-
题名OC学习机制的两轮平衡车模糊自平衡控制
- 1
-
-
作者
任红格
吴启隆
史涛
-
机构
华北理工大学电气工程学院
-
出处
《机械设计与制造》
北大核心
2023年第5期283-286,共4页
-
基金
河北省自然科学基金项目(F2018209289)。
-
文摘
针对两轮平衡车的自平衡控制问题,为了提高平衡车自学习和自平衡能力,受操作条件反射原理启发,以模糊规则为基本模型,引入学习OC学习机制,提出一种具有学习能力的模糊控制器,能够使平衡车自主学习获得模糊控制规则,实现控制器设计自动化。OC学习机制根据状态的评价值序列对模糊规则表进行修正,经过多次修正后,可针对每一个状态获得合理的输出。仿真实验表明,控制器能够自主设计模糊规则,具有一定自主学习能力。两轮平衡车在多次迭代学习后可以自主从倾角不稳定恢复到直立平衡状态。
-
关键词
两轮平衡车
模糊控制
OC学习算法
自适应控制
-
Keywords
Two-Wheel Self-Balancing Vehicle
Fuzzy Control
OC Learning Algorithm
Adaptive Control
-
分类号
TH16
[机械工程—机械制造及自动化]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名特征融合的灰狼优化粒子滤波目标跟踪算法
被引量：1
- 2
-
-
作者
任红格
吴启隆
史涛
-
机构
华北理工大学电气工程学院
-
出处
《现代电子技术》
2022年第1期40-44,共5页
-
基金
国家青年科学基金项目(51707128)
河北省自然科学基金项目(F2018209289)。
-
文摘
针对传统粒子滤波算法在跟踪目标所处环境迁移,目标姿态变化和发生遮挡时容易出现跟踪框漂移现象,提出一种基于灰狼算法优化的粒子滤波跟踪方法(GWOPF)。首先,将全局特征HSV颜色特征和局部特征方向梯度直方图(HOG)特征加权融合建立观测模型;然后,用灰狼算法(GWO)优化粒子滤波算法结构,利用GWO位置更新机制改善粒子空间分布状况,在粒子重采样前进行权值自适应调节,解决原始粒子滤波方法采样时出现的粒子退化问题并优化滤波效果。实验结果表明,改进后的算法在具有挑战的Tiger和Girl视频序列中跟踪成功率分别达到了97.5%和95.0%,单帧处理时间缩短至24.6 ms和18.4 ms,具有较高的跟踪精度和良好的鲁棒性,能够应对跟踪目标发生旋转、部分遮挡等情况以及实时性要求。
-
关键词
目标跟踪算法
粒子滤波
灰狼优化算法
特征融合
观测模型
权值自适应调节
-
Keywords
object tracking algorithm
particle filtering
GWO algorithm
feature fusion
observation model
weight adaptive adjustment
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
