智 能 決 策 系 統(tǒng) 開 發(fā) 平 臺(tái)IDSDP 計(jì)算所智能計(jì)算機(jī)科學(xué)開放實(shí)驗(yàn)室
標(biāo)簽： IDSDP 計(jì)算 智能計(jì)算 實(shí)驗(yàn)室
上傳時(shí)間： 2013-12-22
上傳用戶：colinal
自適應(yīng)波束形成（智能天線）的MATLAB代碼仿真程序
標(biāo)簽： MATLAB 自適應(yīng)波束 智能天線 代碼
上傳時(shí)間： 2014-01-12
上傳用戶：wanghui2438
基于自適應(yīng)遺傳算法的智能組卷研究，有需要的可以下載
標(biāo)簽： 算法
上傳時(shí)間： 2013-12-24
上傳用戶：cc1915
智能天線技術(shù)的核心是自適應(yīng)波束的形成，本文首先根據(jù)波束形成技術(shù)的不同，介紹了三大類自適應(yīng)算法，基于來波方向的波束形成，基于參考信號(hào)的波束形成和基于信號(hào)結(jié)構(gòu)特性的盲自適應(yīng)算法，著重分析了基于參考信號(hào)的波束形成算法，并給出了數(shù)字波束形成的基本模型。
標(biāo)簽： 智能天線 核心 自適應(yīng)波束
上傳時(shí)間： 2017-09-08
上傳用戶：hj_18
神經(jīng)網(wǎng)絡(luò)在智能機(jī)器人導(dǎo)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(duì)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(cè)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(jìn)行路徑規(guī)劃，其計(jì)算量是相當(dāng)大的。Kohon~n自組織 神經(jīng)瞬絡(luò)為機(jī)器人對(duì)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(xué)習(xí)的結(jié) 果能體現(xiàn)出輸入樣本的分布情況，從而對(duì)輸入樣本實(shí)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(jī)地選 取坐標(biāo)點(diǎn)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(duì)大量的輸八樣本的學(xué)習(xí)，其神經(jīng)元就會(huì)體現(xiàn)出一定的 分布形 式 學(xué)習(xí)過程如下：開 始時(shí)網(wǎng)絡(luò)的權(quán)值隨機(jī)地賦值 ， 其后接下式進(jìn)行學(xué) 習(xí)： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經(jīng)元 1在t時(shí)刻對(duì) 應(yīng)的權(quán)值 ；a(∽ 謂整系 數(shù) ； (『l網(wǎng)絡(luò)的輸八矢量；Ⅳ()：學(xué)習(xí)的 I域。每個(gè)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(xué)習(xí)的鄰域 (，) 可 以動(dòng) 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(fù)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(huì)導(dǎo)致節(jié)點(diǎn)穿過障礙物區(qū)域 如果節(jié)點(diǎn) 妁數(shù)量太大 ．節(jié)點(diǎn)就會(huì)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(diǎn)是對(duì)整個(gè) 自由空間 的學(xué) 習(xí)，而不是 學(xué)習(xí)最 小框架空 間 。節(jié) 點(diǎn)的數(shù) 量可 以動(dòng)態(tài) 地定義，在每個(gè)學(xué)習(xí)階段的結(jié)柬．機(jī)器人會(huì)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(diǎn) 來 覆蓋整 十 自由窯 間，需要增加 網(wǎng)絡(luò)節(jié)點(diǎn)來 重新學(xué) 習(xí) 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(diǎn)升 始學(xué)習(xí)，逐步增加其數(shù)量。這種方法比較適臺(tái)對(duì)擁擠的'E{= 境的學(xué)習(xí)，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(gè)新的方法。由 于網(wǎng)絡(luò)的并行結(jié)構(gòu)，可在較短的時(shí)間內(nèi)進(jìn)行大量的計(jì)算。并 且不需要了解障礙物的過細(xì)信息．