基于深度学习改进的机器人轨迹规划算法     

刘玉  邓琛  李文帅  韩宝磊 《教育技术导刊》2020,19(6):15-18

在公路环境巡逻机器人轨迹规划问题中,实时准确的交通流量预测对机器人轨迹规划尤为重要。然而由于车流量的随机非线性,使得机器人轨迹规划任务仍然充满挑战。提出一种深度神经网络与轨迹规划算法相结合的融合算法。通过深度学习预测短期交通流量,优化交通网络图并运用轨迹规划算法完成路径规划。实验表明,改进的机器人能够更快、更安全地完成道路巡逻任务。  相似文献   

一种提高室内定位精度的模糊逻辑方法     

张峻豪  朱海  韩宝磊 《教育技术导刊》2020,19(4):97-101

超宽带技术由于其精确的定时分辨率,在视距（LOS）和非视距（NLOS）混合环境中应用前景广阔。为提高跟踪精确度、消除与UWB跟踪系统测距数据集异常值,构建合适的误差抑制方法,提出一种误差抑制方法。首先对环境进行建模,分析LOS和NLOS环境中的信号参数;然后,采用基于模糊逻辑的两步自适应定位算法,分析和选择最佳测距数据,用于计算被跟踪设备的位置;使用模糊加权最小二乘估计（FWLSE）方法对非视距（NLOS）混合环境中的实际数据进行测试。实验结果表明,与其它已知算法相比,该方法定位精度显著提高18.28%,且在实际应用中易于实现。  相似文献   

一种缩小NLOS误差提高室内跟踪精度的融合算法     

韩宝磊  邓琛  李文帅  刘玉 《教育技术导刊》2020,19(6):66-69

针对扩展卡尔曼滤波器（EKF）在室内环境中,非视距（NLOS）传播对 EKF 跟踪性能产生很大影响这种缺陷,提出一种基于极限学习机（ELM）和 EKF 的融合方法。ELM 使用 EKF 的状态信息对测量值进行分类,确定受 NLOS 误差影响的传播路径,然后利用该路径训练的 ELM 对测量值进行校正。实验结果表明,该算法与传统算法相比精确度提高了 43.2%,可以有效缩小 NLOS 误差。  相似文献