多智能体协作技术综述

本文从协作模型和研究方法两个角度考察了多智能体协作技术的发展 ,认为是外在的理性形式化模型和内在的对策和学习机制是多智能体协作技术的两个重要方面 .

非线性系统多步预测控制的复合神经网络实现

提出一种基于神经网络的非线性多步预测控制。采用由线性网络和动态递归神经网络构成的复合神经网络，在此基础上将线性系统的广义预测控制器扩展为非线性系统的多步预测控制器。通过对非线性过程ＣＳＴＲ的仿真表明，该方法的稳定性和鲁棒性明显优于线性ＤＭＣ预测控制。

一种新型翻转跳跃运动机器人的运动结构与轨迹规划

提出一种全新的单腿机器人运动模式——翻转跳跃运动模式 ,对其运动结构和轨迹规划进行了分析 .与一般单腿机器人的弹簧结构完全不同 ,翻转跳跃运动机器人的运动结构仅由 3个旋转关节构成 ;1个完整的翻转跳跃运动周期则由 2个行走阶段和 2个飞行阶段组成 .在飞行阶段 ,由于机器人绕其质心的角动量守恒 ,各关节则不加控制 .因此 ,可利用这种全新运动模式机器人特有的运动学和动力学特性 ,将其运动轨迹规划问题转化为 2个非线性二阶约束条件下的最优化问题 .

基于再励学习与遗传算法的交通信号自组织控制

提出一种基于再励学习和遗传算法的交通信号自组织控制方法 .再励学习针对每一个道路交叉口交通流的优化 ,修正每个信号灯周期的绿信比 .遗传算法则产生局部学习过程的全局优化标准 ,修正信号灯周期的大小 .这种方法将局部优化和全局优化统一起来 ,克服了现有的控制方法需要大量数据传输通讯、准确的交通模型等缺陷 .

混合算法实现的RBF神经网络及在模式辨识中应用

把模糊聚类算法和 RBF神经网络结合起来 ,得到一种基于混合算法的 RBF神经网络 .首先由改进的 FCM算法确定神经网络结构 ;然后利用监督学习对网络参数进一步优化 ,并对输出权值调整 .使网络不仅具有最优的拓扑结构 ,而且又具有较强的映射能力 .对驾驶员的疲劳程度进行识别 。

一类复杂系统的稳定模糊滑模自适应控制

对一类复杂过程对象给出了模糊控制系统的设计方法 .用标准模糊系统对过程对象的不确定部分进行估计 ,得到一个基本控制器 ,根据该基本控制器的输出误差设计参数的学习律 ;当控制器的输出误差收敛到一定范围时 ,再由基于动态规则库的自适应模糊控制系统补偿建模误差 .结果表明 。

通用部分全局规划方法在多智能体协调控制中的应用

针对多智能体系统分布式问题建立了智能体的简单模型，并对其进行了形式化描述，提出了多智能体系统的一种协调算法，即通用部分全局规划算法．在该协调算法的作用下，多智能体系统中各个智能体的局部规划／协调器对各自的行为进行规划，从而使整个系统相互协作，共同完成系统的全局任务．因此，它是一种全局协调算法．该算法并不局限于某个具体的应用领域，具有一定的通用性．

时延不对称Hopfield神经网络的稳定条件及其应用

本文对具有时延的不对称Hopfield型神经网络平衡点的稳定性进行了分析,得到了网络平衡点全局渐近稳定的一些充分条件,最后我们说明了分析结果在网络设计和参数选择中的应用。

一种基于曲率提取轮廓特征点的方法

对边缘轮廓线进行了自适应平滑，在以轮廓点为中心的支撑区域内定义了曲率角，并根据定义的曲率角及曲率符号，采用简单的模板匹配技术，提取出候选的轮廓特征点，对候选点附加抑制条件得到真正的特征点．此方法减少了数字化误差及噪声带来的影响，抗干扰性好，且运算量较小．实验表明。

基于双闭环模糊控制的有源电力滤波器

有源电力滤波器普遍采用双闭环控制。从双闭环协调控制的思路出发,通过对有源电力滤波器运行时内外环之间的相互耦合的研究,总结了双闭环PI参数协调控制的规律,并把总结的控制规律应用模糊控制的方式对有源电力滤波器进行控制。仿真结果和实验测试结果表明所述方法不仅使得直流母线电压在启动过程中的超调量很小,电压收敛速度快,而且发出的冲击电流很小,从而大大增强了系统运行的可靠性和直流母线电压的稳定性。仿真结果和实验测试结果表明,该方案能显著提高系统响应速度,并使注入电网的谐波电流达到IEEE519-1992的要求。

