全自主巡航无人机项目思路：STM32/PX4 + ROS + AI 实现从传感融合到智能规划的端到端解决方案

1. 项目概述

本项目旨在设计并实现一款高度自主的自动巡航无人机系统。该系统能够按照预设路径自主飞行，完成各种巡航任务，如电力巡线、森林防火、边境巡逻和灾害监测等。

1.1 系统特点

  • 基于STM32F4和PX4的高性能嵌入式飞控系统
  • 多传感器融合技术实现精确定位和姿态估计
  • Wi-Fi/4G双模无线通信，支持远程控制和数据传输
  • 基于ROS的智能路径规划算法，实现复杂环境下的自主导航
  • 模块化设计，易于扩展和维护

1.2 技术栈

  • 嵌入式开发：STM32F4 MCU，PX4飞控系统，C/C++编程语言
  • 传感器集成：GPS、IMU（加速度计、陀螺仪、磁力计）、气压计
  • 无线通信：Wi-Fi模块（短距离），4G模块（远距离），MAVLink协议
  • 路径规划：ROS框架，Python编程语言
  • 开发工具：STM32CubeIDE，QGroundControl地面站软件

2. 系统设计

2.1 硬件架构

硬件系统主要由以下模块构成：

  1. 飞控主板：采用STM32F4系列MCU，运行PX4飞控系统
  2. 定位模块：集成GPS模块，提供精确的全球定位信息
  3. 姿态测量：IMU（惯性测量单元）包含加速度计、陀螺仪和磁力计
  4. 高度测量：气压计用于测量相对高度和垂直速度
  5. 通信模块：Wi-Fi模块用于短距离高带宽通信，4G模块用于远距离通信
  6. 动力系统：电机驱动控制四个无刷电机
  7. 视觉系统：高清摄像头用于环境感知和目标识别
  8. 电源系统：锂电池供电，配备电源管理模块

2.2 软件架构

软件系统主要包括以下组件：

  1. PX4飞控系统：

    • 传感器驱动：负责读取和处理各类传感器数据
    • 姿态估计：使用扩展卡尔曼滤波(EKF)融合IMU、GPS等数据
    • 位置控制：实现精确的位置保持和轨迹跟踪
    • 飞行模式：包括手动、半自动、全自动等多种飞行模式
    • 通信模块：基于MAVLink协议与地面站和ROS节点通信

  2. 地面站（QGroundControl）：

    • 飞行监控：实时显示飞行状态、位置和传感器数据
    • 任务规划：设计巡航路径，设置航点和任务参数
    • 参数配置：调整PID参数，设置飞行限制等
    • 固件更新：支持远程固件升级

  3. ROS（机器人操作系统）节点：

    • 路径规划：使用A*或RRT算法进行全局路径规划
    • 障碍物检测：基于视觉或激光雷达数据进行实时障碍物检测
    • SLAM建图：同步定位与地图构建，用于未知环境导航

  4. 通信流程：

    • PX4飞控系统通过MAVLink协议与地面站和ROS节点进行双向通信
    • 地面站发送控制指令和任务信息给飞控系统
    • ROS节点将规划的路径、检测到的障碍物信息发送给飞控系统
    • 飞控系统实时反馈飞行状态和传感器数据给地面站和ROS节点

这种分层的软件架构设计具有以下优势：

  • 模块化：各个组件功能明确，便于开发和维护
  • 灵活性：可以根据需求easily添加或替换功能模块
  • 可扩展性：支持添加新的传感器和算法以增强系统能力
  • 可靠性：核心飞控功能由成熟的PX4系统保障，提高系统稳定性

3. 核心代码实现

3.1 姿态估计

姿态估计是自动巡航无人机系统的关键模块之一。我们使用四元数表示姿态，并采用互补滤波算法融合加速度计和陀螺仪数据。以下是核心代码实现：

#include <math.h>

// 四元数结构体
typedef struct {
    float w, x, y, z;
} Quaternion;

// 姿态估计参数
#define dt 0.01f  // 采样周期
#define alpha 0.98f  // 互补滤波系数

Quaternion attitude = {1.0f, 0.0f, 0.0f, 0.0f};  // 初始姿态

void attitudeUpdate(float acc[3], float gyro[3]) {
    // 归一化加速度
    float accMag = sqrt(acc[0]*acc[0] + acc[1]*acc[1] + acc[2]*acc[2]);
    float ax = acc[0] / accMag;
    float ay = acc[1] / accMag;
    float az = acc[2] / accMag;

