基于支持向量回归的动力电池参数辨识

根据铅酸蓄电池在放电过程中内部电化学反应导致外部电特性变化的特点,提出一种基于支持向量机原理的电解液密度辨识模型。利用支持向量机理论非线性回归的特性,简化测量电解液密度的过程,在恶劣环境下检测动力电池的电解液密度更显其优越性。预测实验表明,采用改进的交叉验证预测模型具有泛化能力强、稳定性好的特点,并且在小样本的条件下能达到预期的辨识精度。     

基于量子粒子群优化的在线航迹规划

现代战场中,环境信息是变化的,飞行器很难预先获得精确的全局环境信息,因此要求无人飞行器具有实时的航迹规划能力,采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题;同时,根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Spline插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题,简化了问题复杂度,提高了计算效率.仿真结果表明该方法可以满足在线航迹规划的要求.     

基于视觉伺服的自主微装配方法

研究基于视觉伺服的自主微装配方法,为实现深度信息估计,提出一种基于马尔可夫随机场的散焦特征参数模型,将散焦特征深度信息的估计转化为能量函数的优化问题,采用Broyden 图像雅可比矩阵实现视觉伺服控制。通过微夹钳自动定位与夹取实验,验证了该方法的有效性。     

基于混合DSm模型的多机器人地图构建

针对多移动机器人探测静态未知环境,提出了多机器人的一类新的体系结构和机器人内部控制结构,采用分布式融合框架,引入了最近提出的一种在贝叶斯和DST扩展而来的信息融合理论DSmT,结合限制传播算法,建立了不精确传感器(声纳)的混合DSm模型.构造了基本信度赋值函数,计算每个栅格的基本信度值(gbba),有效地融合了多个移动机器人使用声纳获取到的不精确、不确定和高冲突环境信息.最后,以Pioneer 2-DXe机器人作为实验平台,将由混合DSm模型构建出的静态环境地图与实际环境布局做比较,并利用openGL绘制出三维置信度分布图,充分验证了所提出的算法和基于通信的多机器人系统的有效性.     

广义模糊推理与广义模糊RBF 神经网络

在提出广义模糊推理概念的基础上,提出并分析了广义模糊径向基(RBF)神经网络模型,给出了该网络的广义学习算法。仿真结果验证了广义模糊RBF神经网络模型具有良好的函数逼近能力,所提出的学习算法是可行和有效的。     

一种非常数型径向基函数神经网络学习算法研究

提出一种新的非常数型径向基函数神经网络的最优聚类学习算法,并将该算法应用于函数逼近和系统辨识.仿真结果表明本文提出的学习算法具有聚类的快速收敛性和网络构造的简练性.     

智能RLED动态目标中机器手的模糊鲁棒控制系统

给出了一种电机驱动机器手中非线性机电模型的模糊鲁棒闭环控制系统,此控制系统可处理非结构环境下的三个主要的智能机器人导航问题：自动化规划、快速连续导航中的避障、处理结构和（或）非结构不确定性。     

平面图形的分类与识别方法研究

对几种常用的平面图形分类与识别算法进行了分析比较,在此基础上,提出了一种基于拐点不变量的平面图形识别方法,该方法对于具有直线段和弧线连接的简单几何图形,能快速、准确地识别,方法简单、可靠。