双层循环神经网络框架下的USV路径规划方法

针对全连接神经网络结构下Actor-Critic算法在复杂路径规划环境下训练时间长、不宜收敛且难以处理长动作记忆序列的不足，本文提出了基于双层循环神经网络的水面无人艇(unmanned surface vessel, USV)路径规划算法。该算法的输入并不是单独的一个状态，而是由状态、动作和奖励所组成的具有一定长度的序列（宏动作）。从网络架构上来看，循环神经网络(recurrent neural network, RNN)会记住历史信息，并且使用历史信息影响当前的输入输出，基于RNN结构的双层循环神经网络(double-layer recurrent neural network, DRNN)也具有同样的性质，由于DRNN考虑了一定时间内的环境交互历史，有助于神经网络对于连续动作序列（宏动作）模式的识别。通过仿真实验，在多个地图上与常规的Actor-Critic算法进行对比验证。结果表明：该算法在平均步数、成功率与平均奖励上比Actor-Critic算法有明显提高。     

Development of an underactuated prosthetic hand with the step motor

0IntroductionThe design condition of electromyography(EMG)prosthetic handis different fromthe industrial robot handmainlyinits decorative nature,weightlimit andfunction.Generally commercial prosthetic hands are basically sim-ple grippers having one or two DOF(degree of freedom),which cannot meet the needs of the users[1].In thisstudy,we developed a multi-fingered anthropomorphicrobot handfor the EMGprosthetic handto realize activityof dailyliving[2].Based on underactuated mechanism[3],andt…     

基于EKF的无人潜航器航位推算算法

为了解决传感器的安装角偏离误差以及量测误差导致的无人潜航器(AUV)在水下自主航行时不能满足长时间导航定位的要求,对航位推算算法进行了研究.针对AUV在高纬度、长时间航行中曲率半径的变化,采用地球参考椭球体作为地球几何形状的数学描述;针对数据滤波实时性的要求,基于扩展卡尔曼滤波(EKF)对卫星导航系统(GPS)数据进行滤波,并利用AUV湖试数据对传感器的安装偏离误差进行了校正.对提出的导航算法进行了试验验证,结果表明AUV的自主导航定位精度为0.75%,满足设计要求,并优于改进前的航位推算算法.     

线性荷载下排桩、空沟隔振特性试验研究

为了研究排桩、空沟的隔振效果的影响范围,通过试验研究的方法在线性荷载条件下对此进行了研究,结果表明：在线性荷载条件下,排桩可取得整体性的隔振特点,并且在不同的屏障前均出现了振动增强的情况;深度的增加可使得排桩、空沟的影响范围增加;随着屏障宽度的增加,排桩的影响范围呈现出了增长的趋势,而空沟则为整体下降的趋势。且空沟的影响范围降低程度相比于排桩较小;随着振源距的增加,空沟、排桩的影响范围均为降低趋势。