如形狀、位置等 通過 學(xué)習(xí)可用樹結(jié)構(gòu)表示自由空問的基本框架，起、終點(diǎn)問路 徑 可利用樹的遍 歷技術(shù)報(bào)容易地被找到 在機(jī)器人對(duì)環(huán)境的感知的過程中，可采用人】：神經(jīng)嘲 絡(luò)技術(shù)對(duì) 多傳 感器的信息進(jìn) 行融臺(tái) 。由于單個(gè)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(jī)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(dòng)吝避碰 規(guī)劃 ，足以全局規(guī)荊為指 導(dǎo) 利用在線得到的局部環(huán)境信息，在盡可能短的時(shí)問內(nèi)
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 智能機(jī)器人 導(dǎo)航
上傳時(shí)間： 2022-02-12
上傳用戶：qingfengchizhu
針 對(duì) 日 常 生 活 中 人 們 熱 衷 于 盆 栽 種 植 但 又 因 工 作 繁 忙 而 忘 記 澆 水 導(dǎo) 致 盆 栽 枯 死 的 問 題 ， 本 文 提出 采 用 STM32 作 為 系 統(tǒng) 主 控 芯 片 ， 構(gòu) 建 一 個(gè) “ 手 機(jī) APP + 現(xiàn) 場(chǎng) 傳 感 器 控 制 ” 的 智 能 監(jiān) 控 種 植 系 統(tǒng) 。 通 過 對(duì) 指 定植 物 種 植 環(huán) 境 的 溫 度 、 濕 度 數(shù) 據(jù) 進(jìn) 行 統(tǒng) 計(jì) 分 析 ， 能 實(shí) 現(xiàn) 自 動(dòng) 澆 灌 、 調(diào) 整 光 照 、 遠(yuǎn) 程 告 警 及 無 線 監(jiān) 控 等 功 能 ， 最 終實(shí) 現(xiàn) 盆 栽 智 能 種 植 ， 為 盆 栽 種 植 愛 好 者 提 供 便 利 。 本 系 統(tǒng) 設(shè) 計(jì) 具 有 簡 單 、 實(shí) 用 性 強(qiáng) 、 可 靠 性 高 等 特 點(diǎn) 。
標(biāo)簽： stm32 智能盆栽 遠(yuǎn)程監(jiān)控
上傳時(shí)間： 2022-04-28
上傳用戶：
摘 要:讓智能機(jī)器人在多變的光線與溫度環(huán)境中沿預(yù)定線路行走, 在工業(yè)生產(chǎn)和學(xué)術(shù)研究中均有重要意義, 筆者闡述了實(shí)現(xiàn)該功能的可靠方法. 通過討論關(guān)鍵傳感器件的選用、檢測(cè)原理的合理應(yīng)用、抗環(huán)境光干擾的實(shí)現(xiàn)、自適應(yīng)調(diào)整算法及其實(shí)現(xiàn)等內(nèi)容, 分析了競(jìng)賽機(jī)器人的巡線技術(shù). 以這些技術(shù)思想為主體的競(jìng)賽機(jī)器人在國內(nèi)外競(jìng)賽中均取得優(yōu)異成績, 表明所述硬軟件方法簡潔可靠, 對(duì)智能機(jī)器人的應(yīng)用研究有一定的參考意義.關(guān)鍵詞:智能機(jī)器人;巡線;可靠性;反射式紅外傳感器 為了使人工智能與機(jī)器人技術(shù)能在更廣泛、更深入的層面展開研究, 并使其研究成果盡快轉(zhuǎn)化為生產(chǎn)力, 在機(jī)器人足球成為人工智能與機(jī)器人學(xué)的標(biāo)準(zhǔn)問題并被廣泛開展的同時(shí), 近年來, 國內(nèi)外開展了多種形式、多個(gè)層面的機(jī)器人比賽. 把這些競(jìng)賽機(jī)器人中涉及到的一些共同問題進(jìn)行深入研究, 無疑對(duì)學(xué)術(shù)研究和生產(chǎn)應(yīng)用都有很強(qiáng)的實(shí)際意義。在亞廣聯(lián)亞太地區(qū)機(jī)器人大賽中, 首屆日本東京規(guī)則——— “攀登富士山頂”、第二屆泰國曼谷規(guī)則———“藤球太空征服者”、第三屆韓國漢城規(guī)則——— “鵲橋相會(huì)”、以及2005 年的北京規(guī)則——— “攀長城、點(diǎn)圣火”中都有在綠色地面尋白色引導(dǎo)線行走的問題. 這也是移動(dòng)機(jī)器人的標(biāo)準(zhǔn)問題之一, 是解決移動(dòng)機(jī)器人在自由環(huán)境自主行動(dòng)的基礎(chǔ). 經(jīng)過細(xì)致的理論設(shè)計(jì)和反復(fù)的實(shí)驗(yàn)驗(yàn)證得到了簡潔可靠的競(jìng)賽機(jī)器人巡線方案, 這也是西南科技大學(xué)參賽隊(duì)在第二、三屆國內(nèi)比賽中蟬聯(lián)“最佳技術(shù)獎(jiǎng)” , 并在第三屆國內(nèi)大賽中奪得冠軍, 在亞太地區(qū)獲得亞軍及“最佳技術(shù)獎(jiǎng)”的核心技術(shù)之一. 這里重點(diǎn)對(duì)其“準(zhǔn)確巡線、可靠巡線及其簡潔實(shí)現(xiàn)”進(jìn)行詳細(xì)分析..