    // 基于加速度计算俯仰角和横滚角
    float pitch = atan2(-ax, sqrt(ay*ay + az*az));
    float roll = atan2(ay, az);

    // 构造基于加速度的四元数
    Quaternion qAcc;
    qAcc.w = cos(roll/2) * cos(pitch/2);
    qAcc.x = cos(roll/2) * sin(pitch/2);
    qAcc.y = sin(roll/2) * cos(pitch/2);
    qAcc.z = -sin(roll/2) * sin(pitch/2);

    // 基于陀螺仪数据的四元数微分方程
    float qDot[4];
    qDot[0] = 0.5f * (-attitude.x*gyro[0] - attitude.y*gyro[1] - attitude.z*gyro[2]);
    qDot[1] = 0.5f * (attitude.w*gyro[0] + attitude.y*gyro[2] - attitude.z*gyro[1]);
    qDot[2] = 0.5f * (attitude.w*gyro[1] - attitude.x*gyro[2] + attitude.z*gyro[0]);
    qDot[3] = 0.5f * (attitude.w*gyro[2] + attitude.x*gyro[1] - attitude.y*gyro[0]);

    // 更新姿态四元数
    attitude.w += qDot[0] * dt;
    attitude.x += qDot[1] * dt;
    attitude.y += qDot[2] * dt;
    attitude.z += qDot[3] * dt;

    // 互补滤波
    attitude.w = alpha * attitude.w + (1-alpha) * qAcc.w;
    attitude.x = alpha * attitude.x + (1-alpha) * qAcc.x;
    attitude.y = alpha * attitude.y + (1-alpha) * qAcc.y;
    attitude.z = alpha * attitude.z + (1-alpha) * qAcc.z;

    // 归一化四元数
    float mag = sqrt(attitude.w*attitude.w + attitude.x*attitude.x + 
                     attitude.y*attitude.y + attitude.z*attitude.z);
    attitude.w /= mag;
    attitude.x /= mag;
    attitude.y /= mag;
    attitude.z /= mag;
}

代码说明：

  1. 我们定义了一个Quaternion结构体来表示姿态四元数。
  2. attitudeUpdate函数接收加速度计和陀螺仪的原始数据作为输入。
  3. 首先处理加速度计数据，计算出俯仰角和横滚角，并构造对应的四元数。
  4. 然后利用陀螺仪数据，通过四元数微分方程更新姿态。
  5. 使用互补滤波算法融合加速度计和陀螺仪的结果，alpha参数决定了各自的权重。
  6. 最后对结果四元数进行归一化，确保其表示有效的旋转。

这种方法结合了加速度计的长期稳定性和陀螺仪的短期准确性，能够得到更加精确的姿态估计。

3.2 位置控制

位置控制是实现自动巡航的关键。我们使用PID控制器来实现精确的位置保持和轨迹跟踪。以下是简化的PID控制器实现：

#include <math.h>

typedef struct {
    float Kp, Ki, Kd;  // PID参数
    float integral;    // 积分项
    float prevError;   // 上一次的误差
} PIDController;

// 初始化PID控制器
void initPIDController(PIDController* pid, float Kp, float Ki, float Kd) {
    pid->Kp = Kp;
    pid->Ki = Ki;
    pid->Kd = Kd;
    pid->integral = 0.0f;
    pid->prevError = 0.0f;
}

// PID控制器更新函数
float updatePID(PIDController* pid, float setpoint, float measurement, float dt) {
    float error = setpoint - measurement;
    
    // 比例项
    float P = pid->Kp * error;
    
    // 积分项
    pid->integral += error * dt;
    float I = pid->Ki * pid->integral;
    
    // 微分项
    float derivative = (error - pid->prevError) / dt;
    float D = pid->Kd * derivative;
    
    // 计算输出
    float output = P + I + D;
    
    // 更新上一次误差
    pid->prevError = error;
    
    return output;
}

// 位置控制主函数
void positionControl(float targetPosition[3], float currentPosition[3], float* outputs) {
    static PIDController pidX, pidY, pidZ;
    
