多智能体博弈的纺织车间搬运机器人任务分配

针对当前纺织品智能化生产加工过程中搬运机器人所面临的大规模复杂动态任务分配问题,提出了一种基于智能体博弈理论的分布式自主决策框架。根据纺织品实际生产过程任务环境建立任务模型,在考虑到任务的距离和时间优先级等因素下建立目标函数,以智能体的目标效用函数最优为策略选择依据,引入博弈论中的Nash均衡理论对问题求解,并对该决策框架进行了实验验证。实验结果表明:在该决策框架下任务的分配相比同类分布式任务分配算法能够得到全局最优解,具有较强的可扩展性、良好的鲁棒性、收敛性能,同时对动态任务分配同样具有良好结果表现。

车路协同下带诱导车速的单车道改进NS模型

面向车路协同环境,基于一维元胞自动机模型提出了一种带诱导车速单车道改进NS模型。分析了车路协同交通环境中可交互的基本车辆信息。根据前后车辆的位置、速度制约关系和邻近阻塞点位置等信息类别,以及在此信息交互条件下将对车辆运行产生的影响,在单向不发生换道的假设下,设计了不同车辆关系下的诱导车速模型,并基于诱导车速模型对NS模型进行了改进。根据实际道路条件,在不同车辆密度条件下,对所建模型进行了数值模拟。数值仿真结果表明:遵守诱导速度对车辆进行控制,能够在车辆密度小于0.4 pcu/km的路况中获得较好的平均速度和平均流量;但当车辆密度大于0.4 pcu/km时,由于同步相的增多,改进NS模型中平均车速和流量均不能优于当前微观交通流现状。不同遵守率仿真结果说明:在同等车流密度条件下,当遵守车速诱导的车辆比率下降,则诱导车速的有效性也发生下降。理论和数值结果均表明:在未来交通环境中的信息交互条件下,车辆的运动规律将发生改变。根据此改变所提改进NS模型能够较好地揭示车路协同条件下单车道环境中的微观交通现象,为未来智能交通提供理论基础。

智能家居移动机器人的人脸识别方法

针对人脸识别系统中,单独的RGB图像容易受到背景干扰的问题,提出了一种结合深度图像的实时人脸识别方法。以Turtlebot机器人为载体对原始深度信息进行采样,使用Haar算法对目标深度值检测,快速分离头部背景。运用Hungarian算法与HMM算法相结合的跟踪模式,过滤潜在的干扰信息。最后,在真实场景中,利用所搭建的机器人平台进行单目标和多目标的识别测试实验。结果表明:人脸实时识别的准确率94.3%,头部定位平均76 ms,平均识别时间仅为751.17 ms。该方法在保持良好精度的情况下具有鲁棒性,可以满足智能家居移动机器人人脸识别的需要。

基于改进混合高斯模型的车辆多目标检测方法

针对混合高斯模型(GMM,Gaussian mixture model)在多车辆运动目标检测时易出现噪点、目标断裂、空洞等问题,给出一种结合改进GMM的车辆多目标检测方法.基于GMM获取车辆前景掩膜,为改善车辆检测效果,对前景目标进行Blob分析和形态学处理,对经典GMM进行改进,继而对所获结果进行匹配并实现了实时的前景目标更新.最后,对采集的真实图像数据进行验证实验.结果表明,此方法能够有效改善多车辆目标检测中的噪声干扰和前景虚化问题,可适应不同车辆密度下的多目标检测,具有较好的实时性,对于不同车型和车色检测率最低可达93.08%.

柔性制造系统时延Petri网模型排产优化研究

为解决现有柔性制造系统排产效率低的问题,提出一种基于时延Petri网模型的柔性制造系统排产优化方法。首先,根据柔性制造系统生产模式的特点,为其建立包含生产路径约束信息的时延Petri网模型。其次,设计遗传算法与模拟退火算法的混合算法,快速搜寻时延Petri网模型最优或次优变迁发生序列,从而得到系统加工优化路径。最后,通过算例仿真与分析,表明该算法具有较高的准确率,且有较强的跳出陷阱能力,证明了其在基于时延Petri网模型的柔性制造系统排产优化方面的有效性。