標(biāo)簽： 智能機(jī)器人
上傳時(shí)間： 2022-06-09
上傳用戶：ttalli
本論文圍繞提高高速變頻電機(jī)設(shè)計(jì)水平和促進(jìn)電機(jī)CAD技術(shù)發(fā)展這一主題，對(duì)高速變頻電機(jī)電磁設(shè)計(jì)和電機(jī)智能設(shè)計(jì)方法進(jìn)行了深入的研究。 1.分析了集膚效應(yīng)對(duì)高速變頻電機(jī)設(shè)計(jì)的影響。針對(duì)高速變頻電機(jī)轉(zhuǎn)子導(dǎo)體中集膚效應(yīng)現(xiàn)象較為嚴(yán)重的特點(diǎn)，用有限元法對(duì)不同轉(zhuǎn)子槽型在不同頻率時(shí)的集膚效應(yīng)進(jìn)行了分析，并提出了一種利用有限元法的精確計(jì)算結(jié)果和人工神經(jīng)網(wǎng)絡(luò)的非線性映射能力計(jì)算電機(jī)轉(zhuǎn)子集膚效應(yīng)系數(shù)的新方法，能夠快速有效的給出轉(zhuǎn)子不同槽型不同頻率時(shí)的集膚效應(yīng)系數(shù)。 2.研究了電壓型SPWM變頻器輸出時(shí)間諧波頻譜以及調(diào)制參數(shù)對(duì)輸出諧波的影響，為精確分析高速變頻電機(jī)的諧波效應(yīng)和選擇適當(dāng)?shù)淖冾l器提供參考。分析了時(shí)間諧波對(duì)高速變頻電機(jī)效率、功率因數(shù)及輸出轉(zhuǎn)矩的影響，對(duì)提高高速變頻電機(jī)設(shè)計(jì)精度具有指導(dǎo)意義。 3.從電磁設(shè)計(jì)的角度探討了高速變頻電機(jī)設(shè)計(jì)過程，所得出的結(jié)論對(duì)于高速變頻電機(jī)設(shè)計(jì)具有指導(dǎo)意義。論文還提出了一個(gè)可以考慮時(shí)間諧波效應(yīng)的高速變頻電機(jī)分析模型，在此基礎(chǔ)上編制了高速變頻電機(jī)電磁仿真程序。 4.前人工作的基礎(chǔ)上，進(jìn)一步研究了人工智能技術(shù)在電機(jī)設(shè)計(jì)中的應(yīng)用。針對(duì)電機(jī)設(shè)計(jì)不同階段的特點(diǎn)，首次提出了面向電機(jī)設(shè)計(jì)過程的智能設(shè)計(jì)集成推理體系。 5.從設(shè)計(jì)過程優(yōu)化的角度，研究了電機(jī)設(shè)計(jì)狀態(tài)評(píng)價(jià)問題，建立了電機(jī)設(shè)計(jì)狀態(tài)綜合評(píng)價(jià)模型，能夠?qū)﹄姍C(jī)設(shè)計(jì)的不同層次、不同階段及時(shí)進(jìn)行設(shè)計(jì)狀態(tài)評(píng)價(jià)。@ @ 6.研究了基于實(shí)例推理技術(shù)在電機(jī)初始方案設(shè)計(jì)過程中的應(yīng)用，首次提出了一種基于知識(shí)引導(dǎo)和相似優(yōu)先的混合型實(shí)例檢索算法，給出了基于BP神經(jīng)網(wǎng)絡(luò)的實(shí)例相似度判定機(jī)制，可以提高檢索效率。 7.針對(duì)傳統(tǒng)電機(jī)調(diào)整設(shè)計(jì)專家系統(tǒng)的缺陷，提出了一種新型的基于神經(jīng)網(wǎng)絡(luò)推理機(jī)制的電機(jī)調(diào)整設(shè)計(jì)混合型專家系統(tǒng)模型，該模型將專家系統(tǒng)技術(shù)與神經(jīng)網(wǎng)絡(luò)、電機(jī)綜合設(shè)計(jì)方法有效結(jié)合，具有并行推理和系統(tǒng)自學(xué)習(xí)能力，解決了調(diào)整設(shè)計(jì)過程中調(diào)整力度難以確定的問題。 