未知环境中移动机器人柔性行为决策的调节发育学习

未知环境中移动机器人柔性的行为决策是完成各种任务的前提.目前的机器人行为决策方法在面对动态变化的环境时柔性较差,机器人难以获得持续稳定的学习能力.本文作者曾尝试通过集成小脑监督学习和基底神经节的强化学习来实现移动机器人动态环境下的柔性行为决策,但所提算法适应动态环境的能力有限.在前期工作基础上,本文设计了更有生物学意义的好奇度指标代替原来的警觉度指标,通过模拟蓝斑活动在基音模式和阶段模式之间的动态切换,实现移动机器人环境探索-利用的动态自适应调节.同时,设计随外部环境变化的自适应调节因子,实现移动机器人动态环境中基于小脑监督学习和基底神经节强化学习的柔性行为决策,使机器人可以获得持续稳定的学习能力.动态环境和实际环境中的实验结果验证了本文所提算法的有效性.

反对称双正交小波在红外图像小目标检测中的应用

在给出利用反对称双正交小波进行图像多尺度边缘提取的相关理论基础上,针对海空背景下远距离小目标的特点,提出了一种海空背景下红外图像小目标检测方法。首先应用反对称双正交小波变换的多尺度边缘检测方法,确定目标的潜在区域,进一步在潜在区域内采用形态学方法提取目标,从而实现了在小波塔式分解数据上的图像边缘特征提取和小目标检测。与采用二进卷积型小波的检测方法相比,具有图像处理数据量小,实现速度快的特点。实验结果表明,该方法能够有效抑制杂波干扰,准确检测出小目标。

机器人标定算法及在打磨机器人中的应用

首先介绍了机器人位姿匹配的基本原理,以及两种通用的机器人几何参数标定的优化算法:非线性优化方法和递归线性方程法,并分别利用这两种优化算法对打磨机器人的几何参数进行了标定.在此基础上,通过分析影响打磨机器人位置误差的因素,从参数集中剔除对位置误差影响不敏感和无法区分其影响效果的因素,再采用前述优化算法对机器人几何参数进行标定.仿真结果表明此标定效果和前者相比无显著差异,在一定情况下甚至优于前者.因此在标定过程中,可以采用把冗余参数去除来对机器人进行精确标定.

碳纤维镀铜及其对铜基复合材料界面影响

碳纤维与铜之间的润湿性很差,导致碳纤维铜复合材料的界面问题十分突出,给碳纤维增强铜基复合材料具有的优异性能带来很大的影响.用化学反应法在碳纤维表面镀铜,然后再与铜复合,可以有效地解决上述问题.但由于碳纤维具有纤细疏水、表面惰性的特点,对它镀铜很难.本文以CuSO4为主盐,锌粉为还原剂,研究了4种不同类型添加剂:A(烷基苯磺酸盐)、B(烷基磺酸盐)、C(十二烷基脂肪酸盐)和D(十二烷基脂肪酸盐+乙酸钠)对碳纤维镀铜的影响.结果表明:D型添加剂最有利于碳纤维镀铜,它能有效地解决碳纤维镀铜时经常发生的碳纤维束“黑心”问题.在实验中观察到整束碳纤维被均匀、连续地镀上了铜.通过扫描电镜观察:在镀铜碳纤维的断面上可以看到镀层和碳纤维结合得很牢固;在镀铜碳纤维与铜复合所得的复合材料中碳纤维与铜之间的界面结合得十分紧密.

