改进六足机器人Matsuoka模型

针对单神经元的Matsuoka振荡器的中枢模式发生器(CPG)模型只能输出持续高位的信号,不能实现控制六足机器人的三足步态规划的问题,提出通过模拟生物肌肉的特性,建立伸张肌神经元与收缩肌神经元相互抑制相互作用的双神经元的Matsuoka振荡器模型。通过试凑法与单参数分析法结合确定双神经元Matsuoka振荡器模型的参数。最后通过Matlab仿真验证了改进后的Matsuoka振荡器能够控制六足机器人的三足步态规划。

自适应遗传算法在HybridSLAM中的应用

针对HybridSLAM算法在构建地图时出现的粒子耗散问题,提出了一种利用自适应遗传粒子滤波进行重采样的HybridSLAM算法。为了使自适应遗传算法在粒子滤波中更好的应用,该算法根据粒子滤波的特性,在交叉和变异阶段提出了新的自适应策略,得到更符合粒子滤波特性的交叉和变异概率,使其更好的解决粒子滤波的问题。最后在MATLAB平台上进行仿真比较。仿真结果表明,改进后的自适应遗传算法能够缓解粒子耗散的同时,还可以提高地图的精度,比现有的自适应遗传算法更有效。