排序方式: 共有10条查询结果,搜索用时 0 毫秒
1
1.
2.
为了提高机器臂轨迹跟踪控制器的工作性能,提出基于增强学习的机械臂轨迹跟踪控制方法。介绍了增强学习的基本原理,提出基于SARSA算法的增强学习补偿控制策略。利用比例—微分(PD)控制器完成了基本的稳定任务后,再利用增强学习算法实现了对未知干扰因素的补偿,提升了对不同未知情况的适应能力。实验结果验证了自适应离散化增强学习方法在机械臂轨迹跟踪问题中的可行性和有效性,明显提高了控制器的学习速度。 相似文献
3.
4.
5.
面向全向移动机械臂的视觉控制任务,研究了一种基于混合视觉伺服的控制律设计方法,并采用蝙蝠算法(Bat Algorithm, BA)实现了运动轨迹优化。首先,为实现全向底盘和六自由度机械臂的同时控制,建立了全向移动机械臂整体的速度级运动学模型;进而,根据眼在手中的相机配置方案,分别推导了位置误差和图像误差的雅克比矩阵,在联合了机器人运动学模型的基础上,设计了全向移动机械臂的混合视觉伺服控制律;进一步设计了基于蝙蝠算法的控制器参数优化方法,使机械臂末端能够沿着尽可能短的路线到达期望位置;最终,通过稳定性证明和系统仿真实验说明了该算法的有效性。 相似文献
6.
7.
8.
9.
10.
针对现有的行人多目标跟踪算法在遮挡、人群密集和光线差等情况下表现不佳的问题,提出一种改进YOLOv4与改进DeepSort算法相结合的行人多目标跟踪算法。首先,为增强检测网络的特征提取能力,在YOLOv4中嵌入ECANet注意力模块,提高检测精度;其次,在改进DeepSort的跟踪算法中,由卡尔曼滤波算法预测多个行人目标在图像中的轨迹之后,使用GhostNetV1替换DeepSort中的重识别网络来生成行人的外观特征,提高行人重识别网络的性能;进而,采用匈牙利算法对检测框和预测框进行最优匹配,对未匹配成功的检测框采用DIOU代替IOU(交并比)进行二次匹配,提高DeepSort网络的跟踪性能;最后,开展了新跟踪算法与原DeepSort算法的对比实验,结果表明新算法的误检、漏检现象变少,鲁棒性增强,跟踪性能得到提高,MOTA提升了18.8%,IDF1提升了18.2%,身份编号转换次数降低了84次。 相似文献
1