摘要：本文主要介绍电动自行车主控板方案的实现。本设计以凌阳科技公司的8位单片机SPMC65P2404A为核心，采用直流无刷电机，具有堵转断流、电子刹车、自动巡航、过流保护等功能，实现了电动自行车的低成本、高性能。SPMC65P2404A良好的性能和合理的资源非常适合于电动自行车。关键词：电动自行车 直流无刷电机 凌阳单片机 SPMC65P2404A
上传时间： 2013-11-02
上传用户：雨出惊人love
电动舵机（EMA）由于具有结构简单、重量轻、负载特性好和可靠性高等优点，因而在 无人驾驶飞机（UAV）、导弹、航天器等飞行器中得到越来越广泛的应用。 传统 PID 控制以其实时性好、易于实现等特点广泛应用于控制系统，只要正确设定参 数，PID 控制器便可实现其作用，但由于舵机系统存在着非线性、时变性等不确定因素，此 时，PID 的控制效果将难于达到预期的目标。而模糊控制对控制对象的非线性、时变性等具 有较强的适应能力，其灵活性和鲁棒性较好，并且控制简单，在电机控制领域应用非常广 泛。但在模糊控制的系统中很难完全消除稳态误差，一般情况下，控制精度不太理想。 针对上述两种控制器的特点，为了提高舵机位置伺服系统的控制性能，本文设计了一 种模糊自适应 PID 控制器，兼顾了两种控制方法的优点，通过模糊规则进行推理和决策， 在线整定 PID 控制器的三个参数，实验结果表明，该控制器结构简单，效果良好。
上传时间： 2016-04-27
上传用户：547453159
数字图像处理报告，无人驾驶，路径识别，中心线定位
上传时间： 2016-06-20
上传用户：yechen130
随着最近几年机器人、无人机、无人驾驶、VR/AR的火爆，SLAM技术也为大家熟知，被认为是这些领域的关键技术之一。本文对SLAM技术及其发展进行简要介绍，分析视觉SLAM系统的关键问题以及在实际应用中的难点，并对SLAM的未来进行展望。
标签： slam
上传时间： 2019-09-15
上传用户：zhudx2007
无人驾驶小车可以使用的障碍物检测模块，即红外传感器的基本资料
标签： 红外避障传感器
上传时间： 2021-11-28
上传用户：
MATLAB深度学习简介深度学习是机器学习的一个类型，该类型的模型直接从图像、文本或声音中学 习执行分类任务。通常使用神经网络架构实现深度学习。“深度”一词是指网络 中的层数 — 层数越多，网络越深。传统的神经网络只包含 2 层或 3 层， 而深度网络可能有几百层。下面只是深度学习发挥作用的几个例子:• 无人驾驶汽车在接近人行横道线时减速。• ATM 拒收假钞。• 智能手机应用程序即时翻译国外路标。深度学习特别适合鉴别应用场景，比如人脸辨识、 文本翻译、语音识别以及高级驾驶辅助系统(包括 车道分类和交通标志识别)。简言之，精确。先进的工具和技术极大改进了深度学习算法，达到了 很高的水平，在图像分类上能够超越人类，能打败世界最优秀的围棋 选手，还能实现语音控制助理功能，如 Amazon Echo® 和 Google Home，可用来查找和下载您喜欢的新歌。如果您刚接触深度学习，快速而轻松的入门方法是使用现有网络， 比如 AlexNet，用一百多万张图像训练好的 CNN。AlexNet 最常用于 图像分类。它可将图像划分为 1000 个不同的类别，包括键盘、鼠标、 铅笔和其他办公设备，以及各个品种的狗、猫、马和其他动物。
标签： Matlab
上传时间： 2022-06-10
上传用户：
随着移动互联网和物联网时代到来，产品的小型化、移动化、低功耗化成为趋势，越来越多的嵌入式设备成为主流，例如：视频监控网络摄像机、航拍无人机、路由器、无人驾驶等，而这些电子设备都要基于嵌入式linux软件开发技术。 嵌入式linux学习路线提供从零基础开始、全面系统的学习体系，帮助大家全面掌握嵌入式linux应用和驱动程序开发知识和技能，迈进linux软件开发新世界。
上传时间： 2022-06-15
上传用户：slq1234567890
UAV 自动驾驶的，无人飞行机器人控制源码。
上传时间： 2015-06-29
上传用户：1159797854
·论文摘要： 从中小型变电站的数学模型入手,通过数学模型地推导,指出单一的PLC 控制在无人变电站控制决策中无法高速处理数据的局限,由此提出以DSP + PLC主从式结构实现无人变电站的电压和无功模糊智能自动控制策略。具体介绍了采用DSP 为计算核心完成基于模糊边界的电压无功九域图控制策略判断,由PLC 完成具体电气控制操作的实
上传时间： 2013-06-12
上传用户：小儒尼尼奥
针对强化学习在连续状态连续动作空间中的维度灾难问题，利用BP神经网络算法作为值函数逼近策略，设计了自动驾驶仪。并引入动作池机制，有效避免飞行仿真中危险动作的发生。首先，建立了TD强化学习算法框架；然后根据经验将舵机动作合理分割为若干组，在不同的飞行状态时，调取不同组中的动作；其次，构建了BP神经网络，通过飞行过程中的立即奖赏，更新网络的值函数映射；最后，通过数字仿真验证了强化学习自动驾驶仪的性能，仿真结果表明，该算法具有良好的动态和稳态性能。
上传时间： 2013-11-09
上传用户：刘江林1420
