Thiscourseisaboutmulticopterdesign,dynamicalmodel,stateestimation,controlanddecision.Ithastwosalientfeatures:fundamentalandsystematic.本门课程讲授多旋翼设计、动态模型建立、状态估计、控制和决策等方面的基础知识。
具有两大特点：“基础性”和“系统性”。
具有两大特点：“基础性”和“系统性”。
2023/9/2 23:43:06
19.83MB
1
高清，带完整书签。
做机器人以及SLAM有两本圣经，一本是大名鼎鼎的《MultipleViewGeometryinComputerVision》，另一本就是至今虽然尚未出版，但是已经在SLAM界广为流传的《StateEstimationforRobotics》，这本书深入讲解了李代数的理论，以及从滤波器的角度来深入分析了机器人的状态估计方法。
高博鼎力推荐。
做机器人以及SLAM有两本圣经，一本是大名鼎鼎的《MultipleViewGeometryinComputerVision》，另一本就是至今虽然尚未出版，但是已经在SLAM界广为流传的《StateEstimationforRobotics》，这本书深入讲解了李代数的理论，以及从滤波器的角度来深入分析了机器人的状态估计方法。
高博鼎力推荐。
2023/8/12 18:21:14
4.49MB
1
电力系统状态估计（电力网系统辨识）-最小二乘+不良数据辨识-matlab最小二乘是对电力系统进行状态估计的最基本方法，而考虑到电力网数据可能存在不良数据，需要使用相关方法进行不良数据辨识；
检测到不良数据点位置后，系统还会剔除不良数据再次进行辨识两份导入数据中，iSE30Bus1为有误差数据，iSE30Bus2为无误差数据输出结果会导入至oStateEstimation中
检测到不良数据点位置后，系统还会剔除不良数据再次进行辨识两份导入数据中，iSE30Bus1为有误差数据，iSE30Bus2为无误差数据输出结果会导入至oStateEstimation中
2023/6/4 19:38:26
6KB
1
基于EKF扩展卡尔曼滤波车身状态估计汽车稳定性控制系统需要的状态信息一部分可通过车载传感器直接测量，另一部分不能直接测量。
为了实现车辆动力学控制系统中的这种闭环状态反馈，受某些测量技术以及成本等因素的制约，依靠传感器直接测量获取某些重要状态量有很大的难度，因而提出状态估计的方法，即通过估计算法实时获取车辆在行驶过程中的某些重要状态量，如车速、横摆角速度、质心侧偏角等。
本章利用扩展卡尔曼滤波方法，基于三自由度的车辆估计模型对轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角进行了估计，通过仿真验证了估计算法的准确性。
为了实现车辆动力学控制系统中的这种闭环状态反馈，受某些测量技术以及成本等因素的制约，依靠传感器直接测量获取某些重要状态量有很大的难度，因而提出状态估计的方法，即通过估计算法实时获取车辆在行驶过程中的某些重要状态量，如车速、横摆角速度、质心侧偏角等。
本章利用扩展卡尔曼滤波方法，基于三自由度的车辆估计模型对轮边驱动电动汽车的纵向车速、侧向车速、质心侧偏角进行了估计，通过仿真验证了估计算法的准确性。
2021/10/9 17:13:04
1KB
1
机器人学,本质上研究的是世界中运动物体的问题。
机器人的时代已经来临:火星车正在太空探索,无人机正在地表巡航,很快,自动驾驶汽车亦将闯入视线。
尽管每种机器人的功能各异,然而在实际应用中,它们往往会面对一些共同的问题——状态估计(stateestimation)和控制(control)。
机器人的状态,是指一组完整描述它随时间运动的物理量,比如位置,角度和速度。
本书重点关注机器人的状态估计,控制的问题则不在讨论之列。
控制的确非常重要——我们希望机器人按照给定的要求工作,但首要的一步乃是确定它的状态。
人们往往低估了真实世界中状态估计问题的难度,而我们要指出,至少应该把状态估计与控制放在同等重要的地位。
机器人的时代已经来临:火星车正在太空探索,无人机正在地表巡航,很快,自动驾驶汽车亦将闯入视线。
尽管每种机器人的功能各异,然而在实际应用中,它们往往会面对一些共同的问题——状态估计(stateestimation)和控制(control)。
机器人的状态,是指一组完整描述它随时间运动的物理量,比如位置,角度和速度。
本书重点关注机器人的状态估计,控制的问题则不在讨论之列。
控制的确非常重要——我们希望机器人按照给定的要求工作,但首要的一步乃是确定它的状态。
人们往往低估了真实世界中状态估计问题的难度,而我们要指出,至少应该把状态估计与控制放在同等重要的地位。
2016/9/2 10:48:11
5.09MB
1
从三个方面讲解了IMU状态模型推导：1.IMU运动模型推导;2.IMU观测和噪声模型;3.IMU状态估计误差模型.非常完整，观测和噪声模型也很受用，对于理解MEMS传感器有非常大的协助。
2016/9/6 4:42:21
612KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB