您的位置: 专家智库 > >

张洪宇

作品数:3 被引量:7H指数:2
供职机构:国防科学技术大学机电工程与自动化学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...

主题

  • 3篇动力学模型
  • 3篇移动机器人
  • 3篇运动控制
  • 3篇力学模型
  • 3篇机器人
  • 3篇非完整
  • 3篇非完整系统
  • 2篇策略迭代
  • 1篇双轮驱动
  • 1篇轮式
  • 1篇轮式移动
  • 1篇轮式移动机器...
  • 1篇马尔可夫
  • 1篇马尔可夫决策...
  • 1篇机器人运动
  • 1篇机器人运动控...

机构

  • 3篇国防科学技术...

作者

  • 3篇张洪宇
  • 2篇宋金泽
  • 2篇刘春明
  • 2篇张鹏程
  • 1篇徐昕

传媒

  • 1篇计算机应用研...
  • 1篇兵工自动化

年份

  • 1篇2009
  • 2篇2008
3 条 记 录,以下是 1-3
排序方式:
基于动力学模型的轮式移动机器人运动控制被引量:4
2008年
目前,对不确定非完整动力学系统进行设计的主要方法有自适应控制、预测控制、最优控制、智能控制等。结合WMR动力学建模理论的研究成果,对基于动力学模型的WMR运动控制器的设计和研究进展进行综述,并分析今后的重点研究方向。
张洪宇张鹏程刘春明宋金泽
关键词:轮式移动机器人动力学模型运动控制非完整系统
双轮驱动移动机器人的学习控制器设计方法被引量:2
2009年
提出一种基于增强学习的双轮驱动移动机器人路径跟随控制方法,通过将机器人运动控制器的优化设计问题建模为Markov决策过程,采用基于核的最小二乘策略迭代算法(KLSPI)实现控制器参数的自学习优化。与传统表格型和基于神经网络的增强学习方法不同,KLSPI算法在策略评价中应用核方法进行特征选择和值函数逼近,从而提高了泛化性能和学习效率。仿真结果表明,该方法通过较少次数的迭代就可以获得优化的路径跟随控制策略,有利于在实际应用中的推广。
张洪宇徐昕张鹏程刘春明宋金泽
关键词:移动机器人动力学模型运动控制非完整系统策略迭代
基于增强学习的移动机器人运动控制研究
增强学习(Reinforcement learning:RL)是近年来机器学习和人工智能领域研究的热点之一。与监督学习不同,增强学习强调在与环境的交互中进行学习,以极大化(或极小化)从环境获得的评价性反馈信号为学习目标,...
张洪宇
关键词:移动机器人动力学模型运动控制非完整系统策略迭代马尔可夫决策过程
共1页<1>
聚类工具0