结合LSTM的强化学习动态环境路径规划算法

在路径规划领域已经涌现出了诸多的优秀的经典算法,但这些传统方法往往基于静态环境,对于动态可变环境缺乏处理能力.本文提出一种结合LSTM强化学习动态环境路径规划算法.首先,本文以环境图像作为输入,最大限度了保证了原始的信息来源.而后构建了自动编码器用来对环境图像进行特征降维,降低了整体模型的复杂程度.最后采用深度强化学习算法DDPG进行路径规划,其中Actor部分采用LSTM的网络构建,使Actor在决策时可以参考前序信息,做到有预测的避开动态障碍.最后通过实验证明了本文算法的可行性和高效性.     

光学计算机对称三值数据海明校验研究

针对三值光学计算机数据可靠性传输问题,研究对称三值数据海明校验方法。通过建立二值逻辑判断与三值逻辑计算的联系,从解析计算角度分析了对称三值数据的一位检测一位纠错海明编码及校验规则,对适用二值数据校验的海明树进行分支扩展;定义纠错因子,推导并证明了二值、对称三值通用的一位检测一位纠错海明表达式;与参考文献中的检测与纠错方法相比,研究的方法可以更节省时间资源,以基本的加法运算实现纠错,使纠错运算更容易由硬件运算器实现。通过计算实例,验证了分支扩展海明码树与纠错表达式的合理性。该方法可以在一定程度上保证光学计算机在对称三值表示形式下的数据可靠性传输。     

基于RTX的嵌入式二自由度PID控制器设计研究

基于RTX (Real Time Executive),设计了一种二自由度PID控制器.该控制器采用模块化结构设计,集成了数据采集、数据存储、数据处理、数据通讯、键盘输入、监控显示、TFTP下载等功能模块,是一种将RTX和二自由度PID相结合的嵌入武控制器.     

基于RTX的嵌入式二自由度PID控制器设计研究

基于RTX（Real Time Executive）,设计了一种二自由度PID控制器。该控制器采用模块化结构设计,集成了数据采集、数据存储、数据处理、数据通讯、键盘输入、监控显示、TFTP下载等功能模块,是一种将RTX和二自由度PID相结合的嵌入式控制器。     

铁道装置环境负载的溶解技术

与渺界环境问题密切相关的铁道运输手段再度引起人们关注。在铁道领域,应用先进的电子学技术实现更安令稳定的运输下段再度引起人们关注。住铁道领域,应手先进的电子学技术实现更安全稳定的运输,同时,对应于环保问题,也越发显示出其技术上的重要性。     

基于PPO的机械臂控制研究方法

目前应用于机械臂控制中有许多不同的算法,如传统的自适应PD控制、模糊自适应控制等,这些大多需要基于数学模型。也有基于强化学习的控制方法,如:DQN(Deep Q Network)、Sarsa等。但这些强化学习算法在连续高维的动作空间中存在学习效率不高、回报奖励设置困难、控制效果不佳等问题。论文对基于PPO(Proximal Policy Optimization近端策略优化)算法实现任意位置的机械臂抓取应用进行研究,并将实验数据与Actor-Critic(演员-评论家)算法的进行对比,验证了使用PPO算法的控制效果良好,学习效率较高且稳定。     

基于RTX的嵌入式二自由度PID控制器设计研究

基于RTX(Real Time Executive),设计了一种二自由度PID控制器。该控制器采用模块化结构设计,集成了数据采集、数据存储、数据处理、数据通讯、键盘输入、监控显示、TFTP下载等功能模块,是一种将RTX和二自由度PID相结合的嵌入式控制器。