大规模多移动机器人合作任务的分布自主协作系统

以大规模多移动机器人觅食任务为背景,探讨了在分布式协作体系结构下系统任务级的协作与行为级的协调问题.提出了一种动态任务分配机制,在缩短任务完成时间的基础上减少了系统通信量并解决了任务死锁问题.同时,设计了一种基于预测的冲突消解方法,使机器人能够对动态障碍物进行精确避障.最后,通过仿真实验验证了上述方法的有效性.

变电站巡检机器人导航方法研究

随着移动机器人技术的发展和变电站无人值守的开展,变电站巡检机器人应运而生。稳定的导航是巡检机器人能够正常工作的前提保证,因此针对变电站巡检机器人的导航方法进行研究。影响导航的关键因素有导航方式和导航算法,变电站巡检机器人采用视觉与电磁融合的导航方式,运用自适应位置型PID控制算法,对于脱离导航线的错误处理采用模糊控制的思想,实现了巡检机器人的导航并得到了实际应用,实际运行的结果说明此种方法抗干扰能力强、收敛性好。

基于分层强化学习的多移动机器人避障算法

介绍了一种基于分层思想的强化学习方法,即将机器人的复杂行为分解为一系列简单的行为进行离线独立学习,并分别设计了每个层次的结构、参数及函数。这种学习方法能够减小状态空间并简化强化函数的设计,从而提高了学习的速率以及学习结果的准确性,并使学习过程实现了决策的逐步求精。最后以多机器人避障为任务模型,将避障问题分解为躲避静态和动态障碍物以及向目标点靠近3个子行为分别进行学习,实现了机器人的自适应行为融合,并利用仿真实验对其有效性进行了验证。

旋转倒立摆平衡姿态多模型模糊控制算法

针对开环不稳定旋转倒立摆系统,利用运行空间划分的思想设计了一种多模型模糊控制器。讨论了摆上与平衡姿态控制问题,在工况和系统参数大范围变化条件下进行了仿真实验研究,并与LQR方法进行了比较。结果表明,多模型模糊控制算法能够实现稳定的摆上和平衡姿态控制,且具有很强的鲁棒性。

一种基于神经网络滤波的广义互相关时延估计方法的设计

针对在混合噪声环境中,在未知噪声先验信息的情况下提高基于广义互相关时延估计方法的准确性和适应性的问题,提出了基于神经网络滤波的广义互相关时延估计方法。该方法通过对多个具有特定统计特征的预滤波器进行组合优化来实现对混合噪声的滤波。该时延估计方法具有自调整能力,能够适应动态变化的环境,还能够通过相关函数峰值的大小来优化神经网络滤波器,提高了适应性和精度。

移动机器人基于改进粒子滤波的声源目标跟踪研究

在机器人声源跟踪系统中,由于环境中存在非高斯噪声,且系统描述的观测方程非线性程度较高,会导致跟踪精度低、稳定性差等问题。针对以上问题基于粒子滤波方法,提出了一种改进的粒子滤波跟踪算法。在粒子滤波重采样后加入马尔科夫链移动步骤,改善重采样出现的样本枯竭问题。将该算法应用到机器人声源跟踪中,仿真实验表明,相对粒子滤波跟踪算法更加准确有效的实现了声源跟踪。

动态环境下机器人路径规划的混合蚁群算法(英文)

为了实现动态环境下移动机器人的路径规划,将蚁群算法(作为一种全局路径规划算法)与人工势场算法(作为一种局部路径规划算法)相结合,并对蚁群算法做了一些改变,使之适应栅格环境。仿真结果表明,该混合蚁群算法路径性能较好,并能够满足实时要求。

基于BP神经网络的正四面体阵列声源定向研究

针对利用正四面体麦克风阵列获取的时延值实现目标声源跟踪这个问题,提出了一种基于BP神经网络的声源定向方法。设计了一个含有双隐层的BP神经网络,使用Matlab神经网络工具箱进行仿真实验,证明可以实现远场和近场的声源定向,进而进行声源跟踪,有较高的实用性。

群体机器人觅食任务Eulerian建模与分析

为了提高觅食任务性能,根据蚂蚁觅食原理引入了觅食概率的概念,机器人按照该概率决定是否离开Home区域,通过改变该概率值来调整环境中机器人的数量。为了研究觅食概率对系统性能的影响,利用Eulerian数学建模方法建立了觅食任务模型,并通过仿真实验分析了觅食概率对系统整体性能的影响。实验结果表明:觅食概率越大,环境中机器人数量越增加,机器人之间的干扰也增加,从而降低系统性能。最后通过实验分析给出了觅食概率与环境中任务数量以及机器人数之间的大致关系。

基于主动探测的移动机器人声源目标距离测定方法

针对移动机器人声源定位技术的研究大都只实现了对声源的定向,而无法获得准确的声源距离信息的问题,提出了通过移动机器人主动运动实现声源目标距离测定的方法,以及一种基于粒子群优化算法的最优探测点计算方法.通过仿真验证了该方法的可行性和有效性,并且在室内环境下进行测试.试验结果表明:移动机器人可以通过主动运动到达最优探测点,并且实现对声源目标距离的测定.

