共查询到20条相似文献，搜索用时 46 毫秒
1.
金鑫 《北京工业职业技术学院学报》2021,20(1):10-13
随着电工电子和机械设计制造技术的进步和发展,AGV小车技术也呈现快速发展态势,它以更好的性能和更低的价格面向市场.介绍AGV小车的特点、发展现状及应用,对其未来的发展趋势进行分析,提出为适应新形势,需要进一步拓展业务,创新AGV小车形态,使AGV小车更加广泛地应用于各个领域. 相似文献
2.
介绍了基于STM32F407、TCS3200颜色传感器模块、IMDR驱动器、电机和小车底座组成的低成本AGV小车系统;同时说明了软件的实现;最后给出了实际运行结果,证明了本设计的可靠性和低成本. 相似文献
3.
邓超 《湖北成人教育学院学报》2013,19(3):9-11
基于最佳行驶路径规划方案,结合车道变换操作和车辆纵向速度调节控制,提出了一种车辆紧急避障方法,在紧急变道制动的极限工况下构建了一种安全车距模型,通过对模型进行仿真计算,验证了所提出的安全车距模型的可行性,最后给出这种变道避障系统的软件设计思路。 相似文献
4.
针对超声波传感器能够感知外部环境的特点,设计了具有避障功能的智能车。该系统以16位超低功耗MSP430单片机作为整个系统的主控核心,使用TCT40-16F/S超声波传感器均匀分布在智能车前方,通过主控系统处理超声波接受器传输过来的数据以及环境温度,控制电机驱动芯片L298的工作状态,从而实现智能车自动控制,达到避障的目的。对研制的智能车模型进行了实际测试,智能车能够在多障碍物环境中高速安全通过,没有擦、撞现象的发生,达到了避障的设计要求。 相似文献
5.
为解决动静态障碍物环境下水下无人航行器避障与路径规划问题，提出一种改进人工势场算法。针对传统人工势场算法存在目标不可达和局部最小值问题，将水下无人航行器与期望目标之间的距离及障碍物之间的预计碰撞时间加入斥力势场函数，利用改进后的人工势场算法实现动静态障碍物环境下的避障与路径规划，保证水下无人航行器的航行安全。仿真结果表明，改进人工势场算法在两种环境下均可使水下无人航行器成功避障并到达目标点。通过仿真研究可提高学生独立开展工程问题研究的能力。 相似文献
6.
针对多移动机器人编队避障控制问题，提出一种适用于动、静态障碍环境中的编队避障控制算法。采用慧鱼模型搭建领航跟随多移动机器人系统模型，通过慧鱼ROBO Pro编程软件，实现编队避障控制程序设计，并完成了避障实验，验证了避障算法的有效性。通过该算法的研究，可为未知环境下多移动机器人编队控制研究提供参考，将其应用到实验教学中，可开发出“两性一度”实验，更好地服务于学校“双一流”建设。 相似文献
7.
论述了自动避障避险小车的体系结构设计及其控制方法.该小车主要由车体框架、主控模块、避障模块和避险模块、驱动模块、电源和稳压模块等模块构成.在检测功能方面使用多传感器融合方法,实现避障避险相应信息的检测.智能控制方法采用将模糊控制和滑模控制相结合,对速度进行较稳定地的控制,经实际运行验证了小车避障避险效果明显. 相似文献
8.
冯蓉珍 《河北软件职业技术学院学报》2012,(1):37-41
基于ATmega128单片机的智能小车控制系统,通过光电编码器实现对小车速度的测量并将速度值进行bang-bang+PID运算,产生控制直流电机转速的PWM电压信号,实现对车速的快速调整和精确控制。小车控制系统还配有避障和灰度传感器,用于检测障碍物和地面灰度,实现小车避障和寻迹功能。 相似文献
9.
徐鹤 《天津职业院校联合学报》2005,7(5):50-52
自动导向车(AGV)技术在汽车工业上有着广泛的用途,它是机电一体化的典型代表,其应用能提高汽车总装程序的自动化程度与生产效率。应明确AGV系统原理、使用特点,并注重维护保养。 相似文献
10.
11.
12.
为了在保证检测准确率的前提下提高检测效率,并优化SDN网络中基于流表特征的DDoS攻击检测算法,主要分析基于流表特征的DDoS攻击检测技术及其存在的不足,提出首先利用主成分分析优化流表特征,从中选出合适的特征子集,并采用支持向量机算法实现分类检测;然后搭建仿真网络环境,利用正常数据集与攻击数据集训练分类器进行测试实验;最后从检测准确率与检测时间两个维度对特征降维前后的检测方法进行对比。实验结果表明,经过特征降维的检测方法在不影响准确率的同时,有效提高了检测速率。 相似文献
13.
