多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

Robocup仿真3D世界模型的设计

世界模型用于描述Agent的周围环境及自身信息.球员个体技能和高层决策的实现往往依赖于世界模型,因此它是整个球队程序的基础.文章分别从信息存储、更新、预测和高层4个方面对AIAI3D的世界模型进行分析.虽然RoboCup 3D仿真的比赛环境将会发生一些变化,但世界模型的设计思想仍有很大的借鉴价值.     

徽派建筑知识图谱的半自动化构建

本文针对徽派建筑数据异构多源和非结构化的特点,提出一种BiLSTM-CRF模型与徽派建筑词典相结合的命名实体识别方法,利用先验知识的辅助作用,提升实体识别效果,完成对建筑实体进行的识别抽取.利用Neo4j图数据库存储知识,用属性图模型表示知识.最后使用Neo4j图数据库对构建的徽派建筑知识图谱进行了可视化展示.研究结果表明,此方法能够有效地构建徽派建筑领域知识图谱,为今后徽派建筑知识智能化推荐和搜索系统研究奠定基础.     

装配式建筑机器人施工路径优化方法

为克服蚁群算法存在的诸多问题,提出一种基于BIM(building information modeling)融合遗传蚁群混合式算法的装配式建筑机器人施工路径优化方法.通过遗传算法对蚁群算法搜索路径信息素的最优化选择,实时负反馈影响蚁群信息素,使两个算法结合更加紧密.以不同规格的栅格地图和BIM施工地图基础模型为对象,对比混合式算法与粒子群算法、蚁群算法、遗传算法的路径优化效果,实验结果表明,混合式算法具有较好的搜索效率、收敛性能和全局搜索能力,能够满足装配式建筑机器人施工路径优化问题,提高建筑工业化水平.     

基于机器人足球的大学生创新素质培养的探索与实践

"机器人足球"是以体育竞技形式展示的高技术的对抗,涉及多领域的前沿技术集成。本文分析了高校开展机器人足球对大学生创新能力培养的重要意义,并阐述我校以机器人足球为平台的大学生创新能力培养的实施方案,最后对开展机器人足球对信息类专业的本科教育的影响进行了探讨。     

基于影响图的传球训练策略的实现

影响图是决策问题的图形表示,利用影响图可以有效地解决智能Agent的行为选择,而传球问题就是球员Agent选择传球速度和角度的问题.建立了一个基于影响图的传球模型,并根据该模型创建一个评价传球效果的效用函数;然后利用由教练程序改写的记录员程序来记录数据,并进行统计得到效用函数中的概率值;最后通过训练得到效用函数中系数的值,并利用此效用函数作传球训练.训练结果表明该效用函数是可信的.     

基于泊松算法的徽派建筑构件点云的曲面重构

曲面重构软件存在操作复杂、交互定义太多、对输入数据要求过于严苛等问题,至今未得到广泛推广。本文选取了徽派建筑所特有的穿斗抬梁式木构架作为研究对象,提出了一套完整的从获取点云数据,到点云预处理,最后曲面重构的实现方案。首先,对所获取的点云数据进行预处理操作,包括分割和滤波;其次,直接从点云数据集中近似推断表面法线;最后,采用泊松算法进行曲面重构研究。通过对比三维软件曲面重构最后模型,结果表明文中方案更具顺滑性、时间效率更高、良好的可移植性。     

引入分割团的BK推理算法及其在Robocup中的应用

BK算法是动态贝叶斯网络(DBNs)的一种主要近似推理方法,但对网络的人工分割会引入较大误差.首先通过将决策结点转换成随机结点,给出基于DBNs的Roboeup协作问题的一种建模方法;然后,给出一种引入分割团的新BK算法,以减小网络分割产生的误差,并对Robocup中的两个球员配合射门问题进行推理.引入分割团的BK算法和1.5片联合树推理算法的比较实验结果表明,引入分割团使BK算法在精度损失较小的情况下,时间性能有显著提高.     

基于影响图的Agent建模及其在Robocup中的应用

讨论了用影响图对多Agents环境建模的方法.Robocup是一个典型的多Agents系统,其中的球和球员都可以看作是Agent.以Robocup仿真比赛为例,给出单Agent和多Agents模型,并给出传球问题的决策实现过程.     

基于质点振速输入和Laplace变换的流动媒质中近场声全息技术

流动媒质中近场声全息技术(NAH)是一种能够实现流动媒质中声源识别和声场重建的先进技术。大多数流动媒质中NAH算法都是以声压作为输入量,但在测量声压时,传声器和媒质之间相互作用会产生气动背景噪声。得益于质点振速能够利用光学方法进行测量(例如LDV),以质点振速作为输入量的流动媒质中NAH具有一定的优势。然而,当以质点振速作为输入时,经典的基于空间Fourier变换的流动媒质中NAH算法存在奇异性问题,导致该方法具有不稳定性。鉴于此,本文提出了基于Laplace变换的流动媒质中NAH技术,在时间上利用Laplace变换代替Fourier变换,从理论上消除了奇异性,进而实现了基于质点振速输入时流动媒质中声场的精确重建。仿真结果表明,所提出的方法具有良好的声场重建效果。