ACS algorithm-based adaptive fuzzy PID controller and its application to CIP-Ⅰ intelligent leg

Based on the ant colony system(ACS)algorithm and fuzzy logic control,a new design method for optimal fuzzy PID controller was proposed.In this method,the ACS algorithm was used to optimize the input/output scaling factors of fuzzy PID controller to generate the optimal fuzzy control rules and optimal real-time control action on a given controlled object.The designed controller,called the Fuzzy-ACS PID controller,was used to control the CIP-I intelligent leg.The simulation experiments demonstrate that this controller has good control performance.Compared with other three optimal PID controllers designed respectively by using the differential evolution algorithm,the real-coded genetic algorithm,and the simulated annealing,it was verified that the Fuzzy-ACS PID controller has better control performance.Furthermore,the simulation results also verify that the proposed ACS algorithm has quick convergence speed,small solution variation,good dynamic convergence behavior,and high computation efficiency in searching for the optimal input/output scaling factors.     

基于遗传算法的参数在线自调整模糊控制器

提出了一种基于遗传算法优化的自调整模糊控制器的设计方法．该模糊控制器的运行参数自调整公式以系统响应的最大超调量、调整时间及稳态误差为性能指标，利用遗传算法搜索模糊控制器量化因子Ke，Kec及比例因予Ke公式中相应的最优基准值Keo，Xeco及Kuo和微调参数K1，K2及K3，设计一个根据系统当前的动态误差e运行参数可在线自调整的模糊控制器，以确保系统的响应具有最优的动态和稳态性能．该控制器巳用于控制由作者设计的智能人工腿中的执行电机．计算机仿真结果表明，与运行参数固定的模糊控制器相比，这种自调整模糊控制器具有良好的动态和稳态性能，     

工业机器人时间最优轨迹规划及轨迹控制的理论与实验研究

提出了一种用于工业机器人时间最优轨迹规划及轨迹控制的新方法, 它可以确保在关节位移、速度、加速度以及二阶加速度边界值的约束下, 机器人手部沿笛卡尔空间中规定路径运动的时间最短. 在这种方法中, 所规划的关节轨迹都采用二次多项式加余弦函数的形式, 不仅可以保证各关节运动的位移、速度、加速度连续而且还可以保证各关节运动的二阶加速度连续. 采用这种方法, 既可以提高机器人的工作效率又可以延长机器人的工作寿命. 以PUMA 5 6 0机器人为对象进行了计算机仿真和机器人实验, 结果表明这种方法是正确和有效的. 它为工业机器人在非线性运动学约束条件下的时间最优轨迹规划及控制问题提供了一种较好的解决方案.     

A composite particle swarm algorithm for global optimization of multimodal functions

During the last decade, many variants of the original particle swarm optimization （PSO） algorithm have been proposed for global numerical optimization, hut they usually face many challenges such as low solution quality and slow convergence speed on multimodal function optimization. A composite particle swarm optimization （CPSO） for solving these difficulties is presented, in which a novel learning strategy plus an assisted search mechanism framework is used. Instead of simple learning strategy of the original PSO, the proposed CPSO combines one particle＇s historical best information and the global best information into one learning exemplar to guide the particle movement. The proposed learning strategy can reserve the original search information and lead to faster convergence speed. The proposed assisted search mechanism is designed to look for the global optimum. Search direction of particles can be greatly changed by this mechanism so that the algorithm has a large chance to escape from local optima. In order to make the assisted search mechanism more efficient and the algorithm more reliable, the executive probability of the assisted search mechanism is adjusted by the feedback of the improvement degree of optimal value after each iteration. According to the result of numerical experiments on multimodal benchmark functions such as Schwefel, Rastrigin, Ackley and Griewank both with and without coordinate rotation, the proposed CPSO offers faster convergence speed, higher quality solution and stronger robustness than other variants of PSO.     

基于频率筛分的无监督人体姿态特征提取与识别研究

基于视频序列的人体行为分析需要检测和判别人体姿态,已有人体姿态检测与判别方法往往达不到实用性要求.从两个方面探讨应用BEMD(bidimensional empirical mode decomposition)算法提升特征分离度与判别性,以进行人体姿态检测和判别:BEMD分解源图像得到的多层固有模态图BIMF具有判别特征,可形成具有强边缘的对比度高的区域,其中包括人体轮廓区域;从低分辨率尺度BIMF图像到高分辨率尺度BIMF图像递归计算,建立基于BEMD的多尺度树(BEMD muhiscale-trees tructured)模型,快速提取目标区域并获取人体形状轮廓特征.实验证明,利用该方法进行人体姿态轮廓特征提取,并建立人体姿态的简化模型,可快速检测并判别人体姿态,以达到实时识别.     

基于免疫遗传算法的多约束QoS组播路由选择方法

以具有精英保留的免疫遗传算法（IGAE）为基础,提出了一种新的用来求解带宽、时延、时延抖动受限,费用最小的QoS组播路由选择问题的方法。首先采用预处理机制,将网络结构中不满足带宽约束的链路去掉,利用Dijkstra第k最短路径算法建立编码空间的备选路径集;然后采用基于路径的树结构编码来随机产生初始群体,使种群中的每个个体都代表组播路由问题的一个候选解;最后利用IGAE算法对种群进行优化,最终求得满足QoS要求的组播路由。仿真实验结果表明,该算法具有较好的性能,能以较快的速度搜索到满足QoS要求的费用最小的组播树。     

国内外人工腿(假肢)研究的进展及发展趋势

人工腿(假肢)一直是机器人学和生物医学工程领域 的一个前沿性研究课题．在这方面的研究中,英、日两国于90年代中期研制成功的智能型 人工腿反映了该研究的最新进展．本文共分五个部分,第一部分是引言;第二部分重点介绍 国外在90年代初以前人工腿的研究概况;第三部分重点介绍国外从90年代初至今人工腿 的研究概况,特别是智能人工腿的研究情况;第四部分重点介绍国内人工腿的研究现状;最 后一部分介绍人工腿研究的发展趋势．     

免疫分类研究进展

过去的十多年中,人工免疫系统得到了长足的发展。由于其具备强大的信息处理能力,被广泛应用于模式识别领域,尤其是分类问题。介绍了免疫系统的识别原理、人工免疫原理,包括克隆选择原理、负向选择原理和免疫网络,综述了近年来出现的主要的免疫分类算法,对免疫分类算法性能进行了相互比较,比较了免疫分类算法与其他著名分类算法的性能,结果显示免疫分类算法具有良好的分类性能。     

不同的距离测量方法对人工免疫识别系统的性能影响*

人工免疫识别系统AIRS（Artificial Immune Recognition System）是著名的免疫网络分类器,被成功地应用到大量的分类问题,表现出了良好的性能。为了分析不同的距离测量方法对AIRS的性能影响, 采用三种距离测量方法实现AIRS,这三种方法分别是Euclidean距离、Manhattan距离和RBF核空间距离,并将三种用不同距离测量方法实现的AIRS算法应用于Iris,Heart和Wine数据集的分类测试。所获得的三组数据集分类的准确率和抗体规模进行了相互比较,结果表明采用Manhattan距离AIRS算法获得了对Iris和Heart的最高分类准确率,而采用核空间距离,算法获得了对Wine的最高分类准确率。从抗体群体规模来看,采用核空间距离则能获得最小的抗体群体。从性能比较可知,不同的距离测量方法对AIRS算法的分类性能较大的影响。