隨著物聯網無線通信技術的日益發展， WiFi的網絡覆蓋范圍大，移動便捷。傳輸速度快，安裝簡單。健康安全等優勢。在生活中得到了廣泛應用。WiFi模塊是將WiFi無線網絡協議IEEE802.11.b.g.n協議棧以及TCP/IP協議棧功能集成于模塊中，并將多種接口引出。傳統的硬件設備嵌入WiFi模塊可以直接利用WiFi聯入互聯網，是實現無線智能家居，WiFi遠程控制等物聯網用的重要組成部分。 根據WiFi模塊引出的接口或集成的功能。WiFi模塊也就細分為了串口WiFi模塊，SDIOWiFi模塊，SPI接口WiFi模塊模塊，AP模塊,路由器WiFi模塊,WiFi控制模塊等。
上傳時間： 2021-12-19
上傳用戶：shjgzh
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
基于人工神經網絡實現智能機器人的避障軌跡控制摘 要：利用人工神經網絡中的二級 BP網。模擬智能機器人的兩控制參數(左 、右輪速)間的函數關系。實現避 障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過調整橢圓長、短軸大小。能實現多個及多層障礙物的避障控制．該方法 的突出特點是方法簡單、算法容易實現 。使機器人完成多個及多層避障動作時。不滯后于動態環境里其它機器人(障 礙物)位置的變化．在仿真實驗中。取得了理想的效果． 關鍵詞；BP神經網絡I多個及多層避障控制I橢圓軌跡1 弓I言(Introduction) 在機器人中，避障軌跡的生成是一個重要的問 題．對于不確定的動態環境下的實時避障軌跡生成， 是較為困難的．有關這方面的研究，目前已有許多方 法．一些神經網絡模型被設計出來，產生實時的軌跡 生成．文獻113[23提供的神經網絡模型產生的軌跡 生成僅能處理在靜態環境下及假設空間中沒有障礙 物的情況．[3]提供的神經網絡模型，能為智能機器 人產生導航的避障軌跡，然而模型在計算上相當復 雜．文獻[43提供了Hopfield神經網絡模型，能在動 態環境下產生時實的避障軌跡生成，并在文獻[5] 中，嚴格證明了因該方法生成的軌跡沒有遭受局部 極小點逃離問題．并且文獻[63用兩個神經網絡層疊 加起來，每層構造相似于[43中的網絡結構．它是利 用第二層網絡來發現下一個機器人位置的無監督模 型，然而它卻加倍了計算量，盡管文獻[4，6]提供的 方法能在動態環境下，產生時實避障軌跡，但都具有 較慢的運動速度，在快速變化的環境下不能恰當地 完成動作執行，因為機器人要比較好地完成避障動 作，必須不能滯后于障礙物動作變化
上傳時間： 2022-02-12
上傳用戶：得之我幸78
基于ROK101007型藍牙模塊和TMS320C54x型DSP的家用醫療保健智能機器人設計摘要：未來社會將會越來越重視 醫療保健服務 ，提 出一種新型智能機 器人 ，就其在數字化 家庭醫療 保健方面的應用進行模型設計 ，并將藍牙技術應用在智能機器人與醫療儀器和控制 PC的通信 中。 關 鍵 詞 ：數字化家庭 ；智能機器人 ；侍感器；藍牙技術；醫療保健 ；ROKl0l007；TMS320C54x 中 圖分 類號 ：R197．39 文獻標 識碼 ：A 文章編 號 ：1006—6977(2006)02—0數字化家庭是未來智能小區系統的基本單元 。 所謂“數字化家庭”就是基于家庭內部網絡提供覆蓋 整個家庭的智能化服務 ，包括數據通信、家庭娛樂 和 信息家電控制功能。 數字化家庭設計 的一項主要內容是通信功能的 實現 ，包括家庭 與外界的通信及家庭 內部相關設施 之間的通信。從現在的發展來看，外部的通信主要 通過寬帶接入 Internet，而家庭 內部的通信，筆者采 用 目前 比較具有競爭力的藍牙 (Bluetooth)無線接入 技術。 傳統的數字化家庭采用 PC進行總體控制 ，缺 乏人性化。筆者根據人工情感的思想設計一種配備 多種外部傳感器的智能機器人 ，將此智能機器人視 作家庭成員，通過它實現對數字化家庭的控制。 