全文获取类型
收费全文 | 154篇 |
免费 | 10篇 |
国内免费 | 38篇 |
专业分类
电工技术 | 4篇 |
综合类 | 69篇 |
金属工艺 | 1篇 |
机械仪表 | 2篇 |
无线电 | 7篇 |
一般工业技术 | 1篇 |
自动化技术 | 118篇 |
出版年
2024年 | 2篇 |
2023年 | 2篇 |
2022年 | 1篇 |
2021年 | 10篇 |
2020年 | 2篇 |
2019年 | 4篇 |
2018年 | 5篇 |
2017年 | 3篇 |
2016年 | 10篇 |
2015年 | 5篇 |
2014年 | 12篇 |
2013年 | 3篇 |
2012年 | 10篇 |
2011年 | 9篇 |
2010年 | 15篇 |
2009年 | 19篇 |
2008年 | 6篇 |
2007年 | 15篇 |
2006年 | 9篇 |
2005年 | 22篇 |
2004年 | 16篇 |
2003年 | 11篇 |
2002年 | 1篇 |
2000年 | 2篇 |
1999年 | 4篇 |
1997年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
排序方式: 共有202条查询结果,搜索用时 15 毫秒
91.
92.
基于强化学习规则的两轮机器人自平衡控制 总被引:1,自引:0,他引:1
两轮机器人是一个典型的不稳定,非线性,强耦合的自平衡系统,在两轮机器人系统模型未知和没有先验经验的条件下,将强化学习算法和模糊神经网络有效结合,保证了函数逼近的快速性和收敛性,成功地实现两轮机器人的自学习平衡控制,并解决了两轮机器人连续状态空间和动作空间的强化学习问题;仿真和实验表明:该方法不仅在很短的时间内成功地完成对两轮机器人的平衡控制,而且在两轮机器人参数变化较大时,仍能维持两轮机器人的平衡。 相似文献
93.
94.
针对双足步行机器人(Biped Walking Robot)腿部逆运动学模型求解问题,采用一种基于CMAC神经网络的机器人逆运动学控制方法,设计CMAC神经网络控制系统.控制系统采用2个CMAC神经网络控制器分别用来逼近步行机器人支撑腿与摆动腿的逆模型,跟踪通过三维线性倒立摆模型生成的给定腰部轨迹.建立步行机器人正运动学模型来调整CMAC神经网络权值,实现了步行器人腿部逆运动学映射.仿真结果表明,CMAC神经网络控制系统可以在保证机器人位姿良好的情况下跟踪给定的参考轨迹.三维运动学仿真结果进一步验证了控制算法的有效性. 相似文献
95.
96.
针对自平衡机械系统的研究很少着眼于速度控制,设计一种简单的模糊控制器,应用于一级直线倒立摆的匀速行走控制中。对于设定的速度整定值,通过调整几个比例环节的系数,系统具有很好的动态性能指标,而且控制器在有外界扰动时体现了很好的抗扰能力。考虑到实际物理系统中倒立摆行程的限制,设计的自动切换开关实现了倒立摆在一段给定的行程上匀速来回行走的控制目标,通过手动切换开关也能实现倒立摆的位置控制,因而使得该模糊控制器能完成平衡控制、位置控制、匀速行走控制。经多次试验,给出了比例环节系数大小调整与系统动态性能指标之间关系的大致规律,实验结果验证了该控制器的有效性。 相似文献
97.
针对在传统的机器人导航中,机器人行为的激发是一种被动过程,容易导致机器人的行为出现"缺乏规划性"的问题,类比于人类在未知环境中的寻路过程,提出了一种基于模糊行为决策的主动寻径方法.首先,在机器人的探测域内寻找可视点并确定最优子目标点;然后,对感知到的环境信息及最优子目标点信息进行分析以确定机器人所处环境;最后,设计了一种模糊控制器,并对机器人的行为进行规划并输出控制指令使得机器人实现避障且逃离半封闭区域,最终到达目标点.仿真结果验证了该方法的可行性和有效性. 相似文献
98.
根据国内外旋翼飞行器的研究现状以及三旋翼飞行器的机械结构,对三旋翼飞行器进行力矩分析,建立数学模型。采用自抗扰控制方法对三旋翼飞行器的姿态角进行姿态控制,通过Matlab仿真与PID控制方法的对比试验,以及跟踪不同数值大小的阶跃响应信号进行分组仿真。仿真结果表明,自抗扰控制算法具有有效性和快速性,分组试验表明针对不同大小的阶跃信号,可采用不同的参数进行调节。结果表明:该方法既具有良好的滤波性与鲁棒性,又保留了PID控制的大体框架与结构简单等优势,在工程和之后的试验中有一定的指导价值。 相似文献
99.
提出一种迷宫机器人的人工脑系统,包括迷宫路标感知单元与行为决策单元.其中,感知单元基于ARTI神经网络,用于识别迷宫导向路标;决策单元基于行为概率实现矩阵,并以强化学习更新行动策略.机器人所在迷宫的特征为每个路口设有导向路标,路标为含噪声的符号图像.在仿真实验中,令机器人在迷宫中随机行走,通过调节人工脑系统的试验参数,经过一段时间的自主探索学习过程机器人能最终穿越迷宫.仿真实验结果表明,该人工脑系统能够自组织地理解迷宫中导向路标的含义,并引导机器人成功穿越迷宫.同时,该人工脑系统对于基于路标导航的城市巡逻机器人、高危复杂环境下的抢险机器人的研究发展有一定的推动作用. 相似文献
100.