基于线性投影的代数空间降维分析

主成分分析和奇异值分解都可以用于代数空间降维的线性投影分析,该文详细分析了这两种代数方法并给出了用于代数空间降维分析时二者之间的联系,并得到了在正定的实对称矩阵条件下主成分分析和奇异值分解是等价的这一结论。

遗传神经网络法及其在机器人误差补偿中的应用

针对某打磨机器人的位姿误差分析,提出一种采用二进制和实数值混合编码的遗传BP网络法,同时优化网络结构和权值矢量;网络结构采用二进制编码保留了粒度编码方法的优点,对连接权值系数的实数编码进行Solis&Wets运算使新的遗传算法具有进化规划和进化策略的优点;结合遗传算子和Solis&Wets算子生成后代的方法以及最佳个体保留策略使得遗传搜索空间的群体多样性更好,加快了遗传算法的收敛速度;采用动态参数编码方法替代Vittorio粒度编码方法,既提高了连接权系数的优化精度,又避免了Vittorio粒度变化所引起的适应度的剧烈不连续变化.仿真和实验结果均表明该算法能有效克服遗传算法的非成熟收敛,提高机器人的位姿精度.

改进蚁群算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把蚁群算法引入到机器人路径规划中;普通的蚁群算法存在收敛速度慢、效率低和容易陷入局部最优等缺陷,难以直接应用于机器人路径规划中;提出一种在蚁群算法中改进信息素的更新方式、引入最大最小蚁群系统以及改进状态转移规则的移动机器人路径规划方法,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方法能缩小最优路径的查找范围,降低发现最优路径所需的循环次数,能有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。

顺序形态变换的图像增强算法

根据顺序形态变换的相关概念和性质,提出了一种新的图像增强算法。该算法通过对图像做局部加权均值滤波,得到图像增强的基值分量;采用多方位结构元素与图像边缘匹配,计算图像关于各个方位结构元素的加权均值并选取其中的最大值来确定边缘;将此最大值与基值分量之差作为增强分量来扩大图像灰度梯度的动态范围;针对图像中的高灰度区和灰度剧变区,应用图像局部均值和方差自适应调节增强系数。因此,算法在抑制图像中的高频噪声的同时,能有效提升图像中的边缘和目标。实验结果表明,增强前后图像标准差由41.1515,36.9133提高到62.0535,52.8331;图像熵由15.8463,16.8998减少到15.8156,16.8324。

智能轮椅的研究现状与关键技术分析

本文对智能轮椅的国内外研究现状进行了较详细的总结,并对其涉及的关键技术及其应用现状进行了分析。

基于小波分解的塔式快速图像匹配算法

文章利用小波分析的多分辨率特性,构建了小波金字塔上的快速图像匹配算法。首先对低分辨率的图像进行匹配操作,然后逐级上推,最终实现全分辨率下的图像匹配。实验结果表明该算法可以减少计算量、显著提高匹配效率。

改进遗传算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把遗传算法引入到机器人路径规划中,而标准的遗传算法存在着收敛速度慢、效率低等缺陷,提出一种改进遗传算法的移动机器人路径规划方案,在栅格环境下对移动机器人路径规划进行仿真测试,仿真结果表明此方案能缩小路径的局部查找范围,提高发现最优路径的效率,整体性能优于标准遗传算法。

蚁群遗传算法在移动机器人路径规划中的综合应用研究

针对基本蚁群算法在机器人路径规划搜索初期盲目性大、效率低以及其搜索后期容易陷入局部最优等缺陷,把遗传算法引入到蚁群算法中,提出了基于蚁群遗传算法的移动机器人路径规划方案,在栅格环境下对移动机器人路径规划方案进行仿真测试,仿真结果表明该方案能减少蚁群算法搜索初期的盲目性、缩小最优路径的查找范围,提高搜索最优路径的效率。

机器人运动学标定综述

从基于运动学模型的几何参数标定、机器人自标定、神经网络的正标定和逆标定三个方面,对机器人运动学标定方法及其研究现状进行了分析总结。详细介绍了每种标定方法的特点、存在的问题以及研究现状。最后对多机器人协作系统的标定以及运动学标定的发展方向进行了简要论述。

