最近在折腾各种无人设备的路径规划算法，偶然翻到篇用改进人工鱼群法搞路径规划的论文，手痒就用MATLAB复现了一把。传统人工鱼群算法在复杂地图里容易卡死，这次改进了视野范围和移动步长的自适应机制，还加了点启发式选择的私货，实测效果有点东西。代码里有个小彩蛋：在可视化部分加了鱼群轨迹的渐变色显示，颜色越暖表示该区域被探索的次数越多。论文复现基于改进人工鱼群法的机器人，无人机，无人车，无人船的路径规划算

今天咱们来聊聊Delta并联机器人的轨迹规划和工作空间求解，顺便撸点代码，看看怎么搞正逆解。它的结构简单，三个臂膀，末端有个平台，动起来特别灵活。轨迹规划的核心就是插值，就是在路径上取一系列点，然后让机器人依次到达这些点。这里有个关键点，就是正逆解。不过，这只是个简化模型，实际应用中还要考虑更多因素，比如臂膀的偏移、关节的限制等等。不过，这个代码也是个简化模型，实际应用中还要考虑更多细节，比如关节

仿真模型里有个骚操作：用Simulink的RTW直接把算法生成C代码，再和手写代码做混合编译。不过要当心自动生成代码里的memcpy操作——搞不好就堆栈溢出，都是血泪教训。注意SQRT3这个宏定义，老司机都懂这是√3约等于1.732，但大厂代码里绝对用精确值——电机控制差1%都能翻车。这里有个坑：ADC采样得做均值滤波，毕竟工频干扰会捣乱。大厂代码里常见这种批量采样取平均的操作，比卡尔曼滤波实在—

曾经有个案例，工程师死活调不好模型，最后发现是传感器数据存在周期性故障，这锅模型可不背。替换自己的数据时注意三点：数据文件格式保持excel的xlsx格式，输入特征列放在前几列，最后一列是输出值。咱们今天直接上硬货，用MATLAB整一个CNN-GRU-Attention混合模型，手把手教你怎么用这个三合一神器做数据回归预测。如果看到预测曲线比真实值平滑，可能是模型过滤掉了噪声，也可能是欠拟合了，这

锂离子电池SOH估计，根据循环中的规律，提取每个循环中的的电压和电流各10个健康因子，设计的基础模型结构为输入层+LSTM层+全连接层+输出层。在锂离子电池的研究领域，电池健康状态（State of Health，SOH）的准确估计至关重要。今天就来聊聊基于循环中的规律，利用特定模型进行锂离子电池SOH估计的事儿。

这款平台可以说是硬件领域的一颗新星。它电气、接口和结构都严格符合 PXIe/cPCIe 标准，就像一个守规矩的好学生，给人一种靠谱的感觉。它设有 1 个 System 插槽、7 个外设插槽，能很好地满足用户在更高带宽方面多样的测控应用需求。机箱采用模块化设计，就像搭积木一样，可维护性那叫一个高。机箱背板更是厉害，提供了高速总线交换网络，系统带宽最高能达到 14GB/s，单槽独立带宽也能飙到 4GB

m文件资料包本质上是一系列MATLAB函数和脚本的集合，这些文件以.m为扩展名。它们就像是一个个功能模块，你可以按照自己的需求调用，从而实现复杂的信号处理任务。在计算重建后信号各频带占比的场景下，m文件资料包可以包含读取信号数据、进行频谱分析、划分频带以及计算占比等功能的代码。

六相永磁同步电机控制系统的Simulink模型正在跑着仿真，屏幕上的转矩波形突然出现高频毛刺。模型跑通那天下班，发现仿真步长设的是1e-5秒——难怪吃了16G内存。所以说啊，搞电机控制，一半时间在调算法，另一半在跟仿真软件斗智斗勇。有次忘记限制矢量作用时间，IGBT开关频率直冲20kHz，吓得我赶紧加了个rate limiter。后来改成基于矢量作用时间的动态补偿，世界终于清净了。坐标变换是重头戏

内容：考虑源荷两侧不确定性的含风电的低碳调度，引入模糊机会约束，程序包括储能、风光、火电机组及水电机组，解决了目标函数含有分类特征的约束问题、非线性约束/目标的线性转化问题，且考虑了机组的启停时间约束，目标函数考虑运行成本、弃风弃光和碳成本，有参考文献。内容：考虑源荷两侧不确定性的含风电的低碳调度，引入模糊机会约束，程序包括储能、风光、火电机组及水电机组，解决了目标函数含有分类特征的约束问题、非线

基于opencv的轮廓识别系统python效果如图在计算机视觉领域，轮廓识别是一项基础且重要的任务，OpenCV作为强大的计算机视觉库，提供了丰富的工具来实现这一功能。今天就来唠唠基于OpenCV的Python轮廓识别系统。