    // 初始化PID控制器（仅在第一次调用时执行）
    static int initialized = 0;
    if (!initialized) {
        initPIDController(&pidX, 1.0f, 0.1f, 0.05f);  // 示例PID参数
        initPIDController(&pidY, 1.0f, 0.1f, 0.05f);
        initPIDController(&pidZ, 1.5f, 0.15f, 0.1f);  // 垂直方向通常需要更强的控制
        initialized = 1;
    }
    
    // 更新每个轴的PID控制器
    float dt = 0.01f;  // 假设控制周期为10ms
    outputs[0] = updatePID(&pidX, targetPosition[0], currentPosition[0], dt);
    outputs[1] = updatePID(&pidY, targetPosition[1], currentPosition[1], dt);
    outputs[2] = updatePID(&pidZ, targetPosition[2], currentPosition[2], dt);
}

代码说明：

  1. PIDController结构体包含PID控制器的参数和状态。
  2. initPIDController函数用于初始化PID控制器的参数。
  3. updatePID函数实现了PID控制算法的核心逻辑，包括比例、积分和微分三个部分。
  4. positionControl函数是位置控制的主函数，它为X、Y、Z三个轴分别创建和更新PID控制器。
  5. 控制器的输出可以直接用作无人机的速度或加速度指令，具体取决于飞控系统的接口设计。

这个简化的PID控制器为每个轴独立控制，在实际应用中可能需要考虑轴间耦合和更复杂的动力学模型。

3.3 路径规划

路径规划模块使用ROS（机器人操作系统）和Python实现。我们采用A*算法进行全局路径规划。以下是简化的实现：

import rospy
from geometry_msgs.msg import PoseStamped
from nav_msgs.msg import OccupancyGrid, Path
import numpy as np

class AStarPlanner:
    def __init__(self):
        self.map = None
        self.start = None
        self.goal = None
        self.path = []

        # ROS节点初始化
        rospy.init_node('astar_planner')
        self.map_sub = rospy.Subscriber('/map', OccupancyGrid, self.map_callback)
        self.start_sub = rospy.Subscriber('/start_pose', PoseStamped, self.start_callback)
        self.goal_sub = rospy.Subscriber('/goal_pose', PoseStamped, self.goal_callback)
        self.path_pub = rospy.Publisher('/path', Path, queue_size=1)

    def map_callback(self, msg):
        self.map = np.array(msg.data).reshape((msg.info.height, msg.info.width))

    def start_callback(self, msg):
        self.start = (int(msg.pose.position.x), int(msg.pose.position.y))
        self.plan()

    def goal_callback(self, msg):
        self.goal = (int(msg.pose.position.x), int(msg.pose.position.y))
        self.plan()

    def heuristic(self, a, b):
        return np.sqrt((b[0] - a[0]) ** 2 + (b[1] - a[1]) ** 2)
    def get_neighbors(self, node):
        directions = [(0,1),(0,-1),(1,0),(-1,0),(1,1),(1,-1),(-1,1),(-1,-1)]
        neighbors = []
        for direction in directions:
            neighbor = (node[0] + direction[0], node[1] + direction[1])
            if 0 <= neighbor[0] < self.map.shape[0] and 0 <= neighbor[1] < self.map.shape[1]:
                if self.map[neighbor] == 0:  # 假设0表示自由空间
                    neighbors.append(neighbor)
        return neighbors

    def astar(self):
        open_set = set([self.start])
        closed_set = set()
        came_from = {}
        g_score = {self.start: 0}
        f_score = {self.start: self.heuristic(self.start, self.goal)}

        while open_set:
            current = min(open_set, key=lambda x: f_score[x])

            if current == self.goal:
                path = []
                while current in came_from:
                    path.append(current)
                    current = came_from[current]
                path.append(self.start)
                return path[::-1]

            open_set.remove(current)
            closed_set.add(current)

            for neighbor in self.get_neighbors(current):
                if neighbor in closed_set:
                    continue
                tentative_g_score = g_score[current] + self.heuristic(current, neighbor)

                if neighbor not in open_set:
                    open_set.add(neighbor)
                elif tentative_g_score >= g_score[neighbor]:
                    continue

                came_from[neighbor] = current
                g_score[neighbor] = tentative_g_score
                f_score[neighbor] = g_score[neighbor] + self.heuristic(neighbor, self.goal)

        return None  # 没有找到路径

    def plan(self):
        if self.map is not None and self.start is not None and self.goal is not None:
            self.path = self.astar()
            if self.path:
                # 发布路径消息
                path_msg = Path()
                path_msg.header.frame_id = "map"
                path_msg.header.stamp = rospy.Time.now()
                for point in self.path:
                    pose = PoseStamped()
                    pose.pose.position.x = point[0]
                    pose.pose.position.y = point[1]
                    path_msg.poses.append(pose)
                self.path_pub.publish(path_msg)
            else:
                rospy.logwarn("No path found")

if __name__ == '__main__':
    planner = AStarPlanner()
    rospy.spin()