智能科学与技术专业实践教学体系改革

针对智能科学与技术专业存在综合性和创新性实践教学环节相对薄弱的问题,在分析智能科学与技术专业特点的基础上,提出以"智能康复装置与检测技术"教育部工程研究中心为平台,以各种竞赛为契机,建立以培养人才工程能力和创新能力为主线的实践教学体系的观点。

基于TDOA的声源定位模型中阵列位姿与定位误差之间关系的研究

基于声达时间差(TDOA)和正四面体麦克风阵列的声源定位模型中,影响定位的精度的因素除了阵元安装的位置误差、时间延迟和环境噪声之外,还受到阵列自身位姿的影响,麦克风阵列位姿的不确定,其直接导致声达时间差的不确定,进而影响定位结果,以全范围内声源目标定位为应用背景,利用基于RBF神经网络声源定位模型研究麦克风阵列位姿的不确定对声源定位误差产生的影响.

基于LMS的广义互相关时延估计

针对复杂环境下听觉系统中对声音信号先验知识获取较难的问题,提出了一种基于最小均方自适应滤波的广义互相关时延估计方法。对传声器接收到的声源信号先进行自适应滤波,提高信号的相似度,再对滤波器权值进行平滑相干加权得到广义互相关函数来估计时延。该方法具有较强的鲁棒性,又不依赖于统计先验知识。试验证明其适用于复杂的噪声环境,提高了精度。

移动机器人三维空间听觉定位系统设计

研究移动机器人听觉系统优化问题,针对准确判断发声源位置,为提高机器人听觉系统在空间中的搜索能力,设计了一种基于声达时间差的移动机器人听觉定位系统。整个系统分为信号采集及预处理、捕捉声达时间点、定位计算和机器人控制四个部分。通过建立正四面体结构的麦克风阵列,感知三维空间中目标发出的声音信号,采用声电信号处理技术,实时捕捉声音到达时间点;对定位的数学模型测定目标的方位信息进行仿真。结果证明,听觉系统可实现机器人在三维空间中对声源目标的实时定位,定位精度较高。

基于神经网络的四元球面阵空间声源定向系统

针对移动机器人的目标声源定向问题,应用四元球面麦克风阵列建立了一套空间声源定向系统。为了解决通过阵列的时延值预测出目标声源方向的问题,提出了神经网络算法,并设计了双隐层BP神经网络。通过Matlab仿真验证了该网络可以实现近场和远场的声源定向,并在机器人本体上进行了实验测试,证明了该系统的实用性。

移动机器人听觉定位技术研究

将声源定位技术应用于机器人,使其具有听觉感知定位能力,为机器人感知技术的研究提供新的思路。本文综述智能移动机器人听觉感知技术的研究现状、主要研究问题及发展趋势,对声音信息的获取、初始声音信息的处理、声源定位、多传感器信息融合等技术进行详细介绍,并对其优缺点进行比较。

移动机器人听觉定位技术研究

将声源定位技术应用于机器人,使其具有听觉感知定位能力,这为机器人感知技术的研究提供了新的思路。本文综述智能移动机器人听觉感知技术的研究现状、主要问题及发展趋势,对声音信息的获取、初始声音信息的处理、声源定位、多传感器信息融合等技术进行详细介绍,并对其优缺点进行比较。

基于模糊逻辑的机器人动态避障方法

本文提出了一种动态环境下基于模糊逻辑的机器人动态避障方法。该方法采用包容式结构中基于优先度的行为决策方法,通过模糊规则将机器人工作空间中的动态信息模糊,再转化为对机器人在动态环境中的控制,同时提出接近度的概念,简化了模糊控制输入状态空间,从而减少模糊规则的数量,提高算法的实时性。实验表明,该动态避障方法能够使机器人躲避动态障碍物,并快速准确到达目标位置。

声源定位系统中可控声源的设计

基于DDS芯片的可控声源较其它的声源装置在信号精度以及信号转换速度上有比较大的提高,可以在声源定位系统、新型声纳等研究方面作为比较好的信号源。

基于Clite-YOLOv5的鸡状态检测算法

异常鸡的及时发现和处理能够极大地避免规模化养殖中传染病的传播,异常鸡常见的表征状态为鸡闭眼或眯眼;为实现肉鸡养殖过程中问题鸡只的实时监测,提出一种基于YOLOv5的鸡状态检测算法Clite-YOLOv5,该算法以YOLOv5为基础,进行了如下改进:提出融合了CBAM的lite-CBC3模块并用其重构了YOLOv5主干网络,提高了复杂背景下小目标的检测能力;采用改进后的Fuse-NMS抑制算法,降低了检测框的误删率并微调最终检测框;采用深度可分离卷积替换主干网络中的普通卷积,减少了模型的参数量,使模型更易在移动端部署;实验结果表明,提出的Clite-YOLOv5算法均值平均精度(mAP)为92.88%,视频帧率为92FPS,性能超过现有其他算法,能够满足鸡状态实时监测的需求。