- 博客(24)
- 收藏
- 关注
RSS订阅原创 B样条曲线法
通过上述分析，我们可以看到B样条曲线法在工业设计和制造中发挥着核心作用，它的应用不仅提高了产品的质量和生产效率，也为复杂设计的实现提供了可能。在实际应用中，B样条曲线的参数化表示和节点矢量的确定是实现曲线设计和分析的基础。准均匀B样条曲线的节点向量在两端具有更高的重复度，这使得曲线在两端点处的切线方向与控制多边形的相应边的方向一致。发展趋势：随着计算机技术的进步，B样条曲线法不断优化，从最初的均匀B样条发展到非均匀B样条（NURBS），并被广泛应用于航空航天、船舶制造、玩具设计等多个领域。
2024-08-30 16:28:12
1155
原创 随机森林算法
与传统的随机森林相比，极端随机树在每个决策节点的分裂过程中，对于每个特征，随机生成一个该特征的取值作为分裂点，而不是寻找最优的分裂点。：极端随机树的核心思想是在决策树的每个分裂节点上，对于每个特征，随机选择一个值作为该特征的分裂点，而不是像传统决策树那样选择使得不纯度最小的值。此外，随机森林在分裂节点时，不是在所有特征中寻找最佳分裂点，而是在随机选择的特征子集中寻找，进一步增加了模型的多样性，降低了过拟合风险。例如，利用GPU的高并行性，可以同时训练多个决策树，从而加快整个随机森林模型的训练过程。
2024-08-29 11:09:18
1330
原创 ROS与ROS 2：机器人操作系统的演变与未来
2018年，随着ROS 2的发布，OSRF与Open Robotics合作，进一步推动了ROS 2的商业化和工业化应用，使其成为支持更广泛机器人应用的操作系统。ROS2的推出，不仅解决了ROS1中存在的一些限制和问题，还引入了更多现代化的特性，使其能够更好地适应当前和未来的机器人技术发展需求。通过ROS，研究人员能够构建模块化的系统，加速科学发现的进程。ROS2作为ROS的后续版本，对原有架构进行了扩展和改进，包括但不限于更高效的通信机制、改进的安全性和模块化设计，以及对实时系统和更广泛平台的支持。
2024-08-23 17:28:03
1147
原创 傅里叶变换与拉普拉斯变换：联系、区别及其应用
而拉普拉斯变换通过复频域的引入，不仅包含了傅里叶变换的所有能力，还拓展了信号和系统分析的边界，尤其是在系统稳定性和动态响应的分析上，提供了更为全面和深入的视角。拉普拉斯变换则通过复频域分析，不仅提供了频率信息，还考虑了信号的衰减或增长特性，这对于理解和预测信号或系统的长期行为至关重要，尤其是在控制系统分析中，通过。拉普拉斯变换的复频域分析，则在信号的衰减特性研究上独具优势，能够分析信号在时间上的衰减或增长趋势，这对于预测信号的长期行为极为关键。：用于控制系统的分析和设计，特别是稳定性分析和传递函数的确定。
2024-08-22 13:17:51
1375
原创 二次规划求解器QP：算法原理与应用
QP（二次规划）问题要求解的是一个凸优化问题，这类问题的目标函数和约束集都是凸的。凸优化问题的一个关键特性是，任何局部最优解也是全局最优解，这使得求解过程更为直接和有效。KKT条件包括了原始问题的约束、对偶问题的约束、互补松弛性等，它们共同构成了求解凸优化问题的理论基础。梯度投影法的优势在于它的简单性和直观性，但它可能需要较多的迭代次数才能收敛。这些求解器通常提供了丰富的API和灵活的配置选项，以适应不同的优化问题和求解需求。是正定的，那么目标函数是严格凸的，存在唯一的全局最小值。
2024-08-21 14:52:13
1118
原创 庞特里亚金最小值原理PMP
Hamiltonian函数是PMP中的核心概念，它通常表示为系统状态，控制输入，以及共轭态向量的函数。在最优化问题中，Hamiltonian的目的是将拉格朗日量与共轭态向量结合，以便找到系统的最优控制策略。这里是拉格朗日量，是系统的状态转移函数，表示向量的点积，是时间变量。哈密顿函数是庞特里亚金最小值原理中的核心概念，它将系统状态、控制输入和时间结合起来，通过拉格朗日乘子与状态导数的线性组合来表达。哈密顿函数的作用在于构造一个性能指标，使得在最优控制条件下，该指标被最小化。
