FOC(Field-Oriented Control,磁场定向控制)是一种电机控制策略,又称矢量控制,是通过控制变频器输出电压的幅值和频率控制三相直流无刷电机的一种变频驱动控制方法。FOC 的实质是运用坐标变换将三相静止坐标系下的电机相电流转换到相对于转子磁极轴线静止的旋转坐标系上,通过控制旋转坐标系下的矢量大小和方向达到控制电机目的。 无刷电机 直流有刷电机指的是电机工作的时候,线圈和转换器
随着科技的迅猛发展,机器人技术正日益成为现实生活中的重要组成部分。而在机器人研究领域,仿真技术的应用扮演着不可或缺的角色。它不仅可以节约大量资源和成本,更为工程师和研究者提供了一个安全、高效的实验平台。在这个博客中,将探讨PyBullet仿真引擎,并着重介绍如何利用PyBullet进行四足机器狗的仿真。 PyBullet概述 PyBullet是一个开源的物理仿真引擎,
MPC(Model Predictive Control,模型预测控制)是一种先进的控制算法,广泛应用于工业控制和自动化领域。它基于数学模型对系统进行预测,并在每个控制周期内通过优化算法选择最优控制输入,以实现系统的稳定和最优性。 最优控制的基本概念: 最优控制(optimal control)是指在给定约束条件下,通过调整系统的控制参数,使系统在某种性能指标下达到最佳状态的问题。最优
本文整理了自抗扰控制ADRC的由来及其原理,主要参考韩京清老师《自抗扰控制技术》。 PID控制: PID(Proportional-Integral-Derivative)控制是一种常见的反馈控制算法,被广泛应用于工业过程控制和自动化系统中。虽然PID控制具有很多优点,但也存在一些缺点,包括以下几点[参考自抗扰控制技术]: 1.直接以e=v-y的方式产生原始误差不太合理,这里控制目标v是
在本文中,我们将主要介绍Dijkstra算法和A*算法,从成本计算的角度出发,并逐步展开讨论。我们将从广度优先搜索开始,然后引入Dijkstra算法,与贪心算法进行比较,最终得出A*算法。 成本计算 在路径规划中,成本计算的一个主要因素是距离。距离可以作为一种衡量路径长短的度量指标,通常使用欧几里得距离、曼哈顿距离或其他合适的距离度量方法来计算。本文主要介绍欧几里得距离与曼哈顿距离。 欧几里
强化学习在仿真模拟环境中取得了较大成功,但在真实世界的实际系统中缺乏安全保证,无法有效的进行探索。针对传统深度强化学习在运动体训练过程中缺乏安全保证的问题,本文结合深度确定性策略梯度算法及控制障碍函数算法在事后经验回放的样本采样机制下提出了一种控制器的体系结构,无模型强化学习控制器在控制障碍函数的约束下进行在线学习,以确保学习过程中的安全性,同时为了解决奖励稀疏问题,引入了事后经验回放算法,对中间
【自动驾驶】使用强化学习玩赛车游戏 TORCS(The Open Racing Car Simulator)是一款自由开放源代码的赛车模拟器,可以在计算机上运行。它提供了一系列的汽车、赛道和物理模型,让用户可以模拟赛车比赛并进行测试。TORCS 还支持 AI 参与比赛,用户可以编写程序来驾驶赛车,这些程序可以使用多种编程语言编写,本文采用 Python编程,在windows系统下使用强化学习
四旋翼无人机飞行 无人机从起点出发飞向目标点,途径随机生成的障碍物源码:https://pan.baidu.com/s/1WgEJuvlQmXrNfNmNolwbGg? 基于控制避障函数(CBF)的四旋翼飞行控制 采用航点飞行,利用给定航点规划轨迹,从起点出发,沿着轨迹飞行,同时躲避轨迹上的障碍物源码: https://pan.baidu.com/s/1u4VasALLQ20
Carsim无人车横向LQR控制仿真 Carsim是一种专门用于车辆动力学仿真的软件,它可以模拟车辆在不同路面上的行驶状态,并提供悬挂、底盘、刹车、转向等多种参数来控制车辆的行驶。Carsim也支持与其他软件的联合仿真,如MATLAB等。本文将Carsim和Simulink联合仿真,即通过将Carsim模型与Simulink模型连接起来,使得在Simulink中设计的控制器可以直接影
