基于云模型的机器人自主乘梯控制方法研究

为了实现机器人在无人协助时完成乘梯操作,提出了机器人自主乘梯控制方法。首先建立了机器人乘梯过程的有限状态机模型,然后介绍了基于数据融合理论的多传感器融合定位方法和基于颜色识别技术的机械臂末端位置调整方法,最后提出了有次序目标点路径规划方法及基于云模型的机器人路径跟踪方法。实验表明,所提出控制方法能够保证机器人准确完成乘梯过程,且具有较好的实用性和有效性。     

基于BP神经网络的多升降台同步控制研究

大型分布式升降台控制系统中,其同步控制是最关键的问题之一;针对传统神经网络PID控制器在多升降台同步控制的结构复杂及同步时间长等问题,提出一种基于相邻偏差耦合控制结构的BP神经网络PID同步控制策略,在确定同步误差定义的基础上,建立异步电机的矢量控制模型,改进了BP神经网络同步控制器;对四升降台同步控制系统的仿真实验表明:所研究的控制策略同步误差小,收敛速度快,实用性强。     

基于表面深度值均方差的航空行李分类研究

以航空旅客行李托运方式的国际标准为出发点,研究了基于行李表面深度值均方差的分类方法,为采取何种方式托运提供依据。采用Kinect传感器在行李输送带上方采集深度图像,提取行李区域的像素值并计算其均方差进行粗分类;结合行李三维形态的先验知识,根据网格之间的距离以及深度值均方差的差异,设计了基于网格相似度的自适应聚类算法,拟合聚类结果中高层单元的面积和数量,分析行李三维形态特征,确定其类别。实验结果表明,所提算法复杂度低,能快速准确地识别行李类别。     

一种基于任务的机器人情感决策模型的构建

为了使人机交流更自然,提出一种基于任务的机器人情感决策模型,建立从多种感知输入到多种行为 输出的映射．机器人的情感状态采用PAD（pleasure-arousal-dominance）情感空间描述,并考虑了个性因素．结合正 态分布原型,采用概率与情感结合的行为映射方式,使决策模型的决策变量受随机因素和情感因素影响,保证其输 出行为更符合人类的情感变化．以“福娃”机器人为平台验证了该方法的正确性和实用性．     

基于门墙栅格地图模型的有约束路径规划研究

公共环境下运行的服务机器人需要选择路段的单侧行驶,以实现人机环境和谐。提出的门墙栅格地图模型由传统栅格地图模型中加入门栅格、墙栅格和中线栅格形成,门栅格只能向规定栅格扩展,墙栅格不能向任何栅格扩展,中线栅格标记路段的中线位置。基于该模型采用常规路径规划算法即可实现机器人单侧通行。实验结果证明采用门墙栅格地图模型可使全局路径规划有效选择路段单侧。     

基于蚁群算法的多层前馈神经网络

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型.但算法有求解精度低、搜索速度慢、易于陷入极小的缺点.蚁群算法是一种新型的模拟进化算法,有正反馈、分布式计算、启发性收敛等特性.这些特性使得解题过程加快,易于实现分布式计算.将蚁群算法和神经网络相结合起来,实现了非线性模型的辨识问题及倒立摆的控制.仿真实验表明:用蚁群算法训练神经网络,可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能.     

基于多传感器的数据融合技术

近年来,多传感器数据融合技术已受到广泛关注,它的理论和方法已被应用到许多研究领域。主要论述了多传感器数据融合技术,介绍其概念、原理、结构、方法及应用,并总结了当前数据融合研究中存在的主要问题及其发展趋势。     

基于高斯变异和自适应参考点的MOPSO优化算法

针对MOPSO优化算法在优化多目标问题当中收敛程度较差和容易进入部分最优的缺点,提出一种基于高斯变异和自适应参考点融合的MOPSO优化算法。利用高斯变异位置更新方法改善解集提前停止寻优现象,提高MOPSO优化算法在寻找最优过程中寻找解集的多样性;采用自适应参考点的外部档案维护策略,将收敛性较差的粒子剔除,提高算法的收敛性。实验结果表明:改进的MOPSO算法同传统的MOPSO算法相比,反向代距离和超体积比有了明显的改善,具有更好的解集多样性和收敛性。     

基于交叉视觉皮质模型的非结构化道路检测算法

针对传统非结构化道路检测算法对各种复杂路面环境通用性不强且计算复杂度高的问题,提出了一种基于交叉视觉皮质模型(ICM)的道路检测算法.ICM具有接近生物视觉信息处理机制的特点,能够根据像素及其邻域的相关性动态区分目标和背景.基于ICM分割算法需要解决的问题是最佳分割阈值和循环迭代次数的确定,提出了采用最小交叉熵判决机制...     

二维搜索法分析系统的相对稳定性

二维搜索法分析系统的相对稳定性郎泉江，高庆吉（东北电力学院自动控制系，吉林１３２０１２）０前言实际运行的自动控制系统，不仅要求它是稳定的，还必须满足相对稳定性。分析系统的稳定性及相对稳定性可采用时域分析、根轨迹分析、频域分析等。本文提出一种借助于计算...