2024-08-20 14:57:48
1164
原创 自抗扰控制ADRC原理解析及案例应用
ESO的设计通常基于系统动态方程的线性化或近似模型，其输出包括系统状态的估计值和总扰动的估计值。非线性状态误差反馈控制律（Nonlinear State Error Feedback，NLSEF）是ADRC的最后一个环节，负责根据ESO和TD提供的信息生成控制信号。ADRC的另一个重要发展方向是与其他控制策略的融合，如模糊控制、神经网络和自适应控制等，以进一步提高系统的鲁棒性和适应性。ADRC的参数主要包括扩张状态观测器（ESO）的参数和非线性状态误差反馈控制律（NLSEF）的参数。
2024-08-19 16:37:50
1208
原创 曼哈顿距离与切比雪夫距离相互转换
切比雪夫距离（Chebyshev Distance），也称为距离或象棋距离，是度量两个点在所有坐标轴上的差值的最大值。
2024-08-16 16:00:05
393
原创 预测性高级巡航控制系统（PACC）是如何工作的？
PACC系统，即预测性高级巡航控制系统，是一种集成了多种传感器、先进的数据处理算法和自动控制技术的汽车驾驶辅助系统。该系统能够根据实时交通状况和预测模型，为驾驶员提供最优的行车策略，以实现安全、节能和高效的驾驶。感知模块：利用雷达、摄像头、激光雷达（LiDAR）等传感器收集车辆周围环境的信息，包括车辆速度、与前车的相对距离等。通信模块：通过车联网（V2X）技术，实现车与车、车与路侧基础设施之间的信息交换。数据处理单元：将收集到的数据进行预处理和分析，预测交通状况变化趋势。决策与规划模块。
2024-08-15 17:28:45
855
原创 马尔可夫决策过程MDP讲解，附应用案例代码
策略（Policy）在马尔可夫决策过程中是代理在给定状态下选择动作的规则或函数。它可以是确定性的，即对于每个状态，策略都指定一个单一的动作；也可以是随机性的，即对于每个状态，策略定义了一个动作的概率分布。策略可以用函数表示，其中是状态空间，是动作空间。对于随机性策略，可以表示为，即在状态下选择动作的概率。
2024-08-15 13:20:27
1413
原创 Transformer模型解析（附案例应用代码）
自注意力机制是Transformer模型的核心，它允许模型在编码每个单词时同时关注序列中的其他单词，从而捕捉到单词之间的依赖关系。位置编码的生成使用了正弦和余弦函数的不同频率，以确保编码在不同维度上具有不同的模式，从而使模型能够区分不同位置的单词。这样，每个头可以学习到序列的不同方面，最终的输出是所有头输出的连接和线性变换的结果。通过结合残差连接和层归一化，Transformer模型能够有效地训练深层网络，同时保持稳定的梯度流动和良好的特征分布，这对于理解和生成复杂的序列数据至关重要。
2024-08-14 13:59:47
2374
原创 BP神经网络——结合案例代码解析
BP神经网络，全称为误差反向传播神经网络（Backpropagation Neural Network），是一种多层前馈神经网络，它通过一种称为反向传播的算法来训练网络的权重。BP神经网络模型最早由Paul J. Werbos在1974年提出，并在1986年由David E. Rumelhart, Geoffrey Hinton和Ronald J. Williams等人进一步发展，使其成为深度学习领域中最重要的基础算法之一。BP神经网络通常由输入层、一个或多个隐层以及输出层组成。每一层包含若干个神经元，神经
2024-08-14 09:58:27
575
原创 Dijkstra算法(附代码理解)
