Colegio Nacional competición coche inteligente, en contra del sombrero "inteligente" ha pasado por 14 años. Si el año 2005, cuando la organización del tiempo de juego estándar, modelos a escala completa juego de carreras en la pista no se conoce de antemano, parece como si se debe tener un "inteligente".
Pero el juego hizo las personas inteligentes saben dónde están predefinidos todos los algoritmos y reglas. Tanto para el procesamiento, o para la velocidad modelos de coches y señales de control de dirección, procesamiento de señales y el control automático se basa en el principio. Si eufemísticamente llamada "inteligencia artificial", ahora parece un poco exagerada.
A medida que la "inteligencia artificial" de la sociedad ruidosa caliente, seco, todo el mundo va a ser obligado a una ola de la inteligencia artificial. Incluso originalmente pertenecían a TI tradicional, pero ahora se han descrito a sí mismos como AI. Pero exactamente qué algoritmos para poder contar la "inteligencia artificial" media?
En primer lugar, la "inteligencia" del título es relativo. Además de las personas, que no es otra cosa, como la gente se cree que tienen "inteligente". "Inteligencia Artificial" se entenderá la parte de la original fue hecho en algún tipo de información del sistema de entrega de procesamiento para lograr hecho por el hombre.
Por ejemplo, el reemplazo de equipo lata para operación aritmética de manera que se hace referencia como "PC". Pero este programa se resume en las reglas humanas, implementado por la programación. Más tarde poco a poco siendo artificialmente los llamados inteligentes, esto es sólo un proceso automatizado solamente.
Un sistema de inteligencia artificial moderna típica, hacen que el procesamiento de la información en la ley, no toda la gente resumen. Pero en el marco general de la definición humana, los datos obtenidos por el propio algoritmo de aprendizaje. Este proceso de formación proceso para convertirse en sistemas inteligentes. Al igual que un sistema informático compuesto por una variedad de redes neuronales artificiales que sea. Por lo tanto, si hay datos reentrenamiento proceso, se convierten en la distinción tradicional entre el procesamiento de la información y la inteligencia artificial de la cuenca.
He aquí un ejemplo.
Discutimos ayer el circuito de medición de la velocidad del motor con un sensor de Pasillo lineal. Si la velocidad del imán circular que tiene un campo magnético variable de acuerdo con una onda sinusoidal, y sólo dos sensores lineales 90 grados en el espacio, de modo que sin, cos de la señal entre las dos señales y la salida del sensor de ángulo.
pecado Dos sensor lineal salidas, cos señal
Así, la relación de estas dos señales es la tangente de un ángulo, esto también elimina la influencia de la amplitud de señal de salida para la informática trae. Cerca pero puede obtenerse tomando el ángulo de arco tangente del rotor del motor. Entonces, la tasa de cambio del ángulo, y la velocidad de motor de dirección para obtener información.
El proceso anterior, el complejo también contiene la operación de diversos cálculos y arcotangente de la señal, pero esta regla está completamente determinado por el avance de hacerlo bien. Así que no pertenecen a la categoría de "inteligencia artificial".
A medida que el frente de los supuestos algoritmo y la situación actual es muy diferente:
(1), tal como una distribución de campo del imán circular no es la señal sinusoidal, una señal azul como en la figura.
La intensidad de campo real es no sinusoidales imanes circulares
(2) una diferencia de fase entre dos señales K1, K2 no es necesariamente de 90 grados;
De la señal (3) obtenido por medición con ruido grande.
Por lo tanto, el rotor usando métodos convencionales, el sistema resultante tiene una gran y aleatorios errores.
Si desea eliminar los errores sistemáticos, que se describe con mayor precisión las necesidades K1, K2 función de onda de salida. Para eliminar los errores aleatorios, se requiere el uso de datos de medición adicionales. Obviamente, si el manual para determinar estas funciones y algoritmos de procesamiento, relativamente difíciles. A continuación, puede utilizar la "inteligencia artificial" algoritmos para resolver el problema.
La deformación y la distorsión de la señal de medición real
Pensando algoritmo de "inteligencia artificial" cree que la información requerida concebible, oculto en los datos recogidos, el tratamiento de estos datos para obtener información acerca de las reglas ya no escritas a mano, pero por un marco común, y los datos obtenidos en la formación .
Para el problema de la velocidad del motor puede ser precisa con antelación utilizando un codificador de velocidad, acoplado a un eje de salida del motor a continuación, se adquiere datos de forma de onda de señal K1, K2 y la velocidad de salida del codificador de tiempo preciso a velocidades diferentes, forman un conjunto de datos de entrenamiento.
Para pequeño motor DC, se supone que la velocidad nominal de 100 rpm / seg. tasa de uso de 10 kHz de muestreo, la adquisición K1, 10 ms de señal K2, cada una de la señal 100 para obtener datos. La siguiente figura muestra los datos recogidos a velocidades diferentes utilizando la simulación MATLAB obtenido a partir de la velocidad del motor rpm -300 rpm / seg a 300 / seg.
10 recogidos a la señal de forma de onda ms dos HALL
Uso de MATLAB para construir redes neuronales completamente conectados, capa oculta dispuesta nodos intermedios 20 antes de una sola capa oculta y la capa de salida utiliza una salida lineal. HALL recogió anterior a una forma de onda de señal formada junto con las correspondientes muestras de entrenamiento de velocidad del motor a la formación de redes neuronales anteriormente. Las redes neuronales en última instancia obtenido contiene reglas para el cálculo del ángulo en el interior de estos datos.
