面向协作机器人的零力控制与碰撞检测方法研究

在3C(计算机、通信和消费电子)行业中,对协作机器人的安全、交互、精度、柔顺等方面有严格要求。为了解决协作机器人柔顺交互控制问题,对机器人的零力控制和碰撞检测方法进行了深入研究。首先,建立了一种分析冗余协作机器人牛顿−穆尔彭罗斯(Newton−MP)通用的逆运动学算法,将逆运动学问题转化为Newton−MP法的迭代求解问题。其次,针对协作机器人的零力控制问题,通过同时考虑摩擦力形成完整动力学方程。同时,建立基于加速度3次摩擦力模型的完全动力学方程,采用遗传算法对摩擦力模型进行多参数辨识。再次,提出基于One-class卷积神经网络的碰撞检测方法,构建无碰撞数据集。One-class卷积神经网络在特征空间中引入伪负高斯数据,并使用2元交叉熵损失对网络进行了训练。One-class卷积神经网络碰撞检测方法成功地补偿了模型不确定的动态影响,解决了传统碰撞检测方法建模不准确的问题。最后,通过实验证明,提出的Newton−MP优化方法具有良好的性能,绝对误差达到0.00013 mm。与理想摩擦力模型进行对比,采用基于速度的3次摩擦力模型拟合出的摩擦力能够更好适用于零力控制。将外力矩观测器与One-class卷积神经网络碰撞检测进行优缺点分析,可以证明,One-class卷积神经网络可以在不依靠模型的情况下,准确地检测机器人的异常碰撞。

基于粗糙集和决策树的数据挖掘方法

从粗糙集和决策树两种方法具有的优势互补性出发,提出了一种基于粗糙集和决策树相结合的数据挖掘新方法·以胶合板缺陷检测数据分析为应用对象,利用粗糙集理论对胶合板数据库中的特征信息进行缺陷识别·利用谱系聚类重心距离法对数据进行离散化处理,采用粗糙集进行属性约简,得到低维样本数据,最后用决策树方法产生决策规则·实验证明,这种数据挖掘方法保留了原始数据的内部特点,加快了获取知识的进程,提高了模型的分类准确率,增强了规则的可解释性,取得了满意的研究结果·

基于差分投影与优割字符的车牌字符分割

针对车牌字符分割提出一种基于差分投影与优割字符的车牌字符分割算法.该方法利用水平差分投影图进行倾斜校正和水平切割,使得倾斜校正和水平切割同时进行,在降低算法的复杂度的同时提高了水平定位精确度.然后,结合垂直投影和连通域算法寻找车牌的优割字符,生成滑动的分割模板进行字符的垂直分割,有效地解决了字符粘连、断裂情况下字符识别问题.实验证明该方法分割速度快,分割质量好,对于模糊车牌识别具有自学习品质和很强的抗干扰性能.

基于彩色条纹结构光的物体三维重建方法

提出了一种新的基于结构光的彩色条纹编码方法完成彩色投影图案的设计.将投影投射到待测量物体表面后,需要对获得的图像进行颜色区分来获得代码信息.基于阈值和HSI空间分色算法,研究了彩色编码中8种颜色的有效区分方法.得到投影图像中条纹的代码信息后,利用摄像机和投影仪的参数计算物体的三维信息.研究了摄像机和投影仪标定以及物体三维信息的计算方法,进而研究了基于样条插值的物体表面三维重建方法.利用提出的方法对石膏模型和人手表面进行三维测量与重建.实验结果表明,所提出的三维重建方法具有较高的重建精度和良好的实时性品质指标.

WLAN技术在家居智能化中的应用

目的针对智能化家居的特点,应用无线网络技术构建家居智能化网络系统并研究系统可靠性和安全性的解决方法.方法通过对比无线网络的各种技术标准,选择了适合于构建家居智能化网络的ZigBee技术,以此搭建系统组网模型,设计系统软件工作流程,并分别采用DSSS通信技术、差错控制和RADIUS、非对称加密算法解决系统可能存在的可靠性和安全性问题.结果利用无线网关和外部网络连接构成的智能化家居网络,可提供集中和异地的数据通信,使信息在家庭内部和外部之间充分流通和安全共享.结论采用无线网络技术实现的家居智能化网络系统具有有线网络无法比拟的灵活性和可扩展性,给人们的生活带来了更多的便捷、舒适与高效率.

