基于深度强化学习的混合动力汽车能量管理策略1.利用DQN算法控制电池和发动机发电机组的功率分配2.状态量为需求功率和SOC，控制量为EGS功率3.奖励函数设置为等效油耗和SOC维持4.可以将DQN换成DDPG或者TD3在混合动力汽车领域，如何高效地管理能量，实现发动机和电池之间的功率合理分配，一直是研究的热点。深度强化学习技术为这一问题的解决提供了新的思路，今天咱们就来唠唠基于深度强化学习的混合动

注意这里有个坑：SMART PLC的晶体管输出是漏型，需要将PULS-和SIGN-短接后接24V负极，同时伺服驱动器的COM-也要接同一个负极。打开STEP7-MicroWIN SMART，在工具里找到"运动"向导，配置Axis0为PTO输出，脉冲+方向控制。关键是把脉冲当量算清楚：假设丝杆导程5mm，编码器分辨率10000ppr，那么每脉冲移动量就是5/(10000*4)=0.000125mm（

不过坑还是有的——事件触发时机和预测时域的耦合会导致奇怪的边缘效应。这玩意儿在复杂海况下的控制响应总带着点玄学味道——传统周期采样控制就像拿着菜刀切牛排，既浪费算力又不够优雅。传统MPC每50ms解一次优化问题，实际运行时发现60%的计算都浪费在状态偏离不大的时候。收工前瞥见监控里无人船划出的优美航迹，突然想起导师的名言："好的控制算法应该像海豚游泳——精准而节能。注意看代价函数里的权重系数，第一

RRT（快速探索随机树）算法是一种常用于路径搜索的概率算法，而 RRT*是它的改进版本，在路径搜索过程中能够逐渐优化找到的路径，使其更优。它的基本思想是从起始点开始，通过在搜索空间中随机采样点，逐步扩展一棵树，直到树的节点到达目标点，从而找到一条路径。% 初始化参数% 起始点坐标% 目标点坐标5, 5, 1];% 障碍物，格式为[x, y, radius]% 定义树的节点结构while true%

今天咱们拿一阶直线倒立摆开刀，用MATLAB仿真三种主流控制方法——PD、LQR、MPC，看看它们是怎么让杆子立起来的。某次仿真我把Q矩阵对角元素从[10,1,100,1]改成[100,1,10,1]，结果小车直接冲出轨道——原来位置权重给太高，系统宁可让杆子倒下也要保持小车静止。有次我故意在仿真中给摆杆加瞬时冲击，MPC能在0.3秒内恢复平衡，而LQR用了0.5秒，PD控制直接翻车。MATLAB

【改进蚁群算法】/蚁群算法/Dijkstra算法/遗传算法/人工势场法实现二维/三维空间路径规划本程序为改进蚁群算法+Dijkstra算法+MAKLINK图理论实现的二维空间路径规划算法实现：1）基于MAKLINK图理论生成地图，并对可行点进行划分；2）用Dijkstra算法实现次优路径的寻找；3）在Dijkstra算法的基础上加入了蚁群算法，调整了搜索策略，使路径更短；4）最终对基础的蚁群算法进

基于强化学习的PMSM磁场定向控制这是关于双延迟深度确定性强化学习策略提取（RL-TD3）在速度与电流控制上的优越性与鲁棒性研究国外SCI-paper模型复现，完全可以二次改进与参考适合高校本科与研究生参考学习在电机控制领域，永磁同步电机（PMSM）因其高效、节能等优点被广泛应用。而磁场定向控制作为PMSM的经典控制策略，不断地在新技术的融入下得到优化。

今天咱们直接上干货，拆解下我在Matlab/Simulink里搭的这套FOC系统，保准让你看到代码比看原理图还带劲。重点在于切换瞬间的变量保持策略，速度模式切扭矩模式时要把速度环的输出作为扭矩环的初始值，不然会产生转矩突变。Park变换里角度补偿是个魔鬼细节，实测发现当电机高速旋转时，用预测角度比当前角度更稳，补偿公式θ。错误004：电机无法旋转（可能原因：电机相位断开、MOSFET故障、运算放大

要是想上工程应用，还得把CFAR检测改成并行计算，否则帧率上不去。注意这里窗函数长度要和采样点数对齐，别随便拿个32点窗就往256点数据上套。有些兄弟喜欢用布莱克曼窗，效果是更平滑了，但主瓣宽度增加，测距精度会打点折扣。最后说个坑：多普勒相位补偿后做角度估计，信噪比会掉3dB左右。建议用指数加权法，新帧占30%权重，这样既抑制噪声又不丢快速目标。谱峰搜索别用默认的findpeaks，自己写个区域最

直接上干货——今天给大家安利一个自己撸的OCR标注工具，纯C#手搓，专治各种图片文字识别后的标注需求。实测这种处理对扫描件中的粘连文字效果拔群，特别是处理旧文件扫描件时，比直接调OCR接口的识别率高至少两成。工具里最骚的操作是支持标注时自动填充OCR结果，按Tab键就能把识别结果直接灌入文本框。自动识别文字区域，并自动标注，支持单张标注，手动标注，多张自动标注，支持导出label文件，基于C# F