
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
多旋翼物流无人机的节能轨迹规划是一项重要的技术,可以有效减少无人机的能量消耗,延长飞行时间,提高物流效率。下面是一些常见的节能轨迹规划方法:最短路径规划:通过寻找起点和终点之间的最短路径,减少飞行距离,从而节省能量消耗。可以使用经典的最短路径算法如Dijkstra算法和A*算法来实现。动态路径规划:考虑当前环境的动态变化,比如风速、天气状况和地形高度等因素,并实时优化飞行路径。这样可以避免飞行过程
针对存在模型不确定性、外部扰动与执行器输入饱和约束的机械臂轨迹跟踪控制问题,提出一种融合自适应强化学习与非奇异快速终端滑模的固定时间控制方法。该方法采用径向基函数神经网络构建行动者 - 批评者强化学习架构,实现不确定系统的自适应最优控制策略生成与性能评估;设计新型非奇异快速终端滑模面,保障跟踪误差在固定时间内全局收敛并给出收敛时间上界估计;针对执行器饱和效应,构建非线性反卷绕补偿器实时抑制饱和引发
针对双连杆机械臂在模型不确定性、外部扰动以及执行器饱和约束下的高精度轨迹跟踪控制难题,本文提出一种融合径向基函数神经网络、非奇异终端滑模控制与强化学习的自适应鲁棒控制方案。该方法以非奇异终端滑模为核心控制框架,保证系统状态在有限时间内收敛并避免传统滑模的奇异性问题;采用评价 - 动作双网络强化学习结构,利用径向基函数神经网络实现对系统未知动态与不确定项的在线逼近,同时完成控制策略的自适应优化;设计
同步定位与地图构建(SLAM)是自主车辆、移动机器人实现未知环境自主导航的核心关键技术,单车SLAM受传感器探测范围有限、观测盲区、随机噪声干扰及误差累积等问题制约,长期运行下定位漂移与建图精度退化问题突出。为解决单一智能体感知能力不足的缺陷,多车协同SLAM通过多平台观测信息共享与融合,充分利用空间分布式冗余观测,弥补单车感知缺陷,有效抑制滤波误差累积,提升复杂场景下定图与建图的稳定性与精度。
摘要——本文将涵盖无人机同步定位与地图构建(SLAM)的主题。为此,我们使用了扩展卡尔曼滤波器(EKF),结合了超宽带传感器(UWB)和惯性测量单元(IMU)的测量数据。此外,还采用了一种有趣的方法,通过最小二乘法(Least Squares, LS)来确定系统的初始状态估计。最终,通过仿真和实际结果验证了扩展卡尔曼滤波器和最小二乘法初始化的有效性。关键词——SLAM,扩展卡尔曼滤波器,无人机,超
针对双连杆机械臂在模型不确定性、外部扰动以及执行器饱和约束下的高精度轨迹跟踪控制难题,本文提出一种融合径向基函数神经网络、非奇异终端滑模控制与强化学习的自适应鲁棒控制方案。该方法以非奇异终端滑模为核心控制框架,保证系统状态在有限时间内收敛并避免传统滑模的奇异性问题;采用评价 - 动作双网络强化学习结构,利用径向基函数神经网络实现对系统未知动态与不确定项的在线逼近,同时完成控制策略的自适应优化;设计
针对双连杆机械臂在模型不确定性、外部扰动以及执行器饱和约束下的高精度轨迹跟踪控制难题,本文提出一种融合径向基函数神经网络、非奇异终端滑模控制与强化学习的自适应鲁棒控制方案。该方法以非奇异终端滑模为核心控制框架,保证系统状态在有限时间内收敛并避免传统滑模的奇异性问题;采用评价 - 动作双网络强化学习结构,利用径向基函数神经网络实现对系统未知动态与不确定项的在线逼近,同时完成控制策略的自适应优化;设计
针对双连杆机械臂在模型不确定性、外部扰动以及执行器饱和约束下的高精度轨迹跟踪控制难题,本文提出一种融合径向基函数神经网络、非奇异终端滑模控制与强化学习的自适应鲁棒控制方案。该方法以非奇异终端滑模为核心控制框架,保证系统状态在有限时间内收敛并避免传统滑模的奇异性问题;采用评价 - 动作双网络强化学习结构,利用径向基函数神经网络实现对系统未知动态与不确定项的在线逼近,同时完成控制策略的自适应优化;设计
针对多关节工业机械臂轨迹规划中存在的运行效率不足、运动曲线平滑性较差、约束条件难以兼顾等问题,以 6 自由度关节机械臂为研究对象,提出一种融合 3-5-3 分段多项式插值与改进粒子群优化算法的时间最优轨迹规划方法。该方法以关节空间轨迹为研究载体,采用 3-5-3 多项式构建包含加速、匀速、减速完整运动阶段的初始轨迹,保证轨迹基础连续性与平滑特性;
同步定位与地图构建(SLAM)是自主车辆、移动机器人实现未知环境自主导航的核心关键技术,单车SLAM受传感器探测范围有限、观测盲区、随机噪声干扰及误差累积等问题制约,长期运行下定位漂移与建图精度退化问题突出。为解决单一智能体感知能力不足的缺陷,多车协同SLAM通过多平台观测信息共享与融合,充分利用空间分布式冗余观测,弥补单车感知缺陷,有效抑制滤波误差累积,提升复杂场景下定图与建图的稳定性与精度。







