我认为【归一化】不是【差比和】，不服来辩。

Jyoun

记得资料归一化的公式是（当前值-最小值）/（最大值-最小值），我认为归一化是一种相对值的处理方式，把传感器值“归一”，用一个万用表比喻，归一的过程就好像每次用的时候把万用表重新归零，并校准。
拿电磁车来举例说明，假设不用归一化处理时，距离中线零偏差时，电感A的值是1000，偏离赛道20厘米时，电感A值是200.当赛道电源不准时，比如输出电流由100ma变成了120ma，这时，电感A在零偏差的值和偏离赛道20厘米时候的值都会变大，设分别变成了1200和240，这时，你设定的阈值会出问题了。比如，你设置在电感A值小于等于200的时候（偏差20cm）判定丢线，电流变大之后，偏差为20cm，A电感值为240，大于了200，这时本来该判丢线，却没法判丢线了，车辆路径就相应会变化了（当然，阈值判定的不一定是丢线，具体看个人算法）。如果用归一化处理，按上例的数据，当电流100ma时，偏差时，记录下电感A的“最大值”（这里不一定最大，不过把零偏差当做最大，具体不细说）为1000，把车移到偏差为20cm时，记录下“最小值”（跟最大同理，只是选个参考点）为200，这时，归一化公式算出值为0到1（即“归一”），偏差为零是，电感A归一值为1（（1000-200）/（1000-200）），偏差20cm时，电感A归一值为0（（200-200）/（1000-200）），这时，如同前例，你只需要设置阈值的归一值为0，则判定丢线，那么在赛道电源电流是120ma时，采用同样的处理，在偏差为20cm的时候，电感A归一值也为0（（240-240）/（1200-240）），即电源变化对你的阈值已经没有影响了（这是理想化情况，实际考虑其他各种因素，会有很微弱的影响）。这样的处理算法，其本质其实就是在每次车跑之前，重新快速校准偏差和电感值的对应关系。

    通过归一化处理，能保证电磁车有更强的适应性，适应更宽的赛道电源电流参数，而路径将不容易受电源的不同而影响。
   为什么我实验室用蓝宙电源调出来的车，在官方电源下也能路径完全不变的跑下来？大家也该理解了吧？本人拙见，文笔不好，仅供参考，欢迎大神拍砖，欢迎小伙伴们批评指正。^-^
    西科4队-Jyoun



补充内容 (2013-12-10 09:32):
归一化还可以解决对称问题，分析一下就知道，归一后，本来决定偏差的电感值已经成了归一的参考量了，零偏差时或者左右定偏差时，参考量即使不同，归一后的值却几乎相同，就是说决定偏差的是归一值了。

补充内容 (2013-12-10 09:41):
每次归一采值还有一些技巧记录方式，用来保证记录值两边对称，（即保证归一过程对称），原理很简单，不过我也要参赛，所以还是先保留不说了。稍微有头脑的小伙伴自己应该也能想出来的~(∩_∩)

补充内容 (2013-12-10 09:44):
第二段说的保证记录值两边对称说错了，两边记录的参考值（电感值）不对称，但是选参考点的实际偏差要对称。

xjtuzhanghongji

大家习惯上说的'差比和'其实有两个意思，第一个意思是去量纲化，就是将单个电感采得的孤立电压的单位消去。无量纲化是广义的归一化。
第二个意思是原来单个电感感应磁场的电压对于导线轴来说是偶函数，即使采取多个电感后也必须通过几条if语句才能判断象限，而'差比和'在一定范围内将偶函数变成了奇函数且在这个范围内是单调的。这就为位置输出带来了直接的便利。当然，不论是前一种方法还是'差比和'法，当感应值与噪声处于同一数量级（即偏离赛道较远）时，都要额外的保护语句。
所以说把'差比和'称作是归一化也没多大错误。
不过，差比和虽然将输出变成了对于导线轴对称的奇函数，但在整个x轴上却不是单调的。因此这就是有些学校的拟合函数要用到更高次多项式函数的原因了。当然，这同样能通过增加额外保护或处理技巧解决

Jyoun

mingongB 发表于 2013-12-10 15:27
差比和少了标定的过程，减少了人为因素干扰。
同时如果在跑的过程中，电流值改变也不会有影响。
例如在信 ...

我的归一方法再加一个巧妙的记录方式，也基本能完全消除人为影响。

仰望，蘫迗

顶`

杨先生

Jyoun 发表于 2013-12-10 15:49
没仔细看帖吧，我说了“最大值”不一定是最大值，只是一个参考值，当然，这样出来的值范围可能超过“1” ...

:):):):)

极速狂飙

巨顶，技术干货，让我这个小白理解了归一，厉害

Ycat

谢谢楼主

Ycat

知道自己的电磁为什么跑不稳了

The-answer

电磁小白，最近刚开始弄电磁，想问问是不是可以这样理解归一化和差比和。归一化是把传感器的值归一，这个最大值和最小值只不过是选区的一个量纲，具体怎么选没有严格要求，归一化以前，阈值是一个绝对量，信号源变了阈值可能就变了，归一化以后阈值相当于变成了一个相对量，相对于最大值和最小值来说的，这样就可以相对减少信号源的影响。归一化是处理原始数据的，而差比和是获得偏差的，将归一化以后的值再差比和，获得一个相对线性且单调的偏差。

贾维斯

归一化资料学习

Amaolee

学习））））））

小六哥哥

不错呦

光阴荏苒

很棒

CLAY

2018年12月8日留名

yxj

虽然我认为特然