四足机器人基于功率最优原则的足端轨迹规划这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： 机器人
上传时间： 2022-03-04
上传用户：
如何估计机器人在空间中移动时的状态（如位置、方向）是机器人研究中一个重要的问题。大多数机器人、自动驾驶汽车都需要导航信息。导航的数据来自于相机、激光测距仪等各种传感器，而它们往往受噪声影响，这给状态估计带来了挑战。本书将介绍常用的传感器模型，以及如何在现实世界中利用传感器数据对旋转或其他状态变量进行估计。本书涵盖了经典的状态估计方法（如卡尔曼滤波）以及更为现代的方法（如批量估计、贝叶斯滤波、sigmapoint 滤波和粒子滤波、剔除外点的鲁棒估计、连续时间的轨迹估计和高斯过程回归）。这些方法在诸如点云对齐、位姿图松弛、光束平差法以及同时定位与地图构建等重要应用中得以验证。对机器人领域的学生和相关从业者来说，本书将是一份宝贵的资料。
标签： 机器人
上传时间： 2022-05-23
上传用户：
自由始端和终端的动态规划,求指标函数最小值的逆序算法递归 ％ 计算程序。x是状态变量，一列代表一个阶段状态；M-函数 ％ DecisFun(k,x)由阶段k的状态变量x求出相应的允许决策变量 ％ M-函数ObjFun(k,x,u)是阶段指标函数，M-函数TransFun(k,x,u) ％ 是状态转移函数,其中x是阶段k的某状态变量，u是相应的决策变量； ％ 输出p_opt由4列构成，p_opt=[序号组 最优策略组 最优轨线组 ％ 指标函数值组]；fval是一个列向量，各元素分别表示p_opt各 ％ 最优策略组对应始端状态x的最优函数值； ％
上传时间： 2016-12-20
上传用户：wangzhen1990
随着GPS(Global Positioning System)技术的不断发展和成熟，其全球性、全天候、低成本等特点使得GPS接收机的用户数量大幅度增加，应用领域越来越广。但由于定位过程中各种误差源的存在，单机定位精度受到影响。目前常从两个方面考虑减小误差提高精度：①用高精度相位天线、差分技术等通过提高硬件成本获取高精度；②针对误差源用滤波算法从软件方面实现精度提高。两种方法中，后者相对于前者在满足精度要求的前提下节约成本，而且便于系统融合，是应用于GPS定位的系统中更有前景的方法。但由于在系统中实现定位滤波算法需要时间，传统CPU往往不能满足实时性的要求，而FPGA以其快速并行计算越来越受到青睐。 本文在FPGA平台上，根据“先时序后电路”的设计思想，由同步没计方法以及自顶向下和自下而上的混合设计方法实现系统的总体设计。从GPS-OEM板输出的定位信息的接收到定位结果的坐标变换，最终到kalman滤波递推计算减小定位误差，实现实时、快速、高精度的GPS定位信息采集处理系统，为GPS定位数据的处理方法做了新的尝试，为基于FPGA的GPS嵌入式系统的开发奠定了基础。具体工作如下： 基于FPGA设计了GPS定位数据的正确接收和显示，以及经纬度到平面坐标的投影变换。根掘GPS输出信息标准和格式，通过串口接收模块实现串口数掘的接收和经纬度信息提取，并通过LCD实时显示。在提取信息的同时将数据格式由ASCⅡ码转变为十进制整数型，实现利用移位和加法运算达到代替乘法运算的效果，从而减少资源的利用率。在坐标转换过程中，利用查找表的方法查找转化时需要的各个参数值，并将该参数先转为双精度浮点小数，再进行坐标转换。根据高斯转化公式的规律将公式简化成只涉及加法和乘法运算，以此简化公式运算量，达到节省资源的目的。 卡尔曼滤波器的实现。首先分析了影响定位精度的各种误差因素，将各种误差因素视为一阶马尔科夫过程的总误差，建立了系统状态方程、观测方程和滤波方程，并基于分散滤波的思想进行卡尔曼滤波设计，并通过Matlab进行仿真。结果表明，本文设计的卡尔曼滤波器收敛性好，定位精度高、估计误差小。在仿真基础上，实现基于FPGA的卡尔曼滤波计算。在满足实时性的基础上，通过IP核、模块的分时复用和树状结构节省资源，实现数据卡尔曼滤波，达到提高数据精度的效果。 设计中以Xilinx公司的Virtex-5系列的XC5VLX110-FF676为硬件平台，采用Verilog HDL硬件描述语言实现，利用Xilinx公司的ISE10.1工具布局布线，一共使用44438个逻辑资源，时钟频率达到100MHZ以上，满足实时性信号处理要求，在保证精度的前提下达到资源最优。Modelsim仿真验证了该设计的正确性。
上传时间： 2013-04-24
上传用户：二驱蚊器
