機械手的整個手臂實現最碰．建立 在非線性機器人動力學之上的整 個閉環系統和模糊控制器 的穩定性 由李雅普諾 夫原理 保證 ．仿真結 果證明 了該方 法 的有效性 ，通 過比較分析顯示 出文 中所提 出的最障算法的優越性 ． 美t詞：基于傳感器的機器人運動控制；模糊規則；人工勢能場；動態避障；機器人操作手 1 叫啞oducd0n R。boIsarewjdelyusedfor詛sb inchasma~ia]b柚· 血 ， spot ： ng， spray Ijl岫 1g， mech卸icaland elec咖 icas搴enlb1y，ma al塒 IIovaland wa時 cut· ring 咖 ． ofsuch tasks_堋 llldea pri|柚ary ptd 眥 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles． s 曲km，de． notedasthefDbotm ∞ pJan，liDgp∞ 舶1，hasbeen the倒 娜bj0ct鋤l哪gIeseat℃ll∞ ． Every method o0血∞rI1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts． Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s． 0州 d眥 ：1999—07—29；Revised~ ：2000一∞ 一絲 In conU~astto many n~ hods，rob
上傳時間： 2022-02-15
上傳用戶：