在每一步中，算法都会选择一个尚未被访问的顶点，该顶点到源点的距离是已知的最短路径长度，然后更新与其直接相连的未被访问顶点的最短路径估计值.与其他算法结合：在需要处理大规模图或有特殊需求的场景下，可以考虑将Dijkstra算法与其他算法结合使用，例如A*搜索算法，通过引入启发式信息来提高效率。遍历当前顶点的所有邻接顶点，计算经过当前顶点到达邻接顶点的距离，如果该距离小于邻接顶点当前的最短路径估计值，则更新该估计值。图的稠密度：在稀疏图中，算法性能较好，因为邻接列表的使用减少了不必要的访问。
2024-08-13 17:15:43
1067
原创 A*（A-Star）算法解析（附代码理解）
这意味着算法会找到从起点到终点的最短路径，前提是启发式函数是可接受的（admissible），即它不会高估实际的代价。在图论中，节点代表图中的每一个顶点，可以是地图上的一个点、网络中的一个路由器或者任何可以表示为图中一个独立元素的实体。在A*算法中，节点通常代表可能的路径点，例如在地图上从一个城市到另一个城市可能的路线点。边是连接两个节点的线，在A*算法中，边代表从一个节点到另一个节点的路径。值越小，表示从起点到当前节点，再加上到目标点的估计代价越低，这个节点就越有可能是最短路径的一部分。
2024-08-13 12:00:43
1077
原创 模型预测控制（MPC）：理论解析与车辆电子稳定控制系统（ESC）应用案例
模型预测控制（Model Predictive Control，简称MPC）是一种先进的控制策略，它结合了过程模型、在线优化和滚动时间窗口的概念来计算控制输入序列。MPC的核心在于使用一个过程模型来预测未来的系统行为，并通过优化一个成本函数来确定一系列控制动作，这个成本函数旨在指导系统沿着期望的轨迹运行。优化过程考虑了系统的动态约束、操作限制以及可能的控制约束。一旦计算出最优控制序列，通常只实施序列中的第一个控制动作，然后控制器根据新的系统状态更新预测和重新优化过程，这种方法称为滚动优化或递归反馈。
2024-08-13 11:01:05
1396
原创 线性二次调节器（LQR）：理论解析与车道保持辅助系统（LKA）应用案例
线性二次调节器（Linear Quadratic Regulator，LQR）是一种用于线性系统的优化控制策略，旨在通过选择合适的控制律来最小化系统的性能指标，该指标通常是一个二次型函数，反映了状态偏差和控制输入的加权平方。LQR控制不仅适用于稳定系统，还可以用来稳定不稳定系统，并且可以处理多变量控制问题。LKA系统的性能指标通常由以下二次型表达式给出：：是状态权重矩阵，反映了对车辆偏离车道中心的惩罚。：是控制权重，反映了对控制输入的惩罚。
2024-08-12 15:46:26
713
原创 PID是什么（附代码理解）？
PID控制器通过结合比例（P）、积分（I）和微分（D）三种控制作用，对系统的误差信号进行实时调整，以使系统的输出跟踪或维持在期望的参考值附近。在车辆动态控制系统中，PID控制器扮演着至关重要的角色，它负责精确调节车辆的速度，以响应驾驶员的意图或外部环境变化。：积分控制的作用是消除稳态误差。积分时间（Ti）是积分控制的关键参数，它决定了积分项对控制量的影响速度。微分时间（Td）是微分控制的关键参数，它决定了微分项对控制量的影响程度。：比例控制是PID控制器的基本部分，它根据误差的大小来调整控制量。
2024-08-09 16:55:57
640
原创 EM planner算法（附代码理解）
EM Planner（Expectation-Maximization Planner）是百度Apollo自动驾驶平台中的一种面向L4级别的实时运动规划算法。该算法通过顶层多车道策略选择参考路径，并在Frenet坐标系下进行车道级的路径和速度规划。EM Planner的设计充分考虑了无人车的安全性、舒适性和可扩展性，能够适应高速公路和低速城区等多种场景。
2024-08-09 16:27:10
1642
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人