本文主要就智能機器人在數字化家庭醫療保健 方面的應用進行模型設計 ，在智能機器人與醫療儀 器和控制 PC的通信采用藍牙技術 。整個系統 的成 本較低 ，功能較為全面，擴展應用非常廣闊，具有極 大的市場潛力。 2 智能機器 人的總體設計 2．1 智能機器人的多傳感器 系統 機器人智能技術 中最為重要 的相關領域是機器 人 的多感覺系統和多傳感信息 的集成與融合【l1，統 稱為智能系統的硬件和軟件部分 。視覺 、聽覺、力覺、 觸覺等外部傳感器和機器人各關節的內部傳感器信 息融合使用 ，可使機器人完成實時圖像傳輸、語音識 別 、景物辨別、定位 、自動避障、目標物探測等重要功 能；給機器人加上相關的醫療模塊(CCD、CAMERA、 立體麥克風 、圖像采集卡等 )和專用醫療傳感器部 件 ，再加上 醫療專家系統就可以實現醫療保健和遠 程 醫療監護功能。智能機器人的多傳感器系統框圖 如 圖 1
上傳時間： 2022-02-15
上傳用戶：bluedrops
隨著 Internet日益廣泛的應用，其規模也越來越大，通信流量也迅速增長，這就迫使其傳輸平臺向更高的通信帶寬方向發展，因此，建設高速度，高寬帶的骨干網就顯得十分必要合理高效的路由選擇方式不僅可以保障全網的正常運行，還能夠提高網絡的接通率，而將 Internet網的接通率提高，既可以盡量避免交換機不堪重負甚至崩潰的情況，又能降低網絡的運營成本。提高網絡的接通率相當大的程度上依賴于路由選擇策略的改變，因此，TCP/IP網的動態路由選擇問題變得越來越重要。螞蟻算法能夠有效地選擇一條最優路徑，但忽視了實際網絡中的另外一個問題：最優路徑一旦形成，所有的數據都從最優路徑傳輸，這樣一來，處于該路徑上的路由器，尤其是在骨干網絡中心節點（即多條路徑交匯處）的路由器將承受巨大的數據傳輸量，因而很容易造成“瓶頸”現象目前采用的一個辦法是在骨干網絡中心節點處設置交換容量達到或超過千兆比特級的，具有高密度高速端口的核心路由器來擴展帶寬和提高數據傳送速度以達到解決骨干網絡中心節點處的數據擁塞的目的，但這樣大大提高了網絡成本，并且無法解決最優路徑上非核心路由器（又名接入路由器）上的數據擁塞問題。根據上述問題，本文提出一種對螞蟻算法的改進方法一基于核心路由器的螞蟻算法：在骨干網絡的各核心路由器上相互發送螞蟻尋找各核心路由器之間的最優路徑，這樣可比傳統螞蟻算法通過讓“螞蟻”周游整個網絡后來尋找最優路徑要快很多方面，該算法通過對最優路徑上，在各個核心路由器之間的非核心路由器設置上下限兩個闊值。當某個非核心路由器A上的數據流量達到上限闕值時表明該路由器即將處于擁塞，這時，它鄰近的核心路由器將A看成是一個“障礙物”，利用螞蟻算法能夠繞過障研物尋找最優路徑的特點，可以在這兩個核心路由器之間重新尋找一條不包括路由器A在內的“次優”路徑，這樣后續的數據將從“次優”路徑傳輸以達到對A路由器進行分流，經過一段時間分流后，當數據流量下降到下限綢值時，就可以重新啟動原最優路徑，從而達到了既分流又采用最優路徑傳輸的目的
標簽： 螞蟻算法
上傳時間： 2022-03-10
上傳用戶：
智能家居體驗館建設方案.pdf智能家居體驗館建設方案 一、前言 1．背景 隨著科技的不斷發展，高校教學的不斷改進，目前高校實驗教學方面，不再像以往 那樣，只需要實驗箱，實驗平臺等實驗設備，而是需要與實際體驗場館配合使用，開展 教學，本系統采用了智能家居系統采用了物聯網技術、嵌入式技術、Zigbee 技術、自 動控制、網絡通訊、無線通訊、視頻處理等多項先進技術，將各種家居智能化功能輕松 的融合成一個整體，是家居智能化的完整解決方案，將使您正真享受到高科技為我們帶 來的舒適、愜意、時尚的現代化數字生活。 智境系統、定位系統、照明控制系統、中央控制系統、遠程控制系統。本方案以應 用技術最全面、學能家居體驗館系統涵蓋八大子系統：家電控制系統、安防系統、門禁 系統、家居環境系統、定位系統、照明控制系統、中央控制系統、遠程控制系統。本方 案以應用技術最全面、學習開發最方便、操作最簡單、體驗效果最舒適為設計目標，在 提供全方位功能的前提下，為老師、同學提供最全面的技術支持。 