MATLAB画小车 这里参考了robotarium库的代码 具体实现如下: my_gritsbot_patch函数,完成小车的图形绘制,可修改相关参数完成小车样式改变。 function [ patch_data ] = my_gritsbot_patch() %GRITSBOT_PATCH This is a helper function to generate patches
浮点数的储存形式 1. 浮点数的二进制表示 举个例子:4.25在这个浮点数中:4-整数部分,0.25-小数部分 整数部分-直接转换成二进制,即4表示(100) 2 ; 小数部分-将小数部分乘以2,取小数点前一位作为二进制的高位,对小数点后的部分执行相同的步骤,直到它变成1.0; 0.25 *2=0.500.5 *2=1.000.25=(01) 2 将整数和小数部分结合到一起
基于深度强化学习的视觉反馈机械臂抓取系统 机械臂抓取摆放及堆叠物体是智能工厂流水线上常见的工序,可以有效的提升生产效率,本文针对机械臂的抓取摆放、抓取堆叠等常见任务,结合深度强化学习及视觉反馈,采用AprilTag视觉标签、后视经验回放机制,实现了稀疏奖励下的机械臂的抓取任务,并针对本文的抓取场景提出了结合深度确定性策略梯度及后视经验回放的分段学习的算法,相比于传统控制算法,强化学习提高了抓取的
NVIDIA Jetson Xavier使用的aarch64架构是没法使用anaconda的,虽然可以自己编译,但是conda指令是没法编译到aarch64架构上运行的。不过有替代品,名字是miniforge。 miniforge下载进行安装 sh Mambaforge-4.9.2-7-Linux-aarch64_2.sh 过程回车继续 输入yes 安装完
虚拟机ubuntu16.04 安装ORB_SLAM3 一.依赖项 使用Pangolin进行可视化和用户界面的显示使用OpenCV进行图像处理特征提取(opencv的安装)Eigen3,g2o需要用,矩阵计算DBoW2 和 g2o,使用DBoW2库的修改版本来执行位置识别和g2o库来执行非线性优化 二.进行库安装 1、安装Pangolin(参考此博客)安装依赖包 sudo
使用强化学习完成运动体路径规划任务【sarsa】【Q-learning】 实现【sarsa】【Q-learning】算法路径规划任务 预期效果:到达绿色目标点 环境介绍 紫色为小车: 数学模型:[[np.cos(theta), 0],[np.sin(theta), 0],[0, 1.0]] 红色为障碍物: 碰撞:-5.0 绿色为目标区域: 到达:+2.0 其他奖励:
相关程序代码请参考: Keras搭建YoloV4-Tiny目标检测平台windows下的tensorflow-gpu=1.13.2环境配置 配置树莓派的运行环境 下载Keras==2.1.5 pip3 install Keras==2.1.5 树莓派没有GPU环境,因此下载CPU版,tensorflow==1.13.1 pip3 install tensorflow
已发送
可以
https://github.com/VincentWong3/automated-driving-control
确实
这个是训练部分,但没整理,有点乱链接: https://pan.baidu.com/s/1Hl15Ysa7iiIQFLvLt9X2Rw?pwd=gy9e 提取码: gy9e
源码下载地址:https://download.csdn.net/download/weixin_42985452/87736944
加油,一起学习
【古月居-开源项目OriginBot仿真导航-哔哩哔哩】 https://b23.tv/0pSxMXS
积分
粉丝
勋章
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信