介绍一种临界比例度法调节PID参数，也称为Ziegler-Nichols工程整定法。 1.临界比例度法的定义 适用于已知对象传递函数场合。 在闭环的控制系统中，激励为阶跃信号，将调节器置于纯比例作用下，从小到大逐渐改变调节器比例度的大小，直到出现等幅振荡的过渡过程。此时的比例度称为临界比例度δ_r（δ=1/K_p ）。相邻两个波峰间的距离称为临界振荡周期T_r，比例增益K_Pr。 2.临界比例
【导读】 在这一系列的V-REP自学笔记中，我们定了一个小目标，完成一个Demo。使用官方提供的KUKA公司的YouBot机器人模型来实验机器人的感知和控制过程，控制机器人从A点抓取物品，然后移动到B点将物品放置在B点的工作台上，这其中涉及到V-REP环境中的机器人感知和控制过程。没有看过前期学习笔记的读者，可以在我的专栏找到往期文章。 V-REP自学笔记是一个系列教程，发布在专栏：AI与机器人。
1. Hermite插值计算 书接上回：机器人路径规划之分段三次 Hermite 插值(PCHIP)（上）[快速上手]，在通过快速调用API实现功能之后，这节让我们来分析一下这个很有意思的插值过程。 上节说过，Hermite插值是一种不但要求插值多项式函数值与原函数值相同，同时还要求在节点处，插值多项式的一阶直甚至高阶的导数值也与被插函数的相应阶导数值相等的插值方法。那么具体的如何通过Hermi
机器人路径规划之分段三次 Hermite 插值(PCHIP)（上） 在机器人的路径规划中针对离散采样点做插值计算生成平滑的曲线轨迹也是挺重要的一部分，本文主要引出一下目前使用较多也是个人觉得挺好用的一个插值方法——分段三次 Hermite 插值(PCHIP)，并附上Python和Matlab的代码实现。 1. 插值 假设我们希望对离散的数据点 (x1, y1), …, (xn, yn) 来近似一个
【导读】 在这一系列的V-REP自学笔记中，我们定了一个小目标，完成一个Demo。使用官方提供的KUKA公司的YouBot机器人模型来实验机器人的感知和控制过程，控制机器人从A点抓取物品，然后移动到B点将物品放置在B点的工作台上，这其中涉及到V-REP环境中的机器人感知和控制过程。没有看过前期学习笔记的读者，可以在文末找到往期文章地址。 V-REP自学笔记是一个系列教程，发布在专栏：AI与机器人。
*课程资料请到微信公众号“古月居”后台回复“仿真控制资料”获取 该课程已开通专门交流答疑区，点击这里，发帖提问交流 课程目的 Webots是一款开源且支持多平台的机器人仿真软件，涵盖机器人建模，编程和仿真功能，具有开源免费、器件和文档丰富并且支持多操作系统和编程语言。 本课程将以Webots为物理仿真引擎，使用QtCreator作为IDE, 基于ROS实现Robotis OP3机器人的关节和步
【导读】 在这一系列的V-REP自学笔记中，我们定了一个小目标，完成一个Demo。使用官方提供的KUKA公司的YouBot机器人模型来实验机器人的感知和控制过程，控制机器人从A点抓取物品，然后移动到B点将物品放置在B点的工作台上，这其中涉及到V-REP环境中的机器人感知和控制过程。没有看过前期学习笔记的读者，可以在文末找到往期文章地址。 在上一期的自学笔记中，我们讲述了V-REP软件的入门使用
前言 上一篇中围绕一个简单的扩展卡尔曼滤波算法的实现案例阐述。本篇主要针对两种不同的导航系统进行展开讨论——松组合与紧组合导航系统。 捷联惯导系统（SINS）利用陀螺仪、加速度计等惯性器件进行目标的位置、速度估计，其缺点是误差随时间累积。全球定位系统（GPS）定位和测速精度较高，然而其信号有可能中断或受干扰，造成短时间无法正常使用的情况，因此，将SINS与GPS进行优势互补，即组成组合导航系统。
实际控制系统主要的特点有： ①输入参考信号一般是阶跃信号、斜坡上升信号、时变信号，这些信号傅里叶分解后主要成分为直流和低频分量（几百赫兹以内）； ②实际控制系统往往会存在干扰，包括信号采样的干扰、电压或电流的波动等，而这些干扰主要表现形式是中高频噪声（一般在500Hz以上）。 ③控制对象的非线性，实际控制的仪器设备其物理量关系并非完全的线性关系，总是会存在一些时变、饱和、摩擦等非线性因素。 1.不
滤波器的作用是允许某些频率的正弦信号基本无衰减的通过（增益为 1，频域 0dB），同时对另外某些频率的正弦信号起到衰减作用（增益在 0.707 以下，频域-3dB 以下）。 当然，滤波器对通过的正弦信号会产生一定的相移作用。 1.二阶通用滤波器 二阶滤波器表示的是滤波器时域表达式中最高含有二阶微分，或者说传递函数分母的s最高次数为2。滤波器对直流分量的增益为1。据此可设零状态二阶通用滤波器的传递函