2．智能家居體驗館定位 伴隨物聯網技術風靡全球的熱潮，我公司采用物聯網技術、嵌入式技術、無線傳輸 技術、傳感器技術等當前熱門技術，研發出智能家居實訓平臺，并推出智能家居體驗館 與智能家居實訓平臺結合使用的實施方案。致力于改變高校人才培養現狀，幫助高校完 善培養計劃。 3．高等學校人才培養現狀 近幾年，隨著全球計算機技術的高速發展，電子、傳感器、工控、通訊、網絡、生 物科學快速發展，并且以人工智能為代表呈現出多學科交叉應用趨勢。為了適應科學技 術的高速發展，為了提高產品競爭力，企業對畢業生的要求越來越高，但是畢業生的實 踐經驗遠遠不能滿足企業的要求。造成教育與企業需求脫節的主要原因有： 第一，企業不僅需要畢業生具有較深的理論修要，更青睞具有綜合實踐經驗、有較
標簽： 智能家居
上傳時間： 2022-03-11
上傳用戶：
智能家居燈光控制系統.pdf1.系統功能 ? 商場燈光區域化管理。 ? 燈光遠程手自動開關，減少人工工作量，提高工作效率。 ? 可設定燈光開關時間，減少不必要的能耗。 ? 強電弱電分離，減少不安全因素。 ? 可根據需要擴展控制模塊和燈具。 2.系統組成 本地部分 采集控制模塊：eIMB3602 嵌入式可編程工業主板； 數據遠傳設備：GPRS-5-232/485 無線數傳終端； 中繼器：每 500 米安裝一個，數量根據實際需求配備。 控制室部分 服務器：ePC3602 嵌入式工控機； 配套軟件：IOTMonitor 物聯網信息監控軟件一套，安裝于 ePC3602 嵌入式工控 機。
上傳時間： 2022-03-11
上傳用戶：
準確量化和預測陸地生態系統碳水通量對于理解陸氣間相互作用，預測未來氣候變化和控制溫室效應具有重要意義。通量觀測和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測精度較高，但觀測范圍局限、站點分布不均勻，易受環境影響，難以區域擴展；模型模擬可實現不同尺度參量估算，但由于理想化假設、模型參數和驅動數據等限制，導致其模擬結果往往與真實值存在較大偏差。模型-數據融合方法主要是通過參數估計和數據同化兩種技術集成觀測和模型信息，建立兩者相互制約調節的優化關系，以提高模型結果與真實值之間的匹配程度。基于該思路，本研究在地面觀測數據、遙感衛星資料以及相關氣候環境數據基礎上，重點突破全球動態植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數優化方法，獲取適宜中國的參數化方案：在此基礎上，引入數據同化算法，將遙感衛星產品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進的模型推廣至中國區域，實現對20002015年中國地區總初級生產力（Gross Primary Productivity GPP）和敬發（Evapotranspiration，ET的空間格局模擬及分析。主要結論如下1）將LP」DGwM中所選出的22個可調參數（涉及光合、呼吸、水平衡異速生長、死亡、建立以及土壤和掉落物分解共七個作用領域）在各自取值范圍內隨機獲得不同的參數組合，結果表明22個參數可引起GPP和ET模擬結果產生較大的不確定性，尤其集中在生長季。所有站點GPP相對不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對不確定性RU月變化趨勢明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個參數對GP模擬產生的影響更為顯著。
標簽： 數據融合
上傳時間： 2022-03-16
上傳用戶：shjgzh
本文件為arduino創新實驗的基礎教程與示例代碼
上傳時間： 2022-03-24
上傳用戶：aben
用于4G通信模塊設計，適合物聯網，資料齊全。資料說明見圖：
上傳時間： 2022-04-05
上傳用戶：