代码说明：

  1. AStarPlanner类实现了A*路径规划算法。

  2. 使用ROS的订阅者接收地图、起点和终点信息：

    • /map: 接收占用栅格地图
    • /start_pose: 接收起点位置
    • /goal_pose: 接收终点位置

  3. map_callback, start_callback, goal_callback 函数处理接收到的数据。

  4. heuristic函数计算两点间的欧几里得距离，作为A*算法的启发函数。

  5. get_neighbors函数返回给定节点的有效邻居节点。

  6. astar函数实现了A*算法的核心逻辑：

    • 使用open_set和closed_set来管理待探索和已探索的节点
    • f_score = g_score + heuristic，用于选择最优节点
    • 当找到目标节点时，通过came_from字典回溯构建路径
    • 如果无法找到路径，返回None

  7. plan函数是路径规划的主函数：

    • 检查是否已接收到必要的信息（地图、起点、终点）
    • 调用astar函数进行路径规划
    • 如果找到路径，将其转换为ROS的Path消息并发布

  8. 在主函数中，我们创建AStarPlanner实例并使用rospy.spin()保持节点运行。

个路径规划模块的主要特点：

  • 使用ROS框架，便于与其他ROS节点（如定位、控制模块）集成
  • 实现了A*算法，能够在给定的栅格地图上找到最优路径
  • 考虑了障碍物避免，只在自由空间中规划路径
  • 支持实时规划，当接收到新的起点或终点时会重新规划
  • 将规划结果以标准的ROS Path消息格式发布，便于其他模块使用

在实际应用中，这个基础实现可以进一步优化：

  1. 添加路径平滑处理，使路径更适合无人机飞行
  2. 实现动态避障，考虑移动障碍物
  3. 优化A*算法，如使用Jump Point Search等变体提高效率
  4. 添加局部路径规划，以应对地图变化或未知障碍物

4. 项目总结

本自动巡航无人机系统集成了多项关键技术：

  1. 基于STM32F4和PX4的嵌入式飞控系统，实现了稳定的飞行控制
  2. 多传感器融合的姿态估计算法，提高了飞行姿态的精确度
  3. PID控制器实现的位置控制，确保了精确的路径跟踪
  4. 基于ROS的A*路径规划算法，实现了智能化的任务规划

通过这些模块的协同工作，系统能够完成复杂环境下的自主巡航任务。

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/797415.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

机器学习（五） -- 监督学习（6） --逻辑回归

机器学习（五） -- 监督学习（6） --逻辑回归

系列文章目录及链接 上篇&#xff1a;机器学习&#xff08;五&#xff09; -- 监督学习&#xff08;5&#xff09; -- 线性回归2 下篇&#xff1a;机器学习&#xff08;五&#xff09; -- 监督学习&#xff08;7&#xff09; --SVM1 前言 tips&#xff1a;标题前有“***”的内…
阅读更多...
GuLi商城-商品服务-API-品牌管理-JSR303分组校验

GuLi商城-商品服务-API-品牌管理-JSR303分组校验

注解：@Validated 实体类： package com.nanjing.gulimall.product.entity;import com.baomidou.mybatisplus.annotation.TableId; import com.baomidou.mybatisplus.annotation.TableName; import com.nanjing.common.valid.ListValue; import com.nanjing.common.valid.Updat…
阅读更多...
[Vulnhub] Stapler wp-videos+ftp+smb+bash_history权限提升+SUID权限提升+Kernel权限提升

[Vulnhub] Stapler wp-videos+ftp+smb+bash_history权限提升+SUID权限提升+Kernel权限提升

信息收集 IP AddressOpening Ports192.168.8.106TCP:21,22,53,80,123,137,138,139,666,3306, Using Nmap for scanning: $ nmap -p- 192.168.8.106 --min-rate 1000 -sC -sV The results are as follows: PORT STATE SERVICE VERSION 20/tcp closed ftp-data…
阅读更多...
交换机和路由器的工作流程

