关于pathFollower中的控制律

qlg007 2022-01-05 09:59:03

老师您好,请问一下pathFollower.cpp中的控制律设计有相关的参考文献吗?或者从哪里找代码中对应控制律的具体表达式?

...全文
621 5 打赏 收藏 转发到动态 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复 3

你好,我们并没有用很复杂的控制律,我们用的是一个简单的反馈控制,距离目标点越远或者角度相差越大,输出的速度指令也会越大,不过会设置一个上限值。在控制过程中我们会考虑直线行走和转向之间的优先级,比如在需要大的转向的情况下,直线速度会先降为0再转向,但是很小的转向可能会随着直线行走的时候就同时执行。另外还有一些特殊的减速处理来应对比较大的roll和pitch速度。理论上并不复杂,你可以对照代码去得到我们的控制方式,用在大多数的差速驱动的机器人上应该都是合理的。

qlg007 2022-01-24
  • 举报
回复
@哈工大-朱洪彪 非常感谢老师的详细讲解,明白了。
  • 举报
回复
@哈工大-朱洪彪 老师,vehicleX和vehicleXRec这两个变量是干嘛的啊,为什么会不一样
  • 举报
回复
@落霞孤鹜,秋水长天 你好,vehicleX是当前的机器人位置,vehicleRec是接收到第一帧数据时的位置,因为后面需要使用noDataInited来辅助判断一些负障碍物,也就是没有数据的地方,需要确保是因为传感器视野限制导致没有看到数据而不是当前没有接受到数据导致的没有数据,所以需要设置vehicleRec。在每次清理地形图之后也需要重置这个参数。
1条回复
内容概要:本文系统介绍了基于核主成分分析(KPCA)的故障检测方法,重点实现了T²和Q统计指数的可视化,并提供了完整的Matlab代码实现与仿真分析流程。该方法通过核函数映射将原始非线性过程数据转换至高维特征空间,进行主成分提取与降维处理,进而构建T²和Q两种统计量用于监控系统运行状态,有效识别工业过程的早期故障与异常行为。文详细阐述了KPCA的数学原理、故障检测机制、控制限计算方法,并结合实际案例展示其在复杂非线性系统的应用效果与优越性,具有较强的工程实用性。; 适合人群:具备一定信号处理、机器学习理论基础及Matlab编程能力的研究生、科研人员和工程技术人员,特别适用于从事工业过程监控、故障诊断、智能制造等相关领域的研究人员。; 使用场景及目标:①应用于化工、电力、制造等行业关键设备的在线故障监测与早期预警;②作为学术研究非线性降维与异常检测算法的对比基准;③帮助开发者掌握KPCA模型构建、参数调优及T²-Q统计图可视化等核心技术环节。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解KPCA算法的核心步骤,重点关注核函数选择、主成分数确定及统计量阈值设定等关键参数的影响,以提升故障检测的灵敏度与准确性。

1,150

社区成员

发帖
与我相关
我的任务
社区描述
社区内分享我们的开源平台tare机器人自主导航系统,希望能帮助所有自主移动机器人领域的研究人员快速搭建出属于自己的,稳定可靠的机器人仿真和实验的平台,更快进入自己的研究领域
自动驾驶人工智能 企业社区
社区管理员
  • 哈工大-朱洪彪
  • 小麦Y
  • 曹超CMU
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