前言 上一篇围绕卡尔曼滤波算法的参数选取问题展开，针对非线性对象的状态估计问题，阐述扩展卡尔曼滤波（EKF）与卡尔曼滤波的区别以及扩展卡尔曼滤波算法的核心步骤。本篇将结合实际案例进行详解，同时，提供一种扩展卡尔曼滤波算法的C++代码实现方案。 扩展卡尔曼滤波实例 这里以无人驾驶的测量障碍物的实际案例为例子展开，如下图所示，毫米波雷达能够测量障碍物在极坐标下离雷达的距离 、方向角 以及距离的变化
【导读】 在这一系列的V-REP自学笔记中，我们定了一个小目标，完成一个Demo。使用官方提供的KUKA公司的YouBot机器人模型来实验机器人的感知和控制过程，控制机器人从A点抓取物品，然后移动到B点将物品放置在B点的工作台上，这其中涉及到V-REP环境中的机器人感知和控制过程。 1. V-REP软件界面简介 1.1 软件启动界面 与大多数开发软件一样，V-REP软件的主界面分为几个部分
前言 有人说控制是一门玄学，有时候，通过修改一个参数就能大幅提高控制性能，有时候又死活调不出理想的效果；也有人说控制是一门艺术，它的实现机理充斥着数学之美。它是一门将理论与工程完美结合的学科。 本专题将从零开始，带着各位读者，理一理无人机控制系统的那些事。 控制的本质是对信号的操纵，即在理解信号特性的基础上，对其进行一定的改造，使其达到人为设定的目标。这个目标可能是某种特定的数值，也可能是一定的数
PI校正环节在经典控制论中非常有用，特别是对负反馈控制系统，基本上都有PI校正环节。 1.下面分别说明比例环节和积分环节的作用，以阶跃信号为例。 ①比例环节单独作用 以上分析说明，若只有比例环节的控制系统，阶跃响应也是一个阶跃信号，但会存在一定静差，且静差值随Kp增大而减小，但始终存在，不随时间变化。 输出的理论波形跟实际的数字控制输出波形会不一致。因为实际数字控制系统每隔一个计算周期运算一
2021年7月16号，也就是两天前cyberbotics公司发布了Webots 2021b版本，让我们一起看看新版本更新了哪些内容~~版本更新日志：https://cyberbotics.com/doc/reference/changelog-r2021 新机器人 添加了Robotnik公司的Summit-XL Steel机器人模型(#3121). 添加了Mobile Industrial R
决策树简介 决策树是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据利用决策树模型进行分类。决策树学习通常包括三个步骤：特征选择、决策树的生成
【导读】 V-REP自学笔记是一个系列教程，主要帮助读者从零开始逐步深入的学习和使用V-REP软件，以及在这个平台的基础上，学习一些机器人感知和控制规划相关的知识。这个系列的教程将持续更新和发布在专栏：AI与机器人。 整个项目涉及到的代码都开源并发布到github上，欢迎大家Mark和下载使用：https://link.zhihu.com/?target=https%3A//github.com/
目录 先验概率、条件概率与后验概率的概念 先验概率 条件概率 后验概率 加大难度，来个辨析题 贝叶斯决策理论 基于最小错误率的贝叶斯决策 基于最小风险的贝叶斯决策 先验概率、条件概率与后验概率的概念先验概率 先验概率是指根据以往经验和分析得到的概率，如全概率公式，它往往作为"由因求果"问题中的"因"出现的概率。 通俗点讲，先验概率就是事情尚未发生前，我们对该事发生概
VIO的角速度和四元数 四元数乘法 四元数的时间导数 VINS-MONO里的相关公式 无论是在VINS-MONO，还是在OKVIS等众多VIO论文，四元数函数项中都出现了一个Ω矩阵……这Ω矩阵有啥用途？ 四元数乘法 首先来看一下四元数的乘法：对两个四元数q和p： 用四元数表示的角速度与 b k 时刻的四元数相乘，表示当前时刻各个方向的角速度，然后在 k 到 k+1间隔求积分，得到
ROS实现机器人视觉寻线刷圈 注意： 再学习本系列教程时，应该已经安装过ROS了并且需要有一些ROS的基本知识 ubuntu版本：20.04 webots版本：2021a ros版本：noetic 前言 最近看到Youtube上大部分博主都在做巡线，笔者也来凑凑热闹。 此项目基于tianbot_mini机器人完成。项目开源地址：tianbot_mini_webots 效果 小车已经设置为最高速
第三方账号登入
看不清？点击更换
第三方账号登入
QQ 微博