8.論支還研究了基于遺傳算法的電機(jī)優(yōu)化設(shè)計(jì)方法。針對(duì)遺傳算法中普遍存在的早熟收斂和搜索效率低的現(xiàn)象，提出了一種改進(jìn)遺傳算法一變焦自適應(yīng)遺傳算法，有助于提高優(yōu)化效率和克服早熟。 9.在上述工作的基礎(chǔ)上，首次提出了支持遠(yuǎn)程設(shè)計(jì)的電機(jī)智能設(shè)計(jì)集成平臺(tái)的概念，給出了基于軟總線和組件機(jī)制的平臺(tái)實(shí)現(xiàn)模型。并對(duì)集成平臺(tái)中電機(jī)模型集成技術(shù)、基于Objectorx的電機(jī)圖形繪制技術(shù)和基于Web的遠(yuǎn)程設(shè)計(jì)支持技術(shù)等關(guān)鍵技術(shù)進(jìn)行了討論。
標(biāo)簽： 變頻電機(jī) 電機(jī) 設(shè)計(jì)方法
上傳時(shí)間： 2013-04-24
上傳用戶：dbs012280
貴州電解鋁廠供電四車間廠房內(nèi)變壓器、整流柜、電容等設(shè)備種類繁多,同系列設(shè)備安放距離跨度較大.這些電力電子器件長期運(yùn)行導(dǎo)致系統(tǒng)內(nèi)部某些連接點(diǎn)絕緣介質(zhì)老化,甚至脫落.這種現(xiàn)象單憑肉眼很難觀察,該廠對(duì)此問題的解決方法為:技術(shù)工人攜帶小型紅外探測(cè)儀定期采集上述器件的某些連接點(diǎn),從紅外圖像數(shù)據(jù)得出溫度數(shù)據(jù)以此判斷器件工作是否處于良好狀態(tài).由于人為因素,工人不一定能全部獲取所有連接點(diǎn)數(shù)據(jù).可見,此方法費(fèi)時(shí)費(fèi)力,還存在隱患. 針對(duì)現(xiàn)行探測(cè)方法存在的弊端,依托"中鋁貴州分公司電解鋁廠整流所安全運(yùn)行監(jiān)控系統(tǒng)開發(fā)"項(xiàng)目,利用一臺(tái)直線行走的智能小車停靠在已選擇的定位點(diǎn)處監(jiān)測(cè)車間的電器設(shè)備,因此這就涉及到了監(jiān)控小車的精準(zhǔn)定位問題.本文以卞位機(jī)智能監(jiān)控小車為研究對(duì)象,采用模糊PID控制技術(shù)對(duì)PLC發(fā)出的脈沖頻率進(jìn)行自動(dòng)調(diào)節(jié),依據(jù)脈沖頻率誤差E和誤差變化率EC的變化對(duì)PID控制的參數(shù)進(jìn)行自整定,實(shí)現(xiàn)對(duì)小車速度的模糊控制,從而實(shí)現(xiàn)了小車的精準(zhǔn)定位,為上位機(jī)的監(jiān)控工作做好了準(zhǔn)備. 論文第一章介紹了電解鋁廠供電車間的供電情況,分析了小車定位精準(zhǔn)的重要性,介紹了本文的研究內(nèi)容.第二章對(duì)小車主要結(jié)構(gòu)的硬件設(shè)計(jì)作了介紹.第三章論述了小車的運(yùn)動(dòng)控制,從分析步進(jìn)電機(jī)的矩頻特性和數(shù)學(xué)模型入手,介紹了小車的啟停控制和運(yùn)動(dòng)中的測(cè)速.第四章論述了小車的精準(zhǔn)定位方法,介紹了模糊PID控制器設(shè)計(jì),重點(diǎn)介紹了模糊PID控制算法的程序設(shè)計(jì).第五章列舉了實(shí)際運(yùn)行調(diào)試中出現(xiàn)的幾種問題,介紹了相應(yīng)的控制方法加以克服.第六章對(duì)論文進(jìn)行了總結(jié).