为了提高行人检测的准确性和鲁棒性,针对现有行人检测方法准确率低且实时性不佳等问题,参考目标检测算法中快速区域卷积神经网络Faster RCNN算法,首先采用K-means聚类算法得到合适的宽高比,然后优化区域建议网络（RPN）结构,降低计算量,并通过比较MobileNet、VGG16、ResNet50特征提取网络效果优劣,提出改进Faster RCNN的交通场景下行人检测方法,在Caltech-NEW数据集上进行训练与测试。实验结果表明,该方法大幅提高交通场景下行人检测的实时性和准确性,在测试集上检测准确度达到87.5%,单张图片检测耗时为0.187s,相比现有其它方法,其检测效果更好。 相似文献
14.
近年来,自动导引机器人（AGV）一直是研究的热点问题,其中复杂路径规划为研究重点。为了更好地规划机器人路径,提出一种改进蚁群算法,该算法在传统蚁群算法基础上充分利用了 MMAS 算法的特点。首 先,构建网格环境模型,引入算法概率函数和抑制因子,通过改变算法的启发式信息,加快算法收敛速度|其次,引入回退机制解决死锁问题,再将 MMAS 蚂蚁系统转化为局部扩散信息素,只有迭代试验的最优解才能加入到信息素更新中|最后,有效限制信息素浓度,避免发生搜索路径过早收敛现象。仿真实验结果表明,改进蚁群算法与传统蚁群算法相比,迭代次数减少 45.6%,时间缩短 46.2%,改进蚁群算法收敛速度更快、效率更高。 相似文献
15.
针对复杂水面环境下的船舶目标检测问题,运用融合图像显著性的YOLOv3船舶目标检测改进算法以提高检测能力。该算法基于Darknet-53网络模型,根据水上船舶特点,融合非极大值抑制算法Soft-NMS和显著性检测算法FT思想,进一步优化最终检测以达到更准确的效果。用Soft-NMS算法替换原有NMS算法,使得算法对小目标和重叠目标检测效果明显提升。融入FT算法对船舶图像局部细节作进一步细化,使得包围盒回归更加准确。在建立的数据集上进行训练与测试,实验结果表明,改进方法比原始方法准确率提高4%,达97%,检测速度提高10帧/s,达30帧/s,表明改进算法有效提高了船舶目标检测精度,且加快了检测速度。 相似文献
16.
为了提高脑力负荷分类准确率,提出一种将Bagging和极限学习机相结合的集成算法。用极限学习机（ELM）作为底层弱分类器,通过多数投票方式决定最终类别的标签,从而构建最终强分类器。实验结果表明,在脑力负荷识别研究问题上,该集成算法的分类准确率在4个被试数据集上分别达到了96.17%、96.02%、92.50%和93.50%。相较于传统的ELM算法,分类准确率在4个被试数据集上分别提升了1.59%、1.34%、2.86%和1.80%。并且新算法在精确率、灵敏度和特异度等评估标准上均高于传统ELM分类器。 相似文献
17.
因子分解机对特征各维度之间的一阶线性关系和二阶线性关系建模,在推荐系统中已有较多应用。神经因子分解机模型（NFM） 是因子分解机与神经网络的结合模型,它能捕获特征之间的高阶交互信息,使得模型预测效果更佳。但由于神经因子分解机模型一般都是采用全连接的前馈神经网络,使得整个推荐网络过于复杂,存在过拟合风险。为了降低神经因子分解机模型的整体复杂度,提高推荐模型的泛化性能,提出一种基于交叉网络的因子分解机模型（CFM）,降低模型复杂度,提高模型泛化性能。实验表明,该模型在数据集上的预测准确度为77%左右,相比NFM预测准确度提高了约2%,整体模型泛化性能也有所提高。 相似文献
18.
传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法（KRR）对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标（RSSI）与位置坐标之间映射关系的函数|在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波（KF）方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比 KNN 算法与核函数（Kernel）算法,该算法能实现更好的定位精度,平均定位误差为 1.898 3m。 相似文献
19.
为避免接触式疲劳检测方法给驾驶员带来干扰,解决单一信号源对于反映疲劳程度可靠性低的问题,实现对疲劳状态高精度、高速度的检测,提出一种基于正则极限学习机的驾驶员疲劳状态分类方法。该方法通过多普勒雷达模块采集驾驶员生理信号,包括呼吸信号和心跳信号,作为神经网络输入数据。通过多源信息结合的方式提高疲劳状态检测可靠性。设计正则极限学习机（RELM）模型对数据集进行训练。实验结果显示,基于RELM算法模型检测驾驶员疲劳状态的准确率达92%。RELM算法可实现对训练数据的快速计算和学习,同时通过特征变换消除个体差异,实现对驾驶员疲劳状态较高的检测率。 相似文献
20.
为了精确评估个体心理负荷状态,需要获取目标脑电信号数据,脑电信号是评估脑力负荷变化的重要指标。机器学习和神经网络越来越多地用于脑力负荷分类。利用脑电信号特征可在时域和频域中提取突出信息。因此提出一个结合支持向量机（SVM）与超限学习机（ELM）的混合型脑力负荷分类框架。其中支持向量机作为成员分类器,可在高维EEG特征中查找隐藏信息|超限学习机用于融合成员分类器的输出。将ELM-SVM模型与经典脑力负荷分类器进行比较,得出该模型训练精度准确率为1,且测试精度提升0.1个百分点。 相似文献