15、语音助手使用与搭建全攻略

语音助手使用与搭建全攻略

1. Platypush 语音指令与控制

在 Platypush 中,若想从短语中提取文本到指定名称的变量,可在短语属性里使用 ${name} 语法,该变量会作为参数传递给钩子函数。还能借助正则表达式增强短语检测能力,例如在钩子中指定事件短语为 “(turn|switch) on (the?) ${color} light”,那么 “turn on the red light”、“turn on red light” 和 “switch on red light” 等短语都会触发钩子。重启 Platypush 后,说 “turn on the light”,相应的灯就会亮起。若语音识别事件与用户规则匹配,助手的默认响应会被省略,不过可利用 Platypush 中的文本转语音(TTS)集成轻松创建自定义语音响应。

Platypush 提供了简单的 Web 界面和基于 Web 的 API,便于从脚本中自动化执行操作。操作步骤如下:
1. 当 Platypush 运行时,在浏览器中打开 http://your-rpi:8008/ 。首次登录会看到用户注册界面,输入用户名和密码进入应用面板。添加更多集成后,面板各部分会被填充内容。
2. Web 面板的一个出色特性是它会自动连接到助手事件,在对话期间显示包含短语和助手响应转录的模态屏幕。还能看到 “Execute” 标签页,可用于探索可用函数及其参数。
3. 例如,有 assistant.google.start_conversation assistant.google.stop_convers

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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