说一下自己的看法和感悟,抛砖引玉。不一定正确,欢迎讨论。
曾经在coursera上过一门机器学习基石的课程,老师利用几周的时间以一个很简单的、甚至是不常用的PLA算法为例,讲解了有关机器学习所需要的知识,后来老师说这种算法应用性不强,但通过它可以讲到机器学习所涉及到的知识。在学过这些知识以后,再去学习一些复杂的算法,而流程都与设计PLA算法类似。
自动控制和机器学习是相似的,它涉及到了很多的算法,线性控制、非线性控制,一个自动化专业的学生一学就是2个学期,效果也不见得好。我的想法是,基于一种简单的机器人平台,从一种经典的算法入手,(比如PID),围绕其展开学习,目的就是成功应用PID算法解决一些问题,(比如机器人的运动控制),之后再学习复杂的算法。目标确定了,但在学习之前先问自己3个问题( @刘未鹏的《暗时间》曾提到 ):
机器人控制有三个元素:控制器(算法),执行器(电机),传感器;
曾经在coursera上过一门机器学习基石的课程,老师利用几周的时间以一个很简单的、甚至是不常用的PLA算法为例,讲解了有关机器学习所需要的知识,后来老师说这种算法应用性不强,但通过它可以讲到机器学习所涉及到的知识。在学过这些知识以后,再去学习一些复杂的算法,而流程都与设计PLA算法类似。
自动控制和机器学习是相似的,它涉及到了很多的算法,线性控制、非线性控制,一个自动化专业的学生一学就是2个学期,效果也不见得好。我的想法是,基于一种简单的机器人平台,从一种经典的算法入手,(比如PID),围绕其展开学习,目的就是成功应用PID算法解决一些问题,(比如机器人的运动控制),之后再学习复杂的算法。目标确定了,但在学习之前先问自己3个问题( @刘未鹏的《暗时间》曾提到 ):
- 控制的本质是什么;
- 控制的原则是什么;
- 控制这一专业的知识构架是什么;
机器人控制有三个元素:控制器(算法),执行器(电机),传感器;
- 控制的本质就是给机器人一个期望值,控制器的算法对偏差(期望值 — 传感器得到的实际值)进行计算,进而控制执行器,使机器人偏差逐渐趋向于零的过程。
- 控制的原则就是稳定、准确、快速。
- 知识构架分为两部分:理论环节、实践环节。
- 理论环节即数学模型的建立,运动控制原理:PID控制的原理,如何作用于被控物,这里包括自动控制原理中结构图、传递函数、数学模型、求解微分方程等知识的学习;使用的控制策略:使用那些作为输入、输出、PID算法实现。最终的运动控制器的设计。
- 实践部分则包括相关软硬件的知识,软件即编程,也涉及到操作系统的相关知识。硬件如工控板的使用、搭接等。