None****None
**我的方法是用摄像头获得的控制量去训练电磁传感器。我将电磁传感器数据及控制量用蓝牙上传至电脑,再用pytorch框架搭建的神网进行反向传播,梯度下降。****在训练迭代一百万次后获取的参数重新写入单片机内运行。 我惊奇地发现实际效果比想象的好:运行平稳流畅。**None
保险丝熔断瞬间
**None****确实,对于电磁解算不知从何下手的我有了极大的帮助。****但是,光靠电磁速度似乎仍旧提不上去。我们仔细分析了一下,舵机每20ms才能进行一次控制,若以3m/s的速度,20ms都能跑出6cm的距离。****并且,舵机转速也不够快,转到对应的位置也需要较长时间。****而电磁传感器就装在舵机前很近的位置,所以,在前瞻有限的情况下,用电磁传感器运行速度慢的现状似乎无法有根本性的突破。**None室外光电智能车模
**回复:谢谢你的实验工作的分享。可否将你所做的实验更详细的过程、实验数据和录像给我发送过来呢?****如果你所训练的神经网络仅仅是判断当前的偏移量,则结果就会很难突破了。**建议:None(1)采用RNN结构的动态网络,可以更好捕捉动态运动前后传感器的数据关系,使其对电磁赛道具有更好的预测能力;None(2)需要将所需要的传感器,从单排变成前后多排,将单方向的磁场方向变成多方向,则可以获得更多的磁场信息,在一定程度上可以弥补前瞻的不足,提高车模速度。NoneNone直立越野车模
来源:CSDN
作者:卓晴
链接:https://blog.csdn.net/zhuoqingjoking97298/article/details/104134429