人工神经网络控制下的智能车

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