基于无线传感器网络的智能家居网络技术研究

.目的研究基于无线传感器网络技术的智能家居网络并构建其网络模型.方法根据无线传感器网络的特点,利用无线传感器网络技术,构建基于无线传感器网络的智能家居网络模型,在无线传感器节点的无线收发电路部分采用基于IEEE802.15.4技术的无线收发芯片来降低功耗,并采用许可证技术来保证该局域网络的可靠运行.结果利用无线传感器网络技术构建的智能家居网络保证了信息在家居内部和外部的安全有效传输,对家居网络进行及时有效的控制.结论基于无线传感器网络技术组建的智能家居网络能够对家居环境进行很好地监控,组网方便,将嵌有无线传感器的家具、家电和其他日常用品同互联网相连,可实现远距离控制,提供舒适、方便和人性化的智能家居环境.

软计算方法在数据挖掘中的应用

对数据挖掘和软计算方法做了一个综合性的阐述, 分析了模糊逻辑、神经网络、神经-模糊、遗传算法、粗糙集和混合方法等不同软计算方法的特点, 尤其是对模糊逻辑软计算方法进行了更多的探讨, 并结合软计算方法在数据挖掘中的应用现状, 指出了数据挖掘面临的挑战和软计算方法的应用前景。

基于改进KPCA算法的车牌字符识别方法

针对核主元分析(KPCA)用于提取车牌字符特征不足的情况,提出了一种采用多组均值矢量来代替原始图像矢量进行核矩阵计算的方法,该方法使得核矩阵维数大幅降低,同时有效地保留了字符图像信息.实验结果表明,该方法在不降低识别精度的基础上对输入数据实现了有效的降维,大大缩短了计算时间,有效地满足了车牌实时识别系统技术要求.通过实验对比可知,该方法比目前常用的PCA及FLD算法具有更高的性能指标.

基于混合驱动仿生膝关节机构设计

目的针对传统假肢关节机构与驱动系统的不足,设计并实现由磁流变阻尼器结合直流电机混合驱动,滚珠丝杠传动的多轴闭链仿生膝关节.方法通过多变量优化设计方法求解出膝关节机构参数、滚珠丝杠安装位置参数和电机的角速度及扭矩.基于虚拟样机技术构建了智能仿生腿的仿真平台并在其上进行了运动学仿真.结果仿生膝关节与人腿膝关节运动曲线接近,结合电机驱动可实现更大范围的步速调整.结论该优化方法得到的系统参数可使膝关节机构具有很高的仿生特性及良好的运动特性.

建筑设计虚拟现实技术

目的将虚拟现实技术应用在建筑设计中,实现建筑场景的虚拟现实设计.方法通过分析比较建筑虚拟现实设计软件的特点.研究虚拟场景光线处理和建筑场景建模算法,构造虚拟场景模型.结果将虚拟场景模型软件导入到建筑视景中,引入二维纹理贴图,增强了模型的真实性.结论虚拟现实技术的方法提高了实时漫游速度.研究了二维和三维空间切换方法,使生成的建筑漫游场景立体感强,具有良好的交互性、实时性.

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.

基于方向特征及引力模型的路面裂缝检测

针对全局性路面裂缝检测方法的局限,提出了一种基于方向特征及引力模型的路面裂缝检测方法.算法首先根据裂缝的延伸性及局部过渡性,搜索裂缝端点,并设计了反映裂缝线型特征的方向因子及方向导数区分度判据,使裂缝判别局限在裂缝端点延伸方向的局部邻域内,有效地阻止了非裂缝区域冗余信息的引入.进一步根据人类判别裂缝的视觉特性,借鉴物理学原理建立了裂缝引力模型,增强了噪斑存在时裂缝连接的鲁棒性.结合颜色距离,设计了裂缝延伸与连接的多判据判别函数,实现对裂缝像素区域的判别检测.实验结果表明所提方法的准确性.

