一种引入通信的多移动机器人编队方法*

提出以视觉跟踪为基础并引入通信进行多机器人的编队控制方法,根据需要编写了一种新的通信协议,采用闭环l-Φ实现编队算法.这种多机器人编队控制避免了视觉系统的局限,能够更好地在复杂未知环境中协作完成任务,解决了编队控制的无反馈和实时性不高的问题,使得机器人能够准确迅速地进行跟踪和通信编队,一起顺利达到目标点.试验结果证明了该方法的有效性.     

钢铁企业煤气调度系统建模及优化研究

钢铁企业煤气系统的煤气生产量与消耗量的动态平衡状态,对于降低生产成本、实现节能减排具有重要意义.针对钢铁企业煤气调度中存在的问题,以最大经济效益为目标,建立了煤气系统的通用调度模型.在此基础上,结合分级调度的思想,通过采用单纯形优化方法,给出一种相对优化的调度策略,并说明了其实现步骤.最后结合具体案例,对提出的算法进行分析,验证了调度方法的有效性.     

基于改进伪中值滤波器的道路图像滤波算法*

针对已有的细胞神经网中值滤波器滤波时,收敛速度慢、稳定性不好以及滤波图像比较模糊的缺点,设计一种差值控制细胞神经网的改进伪中值滤波器。提出了改变取值空间、引入随机扰动、扩大中值滤波窗口尺度和引入Mask掩图的改进方法。实验结果表明：该算法具有去除各种强度脉冲随机噪声能力,又能保护图像细节信息,而且具有良好的实时性。     

拟人控制系统的结构分析

本文对拟人控制系统结构进行了深入地分析和探讨。构造了拟人控制系统的复杂结构,指出了系统是由多种元素和多种子系统构成的,且不同元素和不同大大小小的子系统彼此间相互作用和相互影响。并在此基础上,提出了拟人控制系统的基本结构和特殊基本结构。     

情感理论及基于情感的决策理论与模型研究

情感能力是人类智能的重要标志,与人类认知相互依赖和影响。因此,研究情感理论,模拟人类情感,对增强豫统智能具有重要意义。本文根据情感激发、产生的内在机理,提出情感的三级层次;为影响和激发情感的内部状态建立模型;基于情感的模糊性,运用模糊逻辑定义了情感的强度,并提出情感状态描述;通过分析情感在决策过程中的作用,结合MAS理论与决策系统的研究成果,提出了具有情感能力的个体Agent模型和具有情感功能的MAS决策模型。     

基于粗糙集和神经网络的信息融合方法

在运用粗糙集理论和神经网络理论进行信息融合的基础上,分析了其各自的优势和存在的问题,设计了将两者综合的信息融合方法.该方法主要思想是利用粗糙集理论对神经网络待处理的数据进行属性约简,借此来简化神经网络的结构.利用这种方法对煤矿中各种与瓦斯危险相关的信息进行融合,以此对其瓦斯安全性进行评价.结果表明,这种方法减少了训练次数而且收敛效果比传统神经网络效果好.     

串罐式无钟高炉炉顶炉料运动的离散元分析

建立了串罐式无钟炉顶装料系统全模型,应用离散单元法对炉料从皮带到炉喉运动的全过程进行数值计算,考察了皮带上上下料罐内的粒度偏析,对比了料罐内是否安装石盒对料罐内炉料分布、料罐装料和卸料时炉料运动及布料时料流粒度变化的影响. 结果表明,皮带上小颗粒向料层下部渗透,皮带末端料层下部平均粒度比上部小. 炉料沿上料罐周向、径向和纵向存在粒度偏析;沿下料罐径向和纵向存在粒度偏析,周向上分布较均匀,相对粒度变化的标准差为0.03. 料罐内安装石盒对周向和纵向粒度分布影响较小,石盒附近小颗粒渗透影响径向粒度分布,料面基本水平,料罐卸料呈活塞流;无石盒时料面形成堆尖,料罐卸料呈漏斗流. 布料时料流粒度变化受料罐内料流运动和炉料分布影响,料罐内不安装石盒时料流粒度变化的标准差为7.15,安装石盒时为10.42,料流粒度变化更明显.     

一种基于粒子群参数优化的改进蚁群算法

蚁群算法是一种应用广泛、性能优良的智能优化算法,其求解效果与参数选取息息相关.鉴于此,针对现有基于粒子群参数优化的改进蚁群算法耗时较大的问题,提出一种新的解决方案.该方案给出一种全局异步与精英策略相结合的信息素更新方式,且通过大量统计实验可以在较大程度上减少蚁群算法被粒子群算法调用一次所需的迭代代数.仿真实验表明,所提出算法在求解较大规模旅行商问题时具有明显的速度优势.     

一个基于情感的自主非玩家角色模型

提出了一个新颖的基于情感的非玩家角色模型，此类非玩家角色有人造躯体，生活在虚拟的游戏场景中，并且具有自主行为。模型将情感系统、注意聚焦、意图以及表现系统集成在一起。模拟了人类的遗忘和情绪波动特性，以期使得游戏中的非玩家角色更接近于玩家角色或者真实玩家。为了表达情感和认知固有的不确定性，模型中用到了模糊表达。系统采用Model-View-Controller(MVC)的设计模式来实现，该模式把人工智能从游戏引擎中独立出来，采用接口和组件的思想来实现人工智能。     

基于模糊粒度计算的文本聚类研究

典型的文本聚类算法是一种硬划分,但是实际上由于中文文本的多样性和大量性更适合进行软划分,模糊集理论的提出为这种软划分提供了有力的分析工具。传统的模糊聚类方法大都是通过对隶属度的矩阵逐步迭代得到模糊等价矩阵或模糊划分的方法实现聚类,这个过程需要大量的存储空间。基于模糊粒度计算的文本聚类算法是在文档集合的模糊粒度空间上给定一个归一化的距离函数d（d_i,d_j）,对距离小于粒度d_λ的文本进行动态聚类。通过实验证明此方法在解决文本聚类问题时具有降低计算复杂度和空间复杂度,适于大量文本的聚类处理。