芯耀
84
AI 電磁組到底有什么優(yōu)勢？
卓大大您好，很抱歉這么晚打擾您，針對電磁組 AI 的規(guī)則，我有幾點疑惑和想法想向您請教下：?
1、AI 電磁規(guī)則中允許使用的傳感器有紅外光電、超聲傳感器，這兩個傳感器都是跟測距相關的，但我們使用的賽道中是基礎賽道加上圓環(huán)，并沒有橋、橫斷這類測距用到的特殊元素，不太清楚這兩個傳感器對本次比賽有什么幫助 ?
2、AI 組中能否轉向用神經網絡算法，速度控制用傳統(tǒng)算法，因為兩個網絡的話運算量可能會較大 ??
3、您認為神經網絡算法與傳統(tǒng) PID 算法的哪個速度會更快些呢？
我的理解是這樣的，如果就實質來說，這兩個算法都是建立一個模型，解決同一個尋跡的問題，已知的信息是相同的，兩個算法的極限速度應該差不多；就兩個模型的求解時間來說，PID 算法需要長時間調節(jié)才能達到極限速度；神經網絡需要采集精確的數(shù)據才能達到極限速度，精確的數(shù)據得需要一個差不多的 PID 參數(shù)，時間這邊來看的話，神經網絡算法更優(yōu)。這些都是我的一些猜想，實際怎樣還得需要驗證一下。
車模拐彎
?
回復：1、規(guī)則中允許 AI 電磁組中的車模使用紅外、超聲等傳感器，如果你認為沒有什么幫助，可以忽略它們；AI 組允許使用 NN 控制轉向，速度使用傳統(tǒng)的 PID；保證車模不沖出賽道的情況下，影響車模最快速度的因素來自于車模執(zhí)行機構（主要是舵機）的時間延遲和慣性環(huán)節(jié)。關于這部分詳細的分析，請參見公眾號里推文“劈 -I-D”。以往電磁車模是依靠超長的電磁檢測支架來提高賽道檢測的前瞻，來抵消車模轉向環(huán)節(jié)的延遲。今年 AI 電磁組要求車模上的電磁檢測傳感器不得超過車模前輪 5 厘米，這就大大限制車模速度。部署人工神經網絡本質上是對賽道信息的存儲，它是利用賽道模型信息來提高超前預測，從而提高車模速度。
基于 NN 方向控制的電磁車模
?
英飛凌學習板的原理圖和 PCB 板圖
?
回復：相關信息早已在 3 月 18 日在 Infineon 電子生態(tài)圈中的智能小車 AURIX（TM）信息匯總貼中給出了。
智能小車用 AURIX 信息匯總
https://www.infineon-autoeco.com/BBS/Detail/62830
Chirp 聲音文件
卓老師，聲音音頻文件有錄嗎？我們想先通過手機播放 Chirp 音頻文件開發(fā)相應的算法。
下面給出了 Chirp 聲音波形以及生成 PYTHON 程序以及百度網盤下載地址：
生成的 Chirp 信號波形
十段 Chirp 信號波形
生成 Chirp 聲音文件的 PYTHON 程序：
#!/usr/local/bin/python
# -*- coding: gbk -*-
#============================================================
# SOUNDWAV.PY -- by Dr. ZhuoQing 2020-03-23
#
# Note:
#============================================================
from headm import *
import wave
#------------------------------------------------------------
data_num = 2048
ts = 1.0e-4
start_freq = 250
end_freq = 2000
sounddata = []
zerodata = []
angle = 0
for i in range(data_num):
sd = int(sin(angle) * 0x6fff + 0x7fff)
sounddata.append(sd)
zerodata.append(0x7fff)
freq = (end_freq - start_freq) * i / data_num + start_freq
angle = freq * ts + angle
#------------------------------------------------------------
segnum = 10
wavedata = []
for i in range(segnum):
wavedata.extend(sounddata)
wavedata.extend(zerodata)
wavelen = len(wavedata)
wavedatabytes = b''
for num in wavedata:
wavedatabytes = wavedatabytes + num.to_bytes(byteorder='little', length=2)
#------------------------------------------------------------
wavefile = wave.open(r'd:tempchirp.wav', 'wb')
wavefile.setparams((1, 2, 10000, wavelen, 'NONE', 'Tsinghua'))
wavefile.writeframes(wavedatabytes)
wavefile.close()
#------------------------------------------------------------
timedata = linspace(0, wavelen * ts, wavelen, endpoint=False)
plt.plot(timedata, wavedata)
plt.xlabel('Time(s)')
plt.ylabel('Wave Amplitude')
plt.savefig(r'd:temp1.jpg')
plt.show()
#------------------------------------------------------------
# END OF FILE : SOUNDWAV.PY
#============================================================
下載音頻文件的百度網盤：鏈接: https://pan.baidu.com/s/1nmz52lto7WQ2L4odqC0bUQ 提取碼: hhm6
百度網盤下載二維碼
?
人生第一次焊接 QFP
卓大大，我想哭，人生第一次焊接 QPF 封裝，第一次使用英飛凌單片機，奈何仿真器監(jiān)測不到單片機，求安慰 /::<
參賽同學人生焊接的第一塊核心板
回復：第一次焊接 QFP 芯片，從焊接角度來看，是非常成功的。當然，仿真器檢測不到單片機的原因很多，包括 MCU 的外部輔助元器件，仿真器連接線的情況，以及工作電源等等。如果你手邊有多塊電路板，特別是有能夠可靠工作的電路板，可以采用對比的方法來檢查問題所在。
受到限制的學校
卓老師您好，我是國防科技大學智能車實驗室領隊，今天英飛凌官方打電話說我們學校學生用不了英飛凌芯片，讓我們繼續(xù)用 nxp 咱們學校雙車組和信標組是否可以繼續(xù)使用 nxp 芯片?
回復：1，針對來申請的相關隊伍，英飛凌給他們回復郵件，說明由于受到政府的貿易技術管制，英飛凌無法給他們提供樣片和技術支持，為了不影響同學們參加比賽，英飛凌與組委會進行協(xié)商后，組委會特別批準這些學校的信標組和雙車組可以不采用英飛凌的芯片，而使用 STC 或 NXP 的芯片完成比賽。
2， 對于這些院校的指導老師，組委會幫忙單獨通知一下，請他們了解情況，并告知相關組別的同學們。
3，若相關組別的同學們來向組委會咨詢求證，留言給卓老師的微信公眾號，需要辛苦卓老師在后臺進行答復，而不明示公之于眾。
4，如有其他學校的同學們對此表示質疑，建議組委會這邊回復：對于信標和雙車組，MCU 方面不管是用英飛凌、NXP 或者 STC，都能很好地完成比賽，對車輛的性能沒有太大影響。而考慮到大賽未來的長期發(fā)展，MCU 也將朝著越來越開放的趨勢發(fā)展，同學們應該做好準備，學習不同的 MCU，拓展自己的知識和視野
云霧繚繞
?
機器學習創(chuàng)意組別
卓老師，請問現(xiàn)在確定創(chuàng)意組室外光電或者那個新組的有無問題了嘛 ；我們這邊等下去是個食物鏈，我們選完還得給學弟們留時間選（上次反悔已經和學弟關系弄得有點不愉快了）理解您的難處，不過昨天看到鋼鐵俠發(fā)視頻了，所以問一下。
回復：和百度合作引入智能車競賽及其深度學習組別相關的正在走最后的確認過程。近期將會公布具體競賽內容、培訓資料以及比賽要求等信息。