改进蚁群算法在DSR路由协议中的应用

针对移动Ad hoc网络节点移动频繁和单路径DSR路由协议不能均衡负载、网络健壮性低以及蚁群算法存在局部查询最优的问题,提出一种改进的蚁群算法,并把改进的蚁群算法应用到单路径路由协议DSR,设计出基于蚁群算法的多路径路由协议IDSR,通过仿真实验,从影响Ad hoc网络路由协议性能优劣的3个主要指标来比较IDSR、DSR路由协议和SMR路由协议的性能,实验结果表明,虽然改进协议IDSR路由开销比DSR、SMR稍有增加,但分组的投递率和平均端到端延时性能都有明显提高。

机器人误差补偿优化方法研究

为实现某打磨机器人的位姿误差补偿,在标准遗传算法和Solis&W ets算法的基础上,提出一种改进的自适应遗传算法和改进Solis&W ets算法来优化BP网络的权值和阈值,通过标准BP网络来计算机器人在任意位姿时的误差,从而可以对误差进行实时补偿。仿真和实验结果表明两种算法都能有效提高BP网络的学习效果,避免陷入局部最优,提高机器人的位姿精度,且同样目标条件下改进的自适应遗传算法的优化效果优于改进的Solis&W ets算法。最后对仿真和实验结果进行了分析。

基于ARX技术的AutoCAD图形文件加密研究

本文在介绍了AutoCAD的二次开发工具objectARX的开发原理和特点基础上,结合实际工程要求提出了一个基于ARX的AutoCAD图形文件加密算法。运行结果表明该算法满足设计要求且具有一定的实际应用价值。

改进蚁群算法在P2P网络资源搜索中的应用

针对P2P网络搜索算法中冗余查询消息过多,资源搜索效率低的问题,提出了基于改进蚁群算法的P2P资源搜索算法,算法中在选择邻节点查询时,综合考虑到本地资源情况、邻节点资源情况、邻节点资源相似度等因素,尽量避开了资源搜索中的恶意节点,并改进了基本蚁群算法的状态转移规则,从而避免了查询消息的盲目发送。仿真实验表明,与传统资源搜索算法K-radom-walks和Flooding相比,该算法在搜索命中率和带宽利用率方面有明显提高。

打磨机器人误差建模与参数辨识

简要介绍了一种实用的机器人位姿误差建模方法-摄动法,并利用此方法建立了打磨机器人位姿误差模型,对利用三坐标测量机测量的误差数据进行了建模补偿。误差参数辨识中,在传统的九线法的基础上,提出了单点法测量机器人的误差参数,克服了九线法中三测量点位置误差对测量结果的影响,提高了测量结果的可信度。实验结果表明,建模补偿后机器人位姿误差平均值降低到初始值的1/5左右,最大值降低到初始值的1/6左右,验证了所建模型的正确性和参数辨识方法的有效性。

未知环境中自主机器人的路径规划研究

未知复杂环境中自主机器人合理的路径规划是进行探索任务的前提.传统的路径规划方法侧重于研究从起始点到目标点的无碰路径,很少考虑机器人自身运动的平稳性.研究了室外未知环境中考虑机器人姿态稳定性以及能量损耗的路径规划方法,该方法分三步:(1)梯度计算,计算运动区域的梯度;(2)节点探测,运动区域被划分为平坦区域和非平坦区域,辨识每个平坦区域的中心位置,即节点;(3)路径评估,根据提出的评估函数,规划出从当前位置经过中间节点到目标点的最优路径.结合机器人的动力学特性,利用反演控制,设计了合适的控制率,保证了机器人的平稳运动.通过和传统规划方法获得的路径比较,仿真验证了所提方法的有效性.

视频监控系统中小运动目标分类算法

给出了视频监控中的一个小目标分类算法.首先,利用最大互信息获得一组可靠、独立且具辨认力的目标特征集.然后,用有向无环图的多类支持向量机进行分类.分类器的训练分为两步,首先使用场景无关的特征量训练得到基准分类器;然后再利用与场景相关和无关的特征量,进一步训练分类器,以便提高分类器的精度.实验结果证明该算法不仅能满足一定的分类精度,而且对新场景具有很好的适应能力.