基于中值背景模型的运动目标自适应检测方法

目的在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法.方法基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果,采用中值更新策略实现背景图像的实时更新.结果实验结果表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.

基于无线传感器网络的森林火灾模型参数估计

针对森林火灾形势复杂不利于搜救的特点,提出将无线传感器网络应用于森林火灾检测,建立准确的火灾模型,对森林火灾位置和强度进行估计预测.研究了利用无线传感器网络节点进行自适应采样数据的方法和建立高斯空间多峰火灾模型理论方法,并将最大期望算法(EM)和多分辨率搜索算法(MR)相结合,提出用EM-MR算法对火灾模型进行参数估计.通过仿真实验比较,结果表明该模型能较准确地描述森林火灾现场,EM-MR算法在保证估计精度的基础上降低了计算复杂度,证明了方法的有效性.

基于混沌神经网络的建筑节能综合评价

目的构建建筑节能综合评价指标体系,对建筑节能进行综合评价.方法针对神经网络BP算法收敛速度慢且容易陷入局部极小值问题,在常规神经网络中引入混沌神经元,建立混沌神经网络建筑节能综合评价模型.结果根据建筑节能综合评价指标体系各量化指标,得出科学合理的评价结果.通过实验仿真验证了该混沌学习算法的有效性和先进性.在输入参数相同的情况下,训练收敛到相同精度,CNN模型的训练次数少于BP网络模型,CNN模型用于建筑节能评价精度高.结论运用混沌神经网络进行建筑节能综合评价的方法是有效的.

基于欧氏距离的分布式网格定位估计方法

针对网格定位估计方法,提出一种基于欧氏距离的分布式网格定位估计的改进方法.研究了通过比较被测节点与信标节点之间的跳数信息,实现被测节点快速自身定位的方法.研究了利用欧氏距离替代匹配阈值提高定位准确率和利用分布式计算减少网络能量消耗的方法;利用迪杰斯特拉算法研究了计算节点间最小跳数的算法.仿真实验结果表明,该方法具有定位快速、节约成本、节省能量、定位准确率高和鲁棒性好的特点.

神经网络在建筑智能化中的应用

本文介绍人工神经网络在建筑智能化中的应用 ,讨论了建筑神经网络学习控制模型的结构特点、关键技术、应用。

神经网络和遗传算法在动态路径诱导中的应用

针对智能交通路径诱导目前存在的实时性差和求解效率低的问题,提出了将神经网络与遗传算法结合的动态路径诱导方法,研究了基于神经网络的交通信息实时预测方法,构造了具有时变性的路阻矩阵,解决了传统静态路阻存在时变性差等的局限性问题;探讨了基于遗传算法的最优路径求解问题,提出了适用于路径优化的编码方式、适应度函数和遗传操作算子,解决了求解效率和求解质量的平衡问题。仿真实验表明,该方法满足路径诱导的准确性、实时性和快速性要求。

基于粗糙集的神经网络缺陷分类方法的研究

目的减小BP网络的维数,提高网络的训练速度与精度.方法采用粗糙集软计算方法对墙地砖的原始特征进行优化,去除冗余特征,并采用BP网络对测试样本中随机选取的样本进行测试.结果通过对该算法的仿真,证明了该算法具有良好的识别精度.结论采用粗糙集理论对原始数据进行特性约简,除去了冗余特征,完成预处理的过程,缩短了神经网络分类器训练时间,提高了分类精度。

粗糙集-决策树在数据挖掘中的应用

目的将数据挖掘技术应用在胶合板缺陷检测数据中,提取出有效的、正确的规则信息.方法通过分析比较粗糙集软计算方法和决策树方法的特点,利用两种方法具有的优势互补性,将其进行有机集合,构造数据挖掘模型.结果从胶合板缺陷检测数据中挖掘出对用户有价值的决策规则,并将其用“IF-THEN”语句表达出来,以便指导以后的决策过程.结论基于粗糙集和决策树结合的数据挖掘方法提高了获取规则的快速性,降低了计算的复杂度,增强规则的可解释性,取得了良好的研究结果.