搜索资源列表
invertedpendulum
- 倒立摆是一种复杂、时变、非线性、强耦合、自然不稳定的高阶系统，许多抽象的控制理论概念都可以通过倒立摆实验直观的表现出来。基于人工神经网络BP算法的倒立摆小车实验仿真训练模型，其倒立摆BP网络为4输入3层结构。输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度。隐含层单元数16个。输出层设置为1个输出单元。输入层采用Tansig函数，隐含层采用Logsig函数，输出层采用Purelin函数。用Matlab 6.5数值计算软件对模型进行学习训练，并与线性反馈控制逻辑算法对比，表明倒立摆控制B
PIDNN-control
- 用PID神经网络进行时变单变量非线性系统的控制，模型为：y(k)=a*sin(b*y(k-1))+1.2*u(k-1)-a example for PID neural network control
MapBuilding
- 本程序所采用的基于栅格的地图表示方法即将整个环境离散化为规则的基本单元，二维栅格，对于每个栅格指出其中是否存在障碍物，通过对栅格的描述实验环境的建模。目前，这种方法已经在许多机器人系统中得到应用，是使用较为成功的一种方法。栅格地图的优点是：易于创建和维护，且不需要明确的几何参数。栅格地图的缺点是：当栅格数量增大时(在大规模环境或对环境划分比较详细时)，对于地图的维护所占用的内存和CPU时间迅速增长，使计算机的实时处理变得很困难，也就是说刚栅格表示的环境地图，环境空间的分辨率与栅格尺寸的大小有关，
ILmethod
- 迭代学习理论，迭代学习法控制机器人.比如机械臂轨迹控制，线性时变连续系统迭代学习-iteration learning method to control robot
multiagent-coordination
- 分布式多智能体协调控制，具有切换拓扑结构的，时不变和时变系统-distributed solution to multi-agent coordination, consensus or agreement problems，multi-agent cooperative control