PVCBOT【16号】忙碌者--机械蜜蜂

本项目介绍了一款名为“忙碌者”的仿生虫形机器人,它通过巧妙的机械与电子结合设计实现了类似虫子的爬行运动。特别之处在于通过切换电路电流方向控制驱动器变化状态。此外,该机器人装备有小型高效锂电池,并设计有一对翅膀以呈现勤劳蜜蜂的形象。
本项目是模仿虫子爬行的机器人。与前面几个主要依赖特定的机械结构来实现仿生运动的机器人不同,本项目机器人借助的是机械与电子相结合的设计——通过巧妙的结构动态切换电路的电流方向,以控制驱动器来回改变状态来实现模仿虫子的爬行过程。为确保效果,本项目机器人采用了体积小且电量足的微型锂电池作为电源,爬行起来还颇有一点风风火火的感觉,所以再起个名字叫“忙碌者”。



  本项目机器人专门装了一对翅膀,在造型上设计成勤劳蜜蜂的样子,就更贴合“忙碌者”之名了。


器材准备:
 
   
 
简要制作过程:  
 
 
 
 
 
 
 

 

 

 

 

 

 


————————————————————————————————————————————


  视频: http://player.youku.com/player.php/sid/XMjczMTcyOTQw/v.swf

   详细教程: http://www.diy-bot.net/pvcbot?id=16

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值