针对多目标情况下雷达组网的误差配准问题，提出了一种基于不敏卡尔曼滤波（Unscented Kalman Filter，UKF）和最优压缩的系统偏差稳健估计方法。该算法将目标的运动状态和传感器系统偏差组合在同一状态方程中，构建扩维的系统偏差动态方程，接着采用UKF的方法对目标状态和系统偏差进行联合估计。然后通过对多个估计结果的进一步融合，最终得到较高精度的系统偏差估计。仿真结果表明，该算法可以有效地实现多目标情况下的误差配准。
上传时间： 2013-11-24
上传用户：guojin_0704
C针对模式识别问题H描述了支持向量机的基本思想H着重讨论了OD=?PI最小二乘=?PI加权=?P 和直接 =?P 等新的支持向量机方法H用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法I分解法H提 高泛化能力的模型选择方法H以及逐一鉴别法I一一区分法IPD., 分类法I一次性求解等多类别分类方法@最后给 出了污水生化处理过程运行状态监控的多类别分类实例@作为结构风险最小化准则的具体实现H支持向量机具有 全局最优性和较好的泛化能力
上传时间： 2014-01-15
上传用户：Ants
最小均方（LMS）自适应算法就是一中已期望响应和滤波输出信号之间误差的均方值最小为准的，依据输入信号在迭代过程中估计梯度矢量，并更新权系数以达到最优的自适应迭代算法。LMS算法是一种梯度最速下降方法，其显著的特点是它的简单性。这算法不需要计算相应的相关函数，也不需要进行矩阵运算。
上传时间： 2013-12-15
上传用户：zhaiye
按FPE定阶的 源程序：fpe.cpp M序列：M序列.txt 白噪声：Gauss.txt 程序中先用依模型阶次递推算法估计模型的参数，再用fpe方法判断模型的阶次。 程序运行结果如下： n: 1 判断阶次FPE的值: 0.0096406 -0.481665 1.07868 n: 2 判断阶次FPE的值: 0.00875755 -0.446739 0.00498181 1.07791 0.0527289 n: 3 判断阶次FPE的值: 0.0087098 -0.459433 0.120972 -0.0569228 1.07814 0.0390757 0.116982 n: 4 判断阶次FPE的值: 0.000396884 -0.509677 0.4501 -0.200906 0.0656188 1.07991 -0.0156362 0.442989 0.0497236 n: 5 判断阶次FPE的值: 3.2095e-007 -1.18415 0.813123 -0.517862 0.34881 -0.116864 1.07999 -0.744141 0.474462 -0.253112 0.122771 n: 6 判断阶次FPE的值: 3.23349e-007 -1.14659 0.76933 -0.487651 0.329676 -0.10377 -0.00440907 1.07999 -0.703574 0.447253 -0.235282 0.113587 0.00479688 从以上结果可以看出，当n=5时，fpe值最小，所以这时的模型阶次和参数估计值为最优结果： 3.2095e-007 -1.18415 0.813123 -0.517862 0.34881 -0.116864 1.07999 -0.744141 0.474462 -0.253112 0.122771
上传时间： 2013-12-11
上传用户：yd19890720
在网络异常检测中,为了提高对异常状态的检测率，降低对正常状态的误判率,本文提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法。利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量。
上传时间： 2014-12-03
上传用户：liuchee
探索一种应用 Kalman 滤波技术估计出系统状态，通过反馈校正实现惯导系统水平阻尼的方法。当外速度存在常值误差时，惯导系统水平姿态误差和加表零偏的耦合量经 Kalman 滤波，能够被快速准确地估计出来，在最优时刻反馈此估计量对系统进行校正，可以对舒勒振荡进行阻尼，实现传统水平阻尼网络的作用。仿真试验表明，与传统阻尼网络相比，Kalman 滤波阻尼不仅能够有效地消除舒勒周期振荡误差，而且在导航状态切换过程中能有效抑制超调的产生，改善系统的性能。
标签： Kalman 滤波技术 捷联惯导 水平 系统 算法 阻尼
上传时间： 2016-08-17
上传用户：瓦力瓦力hong