微分进化算法的研究综述

微分进化(DE)是比较新的基于群体的随机优化方法。它具有简单、快速、鲁棒性好等特点,已经得到广泛关注。不同于其它进化算法,它的变异算子是由种群中任意选取的多对向量的差值得到的。微分进化主要用于实参数优化问题,在非线性和不可微的连续空间问题上优于其它进化方法。近些年,微分进化的应用领域也是不断扩大。研究目的是总结微分进化的研究进展和应用领域,并对它的进一步研究进行展望。

上肢假肢控制模式的信息源研究

合理选择上肢假肢的控制信息源是发展高效能多自由度上肢假肢的前提。本文综述了当前各种上肢假肢控制所采用的信息源模式 。

基于交互式多模型的粒子滤波算法

融合交互式多模型和粒子滤波,提出了一种新的多模型粒子滤波算法。该算法采用多模型结构以跟踪目标的任意机动。各模型采用粒子滤波算法,以处理非线性、非高斯问题。各模型中相对固定数目的粒子群经过相互交互、粒子滤波后再进行重抽样以减少滤波退化现象。与通用的交互式多模型算法进行了比较,试验仿真结果证实了本文新滤波算法的有效性。

TCP/IP网络与CAN网络网关的设计与实现

介绍了一种TCP/IP与CAN异构网络间互联网关的设计与实现方法。通过分析TCP/IP网络与CAN总线网络的特点,给出了网关硬件设计方案及软件模块。该方法采用PC外挂EPP-CAN盒子的方式,适用于任意TCP/IP网络,与一般的嵌入式网关只针对某一类计算机网络(如以太网)而扩展较难相比,具有更好的灵活性、通用性、程序可移植性和易开发易维护性。

高速公路交通流的RBF神经网络建模

在对城市高速公路交通流模型深入研究的基础上 ,针对在不同环境以及时变系统中对复杂非线性大系统的控制 ,提出了一种改进的快速 RBF神经网络算法对交通流进行建模 ,克服了传统的数学模型对交通非线性大系统建模时泛化能力差的缺陷 .该算法是采用 APC- 单路径聚类算法确定 RBF神经网络结构参数的一种快速 RBF神经网络算法 ,网络训练速度快 ,效果良好 ,对实现交通流的在线建模与控制有重要意义 .文中进行了计算机仿真研究 。

基于多级决策的多智能体自动导航车调度系统

提出基于多级决策和协作学习的方法来建立自动导航车 ( AGV)调度系统中每个 AGV所需要的动态分布式调度策略 .系统中的每一个 AGV都由一个具有两级决策能力的智能体控制 :在选择级 ,智能体采用 Markov对策框架下的强化学习方法 ,以根据其他 AGV当前的子任务建立自己的最有反应子任务 ;在行动级 ,智能体通过强化学习建立优化的动作策略来完成由选择级确定的子任务 .AGV调度仿真结果证明 ,该方法能提高系统的产量 。

基于核模糊聚类的多模型LSSVM回归建模

针对大规模数据采用单模型回归存在精度差和计算量较大的问题,提出一种基于核模糊聚类的多模型最小二乘支持向量回归建模方法.该方法首先使用基于条件正定核的模糊C均值聚类算法对数据集做出聚类划分;然后针对每个聚类做最小二乘支持向量回归估计;同时根据每个聚类内数据分布的特征,给出了一种简单的核参数选择方法.利用数值仿真实验进行非线性函数估计,实验结果表明了所提出的方法具有良好的精度和泛化能力.

基于余弦距离度量学习的伪K近邻文本分类算法

距离度量学习在分类领域有着广泛的应用,将其应用到文本分类时,由于一般采用的向量空间模型(VSM)中的TF*IDF算法在对文本向量表达时向量均是维度相同并且归一化的,这就导致传统距离度量学习过程中采用的欧式距离作为相似度判别标准在文本分类领域往往无法取得预期的效果,在距离度量学习中的LMNN算法的启发下提出一种余弦距离度量学习算法,使其适应于文本分类领域,称之为CS-LMNN。考虑到文本分类领域中样本类偏斜情况比较普遍,提出采用一种伪K近邻分类算法与CS-LMNN结合实现文本分类,该算法首先利用CS-LMNN算法对训练数据进行距离度量学习,根据训练结果对测试数据使用伪K近邻分类算法进行分类,实验结果表明,该算法可以有效的提高分类精度。

OPC跨平台通信的实现方法

随着工业自动化的发展,工控领域中常常会遇到异构平台之间的用于过程控制的OLE(OPC)通信问题。提出3种方法,分别利用EntireX DCOM,Java以及XML OPC,在Linux下开发OPC客户端。使用Linux上的OPC客户端访问Windows平台上的OPC服务器,从而实现OPC的跨平台通信。描述各种方法的关键技术并给出相关代码,并对所有实现方法进行比较,分析它们在工业应用中的前景。