Uso de MATLAB caja de herramientas completa la formación de nnstart
Este experimento, en el principio, una configuración de muestras de entrenamiento es 1000, que corresponde a una distribución uniforme entre la velocidad (-300.300) rev / seg.
MATLAB entrenamiento de la red usando el conjunto de entrenamiento como el 70%, 15% las operaciones de comprobación previsto 15% como el conjunto de prueba. La formación es rápida, alrededor de 15 segundos para el final del entrenamiento. La siguiente figura muestra la red de formación de comparar los datos de regresión. Se puede ver en la formación, calibración, equipo de prueba se les da una precisión muy alta.
conjunto de entrenamiento, cobro de cheques, equipo de prueba
resultados de la formación de redes
En la práctica, la señal de adquisición que tiene un ruido, con el fin de probar el rendimiento de la red, la muestra aumentará la salida de la red después de volver a probar 10% a 30% del ruido.
A reserva de ruido vector de señal de prueba
Los resultados mostraron que, en el 10%, el 20% de ruido, se produce un gran error entre el resultado y el valor real de la red de salida. La figura muestra los puntos de salida de la red entre la diagonal y hay gran error.
En presencia de ruido, el valor de retorno de la red neuronal
¿Por qué en la red anterior, el equipo de prueba para el aprendizaje es muy alta precisión. Sin embargo, en presencia de ruido, pobre rendimiento de la red de la misma?
Desde el nodo de entrada a la red 200, el nodo intermedio de la capa oculta 20, de modo que el número de coeficientes de peso para la capa de red 4000. Sin embargo, en el proceso de formación superior, estamos utilizando sólo una muestra de 1000 muestras para la formación. En este momento, la red neuronal no ha sido debidamente capacitado para producir el fenómeno de sobre-aprendizaje.
Para resolver este problema, la reproducción de la muestra de entrenamiento a la muestra. La velocidad de rotación (-300.300) de revoluciones / segundo intervalo de 10.000 muestras de entrenamiento muestreados uniformemente sobre la red 4000 coeficientes indeterminados, y la formación de la red anteriormente.
proceso de entrenamiento de la red
muestras de entrenamiento se incrementaron 10 veces, el tiempo de formación es incrementado en casi 100 veces, después de aproximadamente 14 minutos, el extremo de la red de la formación. La reutilización de la adquisición de la señal de prueba con ruido de la red.
Recogida de señales con ruido aleatorio
La siguiente figura muestra la señal de velocidad de regresión característica de salida de la red neural. Obviamente precisión en comparación con la anterior salida de la red de la red es mucho mayor. Esto se debe a la formación de muestras superaron el factor indeterminado de 2,5 veces, la red se ha preparado bien.
propiedades de la red después de la vuelta de formación 10.000 muestras
El uso de una red neuronal para proceso de la velocidad del motor a la huelga, aunque sencillo, pero pertenece a la categoría de sentido de algoritmos de inteligencia artificial ahora. Eso algoritmo de todo el proceso, ya no se determina proceso algorítmico y todos los parámetros de forma manual Específicamente, parte de post-datos obtenidos por el tren real.
algoritmos de inteligencia artificial, aunque humano liberado de las leyes de la aritmética para calcular la suma, sino para la humanidad ha añadido nuevos problemas, es la necesidad de formación para prepararse para la representación adecuada de la red de muestras de entrenamiento.
Los anteriores ejemplos de formación generados por la simulación MATLAB, sigue siendo relativamente fácil. Sin embargo, una prueba práctica para el motor, es necesario recoger estos valores de la señal a diferentes velocidades en la práctica. Esto requiere un diseño adicional de proceso de recopilación automática de datos para terminar el trabajo.
señal de salida real del motor HALL
Del mismo modo, con el fin de obtener la red se entrena en un diferentes señales de tensión de funcionamiento Hall, diferentes fases iniciales son diferentes de desaceleración puede tener una muy buena precisión, uniformes muestras recogidas por encima de 10000 de formación no es suficiente, se estima que tendrá que aumentar un orden de magnitud, a 100.000. Este es el momento de adquisición de datos y el entrenamiento de la red es mucho mayor.
En este caso, sólo el uso de algoritmos de inteligencia artificial a los algoritmos de detección de velocidad completos paradigma, han sido consume una gran cantidad de formación de cálculos. En la práctica, cada red de computación también requiere 4000 multiplicaciones y adiciones, estos cálculos se ha superado con mucho la cantidad de algoritmos convencionales.
Por lo tanto, si se utilizan los algoritmos de control inteligente de otro modelo de coche y algoritmos de inteligencia artificial, que es claramente lejos de una cantidad de cálculo que se puede lograr por el microcontrolador.
algoritmos de inteligencia artificial, la complejidad del algoritmo no se refiere a la tarea, pero con las diferencias en el algoritmo de determinación de modo. Si se quiere introducir algoritmos de inteligencia artificial en la competición coche inteligente, la necesidad de una mayor potencia del procesador como la base de cálculo.
Vea aquí, ¿está usted de las características de la "inteligencia artificial" algoritmo tiene que saber de ella?
Nota: Las estimaciones anteriores usando BP velocidad de la red no es óptimo de la red, con fines ilustrativos características sólo algoritmo de red neuronal artificial.