交换机和路由器的工作流程

1、交换机工作流程&#xff1a; 将接口中的电流识别为二进制&#xff0c;并转换成数据帧&#xff0c;交换机会记录学习该数据帧的源MAC地址&#xff0c;并将其端口关联起来记录在MAC地址表中。然后查看MAC地址表来查找目标MAC地址&#xff0c;会有一下一些情况&#xff1a; MA…
阅读更多...
springboot新闻发布及管理系统-计算机毕业设计源码21929

springboot新闻发布及管理系统-计算机毕业设计源码21929

新闻发布及管理系统的设计与实现 摘 要 新闻发布及管理系统的设计与实现&#xff0c;是当下信息社会发展的重要一环。随着互联网的普及和新闻媒体的数字化转型&#xff0c;一个高效、稳定且功能全面的新闻发布与管理平台显得尤为重要。SpringBoot框架以其简洁、快速和易于集成的…
阅读更多...
T113-i系统启动速度优化方案

T113-i系统启动速度优化方案

背景： 硬件：T113-i + emmc 软件：uboot2018 + linux5.4 + QT应用 分支：longan 问题： 全志T113-i的官方系统软件编译出的固件，开机启动时间10多秒，启动时间太长，远远超过行业内linux系统的开机速度，需要进一步优化。 T113-i 优化后启动速度实测数据 启动阶段启动时间（…
阅读更多...
Python爬虫速成之路（3）：下载图片

Python爬虫速成之路（3）：下载图片

hello hello~ &#xff0c;这里是绝命Coding——老白~&#x1f496;&#x1f496; &#xff0c;欢迎大家点赞&#x1f973;&#x1f973;关注&#x1f4a5;&#x1f4a5;收藏&#x1f339;&#x1f339;&#x1f339; &#x1f4a5;个人主页&#xff1a;绝命Coding-CSDN博客 &a…
阅读更多...
企业网络实验dhcp-snooping、ip source check，防非法dhcp服务器、自动获取ip(虚拟机充当DHCP服务器)、禁手动修改IP

企业网络实验dhcp-snooping、ip source check，防非法dhcp服务器、自动获取ip(虚拟机充当DHCP服务器)、禁手动修改IP

文章目录 需求相关配置互通性配置配置vmware虚拟机&#xff08;dhcp&#xff09;分配IP服务配置dhcp relay&#xff08;dhcp中继&#xff09;配置dhcp-snooping&#xff08;防非法dhcp服务器&#xff09;配置ip source check&#xff08;禁手动修改IP&#xff09; DHCP中继&…
阅读更多...
C语言之指针的奥秘（二）

C语言之指针的奥秘（二）

一、数组名的理解 int arr[10]{1,2,3,4,5,6,7,8,9,10}; int *p&arr[0]; 这里使用 &arr[0] 的⽅式拿到了数组第⼀个元素的地址&#xff0c;但是其实数组名本来就是地址&#xff0c;而且是数组首元素的地址。如下&#xff1a; 我们发现数组名和数组⾸元素的地址打印出…
阅读更多...
【Python学习笔记】Optuna + Transformer B站视频实践

【Python学习笔记】Optuna + Transformer B站视频实践

【Python学习笔记】Optuna Transformer 实践 背景前摇&#xff08;省流可不看&#xff09;&#xff1a; 之前以泰坦尼克号数据集为案例&#xff0c;学习了Optuna的基本操作&#xff0c;为了进一步巩固知识和便于包装简历&#xff0c;决定找个唬人一点的项目练练手。 ————…
阅读更多...
Linux：Linux网络总结(附下载链接)

Linux：Linux网络总结(附下载链接)

文章目录 下载链接网络问题综合问题访问一个网页的全过程&#xff1f;WebSocket HTTPHTTP基本概念GET与POSTHTTP特性HTTP缓存技术HTTP的演变HTTP1.1 优化 HTTPSHTTP与HTTPS有哪些区别&#xff1f;HTTPS解决了HTTP的哪些问题&#xff1f;HTTPS如何解决的&#xff1f;HTTPS是如何…
阅读更多...
【数据结构】手写堆 HEAP

