排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
阐述了定量反馈理论(QFT)的基本原理和设计方法,针对超燃冲压发动机不同工作状态时高超声速飞行器不确定性模型,应用多环QFT设计了高超声速飞行器纵向飞行控制系统;仿真结果表明,运用QFT方法设计的控制系统不仅具有良好的跟踪性能和抗干扰性能,而且能够很好地解决飞行控制系统由于模型参数具有不确定性而造成的控制系统鲁棒性设计问题,并从工程应用角度为高超飞行器纵向飞行控制系统提供了一种鲁棒控制设计方案。 相似文献
2.
针对多频飞行时间相机在曝光时间内物体运动以及相位融合中产生的偏差,提出一种基于光流以及空间核密度估计的实时补偿算法。首先获取原始的多频相位图像,计算出不同频率之间的相对光流,获得每种频率下的补偿相位;在此基础上针对不同频率的相位做出可信度假设并利用空间核密度估计对其进行排名,获得最终的相位融合图并生成对应的深度图。实验部分,使用Kinect V2相机获取的原始多频相位图对算法进行验证,同时利用GPU进行并行加速;结果表明该算法可以实时对物体平行于光轴运动的相位融合偏差进行补偿,有效地提高了深度图像的精度和稳定性。 相似文献
3.
CMAC神经网络具有学习算法简单、收敛速度快、局域泛化等优点,被广泛应用于机器人控制、信号处理、模式识别以及自适用控制等领域。但是网络的训练过程需要大量的存储单元,最优结构参数的选取是CMAC网络设计中一个重要问题。文中通过对函数逼近问题的研究,说明了量化精度和泛化参数如何影响网络对函数的逼近质量。仿真结果表明,通过对结构参数的调整,可以达到最小的逼近误差。而通过对网络结构的优化不但可以节约网络的训练时间而且可以大幅度减少存储单元的数量。 相似文献
4.
5.
在双足机器人跨越动态障碍物的在线控制问题中,脚步规划和步态控制的学习时间是关键问题;提出了一种将机器人的步态控制和脚步规划分别独立设计的控制策略;步态控制目的是产生关节点轨迹并控制对理想轨迹的跟踪,考虑到双足机器人关节点轨迹的不连续性,应用小脑模型连接控制CMAC记忆特征步态的关节点轨迹;脚步规划的控制目标是通过对环境的视觉感知预测机器人的运动路径,算法是基于无需对动态环境精确建模的模糊Q学习算法;仿真结果表明该控制策略的可行性,并且可以有效缩短在线学习时间。 相似文献
6.
7.
在双足机器人跨越迎面而来的动态障碍物的问题中,由于障碍物的高度,和速度是不可预测等因素,机器人的迈步步长和迈步高度决定了其能否实现成功跨越.介绍一种双足机器人步态规划方法,应用模糊Q学习算法对迈步高度进行学习,将迈步的起始点、落点和迈步高度作为特征点,利用三次样条对特征点进行插值得到摆动腿运动轨迹,最后通过摆动角间的几何关系得出各关节处摆动角的变化规律,控制机器人跨越动态障碍物.仿真结果表明,通过进行的步态规划,机器人可以成功跨越动态障碍物,并且各关节处的摆动角变化曲线平缓无畸变. 相似文献
8.
与轮行机器人相比,双足机器人具有更灵活的机械结构,具有跨越静态或动态障碍物的能力,使其可以在更复杂的环境中工作;以往的双足机器人路径规划控制策略只能解决静止或以可预测速度运动的障碍物的越障问题,提出了一种基于模糊Q学习算法的路径规划策略,在Adams软件中建立机器人的三维虚拟样机模型,在Matlab软件中设计控制器,进行联合仿真;仿真结果表明所设计的控制策略可以有效地克服机器人在线学习时间长的问题,并且可以成功跨越速度不可预测的运动障碍物,有很好的鲁棒性。 相似文献
9.
1