帶風扇控制的智能溫度監(jiān)控系統(tǒng)源碼帶風扇控制的智能溫度監(jiān)控系統(tǒng)源碼
上傳時間： 2022-01-25
上傳用戶：
單片機設計自動化的系統(tǒng)protel原理圖+PCB文件，包含電機、電磁閥、光耦模塊，繼電器，傳感器控制電路，2層板設計，雙面布局布線，大小為215x112mm，包括完整的原理圖和PCB文件，可用Protel或 Altium Designer(AD)軟件打開或修改，可作為你產品設計的參考。
標簽： 單片機 自動化系統(tǒng) protel
上傳時間： 2022-01-27
上傳用戶：jason_vip1
挑戰(zhàn)杯“基于單片機控制的智能循跡避障小車”演示文稿這是一份非常不錯的資料，歡迎下載，希望對您有幫助！
上傳時間： 2022-01-27
上傳用戶：
基于MSP430單片機和藍牙的智能家居控制系統(tǒng)設計基于MSP430單片機和藍牙的智能家居控制系統(tǒng)設計
上傳時間： 2022-01-29
上傳用戶：
該文檔為基于單片機控制的智能小車制作講解文檔，是一份很不錯的參考資料，具有較高參考價值，感興趣的可以下載看看………………
上傳時間： 2022-02-05
上傳用戶：
神經網(wǎng)絡在智能機器人導航系統(tǒng)中的應用研究1神經網(wǎng)絡在環(huán)境感知中的應 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 神經瞬絡為機器人對未知環(huán)境的蒜知提供了一條途徑。 Kohone~沖經網(wǎng)絡是一十自組織神經網(wǎng)絡，其學習的結 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 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(wǎng)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(xiàn)出一定的 分布形 式 學習過程如下：開 始時網(wǎng)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(shù) ； (『l網(wǎng)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(wǎng)絡學習的鄰域 (，) 可 以動 態(tài)地 定義 成矩形 、多邊 形 。神經 元數(shù)量 的選取取 決 于環(huán)境 的復雜度 ，如果神 經元 的數(shù)量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節(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)絡節(jié)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(wǎng)絡 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，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環(huán)境是一個新的方法。由 于網(wǎng)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(huán)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(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 網(wǎng)絡在局部路徑規(guī)射中的應 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
標簽： 神經網(wǎng)絡 智能機器人 導航
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
基于人工神經網(wǎng)絡實現(xiàn)智能機器人的避障軌跡控制摘 要：利用人工神經網(wǎng)絡中的二級 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． 關鍵詞；BP神經網(wǎng)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(tài)環(huán)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(wǎng)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(wǎng)絡模型產生的軌跡 生成僅能處理在靜態(tài)環(huán)境下及假設空間中沒有障礙 物的情況．[3]提供的神經網(wǎng)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(wǎng)絡模型，能在動 態(tài)環(huán)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(wǎng)絡層疊 加起來，每層構造相似于[43中的網(wǎng)絡結構．它是利 用第二層網(wǎng)絡來發(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： 神經網(wǎng)絡 智能機器人
上傳時間： 2022-02-12
上傳用戶：得之我幸78
該文檔為半導體激光器LD驅動電路的光功率控制的研究總結文檔，是一份很不錯的參考資料，具有較高參考價值，感興趣的可以下載看看………………
標簽： 半導體激光器
上傳時間： 2022-02-14
上傳用戶：trh505
基于單片機控制的智能巡線小車的研制這是一份非常不錯的資料，歡迎下載，希望對您有幫助！
上傳時間： 2022-03-03
上傳用戶：
X-Board智能控制系統(tǒng)-智能家居-智能解決方案-物聯(lián)網(wǎng)方案-單片機方案-臨滴科技這是一份非常不錯的資料，歡迎下載，希望對您有幫助！
標簽： 智能控制系統(tǒng) 智能家居
上傳時間： 2022-03-03
上傳用戶：