【数据结构】手写堆 HEAP

heap【堆】掌握 手写上浮、下沉、建堆函数 对一组数进行堆排序 直接使用接口函数heapq 什么是堆&#xff1f;&#xff1f;&#xff1f;堆是一个二叉树。也就是有两个叉。下面是一个大根堆&#xff1a; 大根堆的每一个根节点比他的子节点都大 有大根堆就有小根堆&#xff1…
阅读更多...
数据结构(4.1)——串的存储结构

数据结构(4.1)——串的存储结构

串的顺序存储 串&#xff08;String&#xff09;的顺序存储是指使用一段连续的存储单元来存储字符串中的字符。 计算串的长度 静态存储(定长顺序存储) #define MAXLEN 255//预定义最大串为255typedef struct {char ch[MAXLEN];//每个分量存储一个字符int length;//串的实际长…
阅读更多...
YOLOv8-OBB 旋转目标检测训练自己的数据

YOLOv8-OBB 旋转目标检测训练自己的数据

数据集制作 标注工具&#xff1a;X-AnyLabeling https://github.com/CVHub520/X-AnyLabeling 下载链接&#xff1a;https://pan.baidu.com/s/1UsnDucBDed8pU1RtaVZhQw?pwd5kel 数据标注可以参考&#xff1a;https://zhuanlan.zhihu.com/p/665036259 1. 选择导出方式为…
阅读更多...
Ubuntu搭建Android架构so库交叉编译环境

Ubuntu搭建Android架构so库交叉编译环境

目录 前言一、下载NDK并安装二、安装NDK三、配置交叉编译工具链四、编写交叉编译脚本 前言 需要将一些源码编译成Android可用的架构的so库 一、下载NDK并安装 https://developer.android.google.cn/ndk/downloads/ 二、安装NDK 将下载下来的android-ndk-r23b-linux.zip解压…
阅读更多...
[GICv3] 3. 物理中断处理（Physical Interrupt Handling）

[GICv3] 3. 物理中断处理（Physical Interrupt Handling）

中断生命周期 ​​ 外设通过中断信号线生成中断&#xff0c;或者软件生成中断&#xff08;SGI&#xff09;。Distributor 和 ReDistributor 配合按照中断分组和中断优先级仲裁后将最高优先级的中断分发到 CPU interface。cpu interface 向中断发送到 PEPE 读取 IAR 寄存器&am…
阅读更多...
力扣 24两两交换链表中节点

力扣 24两两交换链表中节点

画图 注意有虚拟头结点 注意判断时先判断cur->next ! nullptr,再判断cur->next->next ! nullptr 注意末尾返回dumyhead->next&#xff0c;用新建result指针来接并返回 class Solution { public:ListNode* swapPairs(ListNode* head) {ListNode *dummyhead new …
阅读更多...
高等数学第一讲:函数极限与连续

高等数学第一讲:函数极限与连续

函数极限与连续 文章目录 函数极限与连续1.函数概念与特性1.1 函数定义 1.2 几种重要的基本函数类型1.2.1 反函数1.2.2 复合函数1.2.3 隐函数 1.3 函数的基本特性1.3.1 有界性1.3.2 单调性1.3.3 奇偶性1.3.4 周期性 2. 函数的极限2.1函数的极限的定义2.2 函数的极限的性质2.3 无…
阅读更多...
昇思25天学习打卡营第19天|基于MindNLP+MusicGen生成自己的个性化音乐

昇思25天学习打卡营第19天|基于MindNLP+MusicGen生成自己的个性化音乐

MusicGen是来自Meta AI的Jade Copet等人提出的基于单个语言模型&#xff08;LM&#xff09;的音乐生成模型&#xff0c;能够根据文本描述或音频提示生成高质量的音乐样本&#xff0c;相关研究成果参考论文《Simple and Controllable Music Generation》。 MusicGen模型基于Tra…
阅读更多...
LabVIEW液压数据采集测试系统

LabVIEW液压数据采集测试系统

液压系统是装载机的重要组成部分&#xff0c;通过液压传动和控制实现各项作业功能&#xff0c;如提升、倾斜、转向等。液压系统的性能直接影响装载机的作业效率和稳定性。为了保证装载机液压系统的正常运行和优化设计&#xff0c;需要对其进行数据采集和测试。本文介绍了一套基…
阅读更多...
最新文章

Copyright @ 2022~2023