简介:摘要:随着3D打印技术的迅猛发展,其在各行各业中发挥了显著的效益,本文将其引入到导航课程教学中,构建了导航设备的物理结构3D模型,并通过3D打印机进行输出,将其应用于课堂教学,既便于携带、又可直观地对原理、构造进行讲授,便于学生对器件的学习、理解,收到了较好的效果,该方式可以推广应用于不同原理的课程教学中。
简介:【摘要】随着社会发展的需要和相关技术的成熟,机器人所具备的功能日益强大和全面,其应用范围也随之不断增加。机器人目前已走进人们的日常生活,并在人类生产和生活中的众多领域中发挥着日益重要的作用。人类对机器人的功能需求早已超越了简单意义上的人工劳动替代,而是需要机器人能在不同环境中完成各种各样的任务,从而满足人类的各种需求。为进一步提高机器人在复杂环境中自主导航的智能化水平,项目以室内机器人平台为研究对象,以深度学习技术为基础,通过联合不同模式的深度学习算法来解决机器人环境感知和运动策略学习问题,构建具有自组织、自适应和自学习能力的室内机器人导航系统。
简介:针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21m增长到4.65m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82m下降到0.76m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。