標(biāo)簽： 直線 智能監(jiān)控 定位
上傳時(shí)間： 2013-04-24
上傳用戶：kirivir
工業(yè)生產(chǎn)過程中，時(shí)滯對(duì)象普遍存在，同時(shí)也是較難控制的，尤其是大時(shí)滯對(duì)象的控制一直都是一個(gè)難題。而很多溫度控制系統(tǒng)都是屬于大時(shí)滯系統(tǒng)，常見的智能溫度控制器雖然在溫度控制的實(shí)際應(yīng)用中表現(xiàn)了比較理想的控制效果，但它仍然屬于將參數(shù)整定與系統(tǒng)控制分開處理的離線整定方法，如果工況發(fā)生變化就必須重新調(diào)整參數(shù)。針對(duì)這一問題，為了實(shí)現(xiàn)時(shí)滯系統(tǒng)參數(shù)自整定的控制，本文將神經(jīng)網(wǎng)路控制、模糊控制和PID控制結(jié)合起來，設(shè)計(jì)了基于神經(jīng)網(wǎng)路的模糊自適應(yīng)PID控制器。 首先，本論文分析了時(shí)滯系統(tǒng)的特點(diǎn)，討論了幾種時(shí)滯系統(tǒng)較為成熟的常規(guī)控制算法：微分先行控制算法、史密斯預(yù)估控制算法、大林控制算法，并深入研究了它們的控制性能；并且通過仿真對(duì)這三種控制方法在溫控系統(tǒng)中的控制性能進(jìn)行了比較。 其次，在分析PID參數(shù)自整定傳統(tǒng)方法的基礎(chǔ)上，設(shè)計(jì)了一種改進(jìn)方法，并設(shè)計(jì)了相應(yīng)的控制器。該控制器綜合了模糊控制、神經(jīng)網(wǎng)絡(luò)控制和PID控制各自的長處，既具備了模糊控制簡單有效的控制作用以及較強(qiáng)的邏輯推理功能，也具備了神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)的能力，同時(shí)也具備了傳統(tǒng)PID控制的廣泛適應(yīng)性。該方法不需要離線整定參數(shù)，實(shí)現(xiàn)了在線自整定參數(shù)。仿真實(shí)驗(yàn)表明了該控制器對(duì)模型和環(huán)境都具有較好的適應(yīng)能力和較強(qiáng)的魯棒性。 最后將基于神經(jīng)網(wǎng)路的模糊自適應(yīng)PID控制器應(yīng)用于貝加萊PID溫控裝置，能夠出色地實(shí)現(xiàn)參數(shù)的在線自整定。理論分析、系統(tǒng)仿真、實(shí)驗(yàn)結(jié)果都證實(shí)了這種控制策略能有效地減少系統(tǒng)超調(diào)量，并減少了調(diào)節(jié)時(shí)間，提高了系統(tǒng)的實(shí)時(shí)性和控制精度。
標(biāo)簽： 時(shí)滯系統(tǒng) 參數(shù) 自整定控制
上傳時(shí)間： 2013-07-05
上傳用戶：xinyuzhiqiwuwu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
