1037802永磁同步電機帶霍爾及增量式編碼器DFS60E-S1CA00500動化倉儲與*生產(chǎn)系統(tǒng)的不斷發(fā)展,自動引為一種輪式移動機器人在物流與生產(chǎn)系統(tǒng)中扮演著越來越重要的角色,。其中路徑跟蹤控制是實現(xiàn)AGV高精度導引控制的關(guān)鍵技術(shù)。為了在系統(tǒng)參數(shù)未知的情況下,針對磁導航AGV路徑跟蹤控制器的設(shè)計中免除大量的人工參數(shù)整定工作,并在算法遷移應用至參數(shù)不同的AGV時能夠利用先前學習到的知識從而加速算法的遷移過程,本文提出了兩個比較新穎的方法,其主要內(nèi)容包括以下兩個方面:（1）本文使用一種改進的免模型深度強化學習算法設(shè)計了路徑跟蹤控制器,。在建立磁導航AGV離散時域的運動學和動力學模型的基礎(chǔ)上,將路徑跟蹤問題建模為連續(xù)狀態(tài)與動作空間的馬爾可夫決策過程,。同時使用了兩個深度神經(jīng)網(wǎng)絡(luò)用于實現(xiàn)一個演員評判家架構(gòu)的異策免模型強化學習算法作為控制器的實現(xiàn),。分別采用時域差分算法與確定性策略梯度算法用于更深度神經(jīng)網(wǎng)絡(luò)的參數(shù)使其分別逼近的動作值函數(shù)與策略函數(shù)。（2）為了在算法遷移應用至參數(shù)不同的AGV時加速其訓練過程,本文引入了表示學習方法,。通過使用自編碼器技術(shù)來學習一個由輸入信號到狀態(tài)表示的映射過程,從而將狀態(tài)表示學習部分與任務(wù)相關(guān)的策略學習部分分離解耦,。當算法遷移應用至參數(shù)不同的AGV時,通過使用預訓練的編碼器取代網(wǎng)絡(luò)的首層隱含層,以實現(xiàn)對輸入信號的編碼過程,從而縮短了算法的訓練時間。此外,本文提出了一種自編碼器的同步訓練方法,通過使用跟蹤控制算法訓練過程中所產(chǎn)生的數(shù)據(jù)來對自編碼器進行同步訓練,使得自編碼器的訓練過程得到了加速并提高了算法對數(shù)據(jù)的利用率,。

了某型機載雷達伺服控制系統(tǒng)設(shè)計過程及相關(guān)平臺補償算法的研究,。通過對相關(guān)軟硬件的設(shè)計,初步完成了某型機載雷達伺服控制系統(tǒng)的設(shè)計工作。本論文首先論述了該課題的背景,國內(nèi)外發(fā)展現(xiàn)狀以及論文主要研究內(nèi)容,。之后論述了某型機載雷達控制系統(tǒng)的總體設(shè)計方案,。具體包括系統(tǒng)的結(jié)構(gòu)劃分,系統(tǒng)硬件控制電路的設(shè)計,電路功耗的估算,電機負載的估算仿真以及主要元器件的選型。其中硬件控制電路主要以DSP+FPGA為核心控制器,DSP為主處理,實現(xiàn)所有控制算法;FPGA為輔助控制器,實現(xiàn)所有接口電路設(shè)計;DSP與FPGA通過外部擴轉(zhuǎn)總線XINTF相連,。其后詳細論述了FPGA硬件接口電路的設(shè)計,。使用Virtex-5系列FPGA作為硬件設(shè)計平臺,所有FPGA硬件接口電路均采用Verilog語言在ISE13.1開發(fā)環(huán)境下設(shè)計開發(fā)。具體的電路設(shè)計編程采用Top-Down結(jié)構(gòu),按照功能劃分自頂向下逐層開發(fā),。具體開發(fā)了:3路RS422串口,1路SSI式編碼器接口,1路ABZ相增量式編碼器接口,1路RS232串口,1路XINTF接口,1路DA接口,以及DIDO接口等程序,。然后介紹了平臺穩(wěn)定補償算法。其中首先介紹了平臺穩(wěn)定補償算法的應用背景與使用目的;之后分別從平臺俯仰和平臺橫滾兩個方面單獨介紹了基于橫滾和俯仰的平臺補償算法的推導過程;然后綜合平臺俯仰和橫滾的算法推導過程介紹了基于平臺俯仰橫滾復合運動的平臺穩(wěn)定補償算法的推導過程;后開發(fā)了平臺補償算法在DSP程序中的實現(xiàn),。接著介紹了系統(tǒng)調(diào)試相關(guān)工作,其中主要包括FPGA主要接口功能調(diào)試,系統(tǒng)性能測試以及調(diào)試過程中發(fā)現(xiàn)并解決的問題,。FPGA的主要接口功能調(diào)試包括通信接口調(diào)試,反饋接口調(diào)試,XINTF接口調(diào)試和DA接口調(diào)試。通過對接口的調(diào)試,保證接口功能正確性和接口性能的穩(wěn)定性,。系統(tǒng)性能測試包括俯仰軸和方位軸電機的電流環(huán),、速度環(huán)和位置環(huán)測試,通過對相關(guān)參數(shù)的調(diào)節(jié),使得三環(huán)工作在態(tài)。調(diào)試過程中發(fā)現(xiàn)并解決的問題包括DSP與FPGA的上電加載問題.

1037802永磁同步電機帶霍爾及增量式編碼器DFS60E-S1CA00500智能研究的一個重要領(lǐng)域,旨在構(gòu)建能夠理解和生成自然語言,、實現(xiàn)人機自然交互的技術(shù)方案,。近5年,基于神經(jīng)網(wǎng)絡(luò)的自然語言處理方法取得突飛猛進的發(fā)展?；诤Ａ繜o標注數(shù)據(jù)和大量標注數(shù)據(jù)進行建模,使得機器翻譯,、自動問答和閱讀理解等很多任務(wù)的水準都得到了的提高。本文將從3個角度回顧神經(jīng)自然語言處理進展,包括模型,、訓練和推理,。在模型部分,我們將介紹典型的神經(jīng)網(wǎng)絡(luò)建模方法,包括詞嵌入建模、句子嵌入建模和序列到序列建模等,。在訓練部分,我們將介紹常用的學習方法,包括監(jiān)督學習,、半監(jiān)督學習、無監(jiān)督學習,、多任務(wù)學習,、遷移學習和主動學習等。在推理部分,我們將介紹典型的推理框架,包括非神經(jīng)網(wǎng)絡(luò)方法和神經(jīng)網(wǎng)絡(luò)方法,。之所以強調(diào)推理方面的研究,是因為推理是構(gòu)建基于知識的可解釋自然語言處理模型的關(guān)鍵技術(shù),。本文的后將概括介紹我們對自然語言處理未來發(fā)展方.