由神经网络提取规则的一种方法及其应用

提出一种由预处理和规则提取两阶段组成的方法从神经网络中提取规则．预处理阶段包含有动态修正、聚类和删枝３部分．动态修正是自动生成或由初始规则集构造出全联接或非全联接网络初步拓扑结构；聚类和删枝分别删截掉不重要或多余的隐含节点和联接，从而可以得到最简洁和规模小的拓扑结构，成为提取规则的基础．提出了规则提取算法并用于已删截好的网络提取规则．该方法应用于美国ＡＤ报告中气象云图的数据，提取出规则集，经过测试数据集的测试表明是正确的和有效的，并且是一种简单。

在动态环境中移动机器人导航和避碰的一种新方法

本文提出了基于超声传感器的信息 ,将改进的栅格和回归预测法结合起来 ,应用于具有静态和动态障碍物的动态环境中 ,移动机器人 THMR- 的导航和避碰的一种新方法 .对栅格法的改进就是以障碍物为单位记录信息量 ,结果比原来以栅格为单位记录的信息量少得多 ,克服了栅格法中存在环境信息存储量大的问题 ,提高了实时性 .对回归预测法也作了改进 ,并把它们结合起来 ,在求得最佳候选扇区后 ,使移动机器人躲避了静态和动态障碍物 ,实现了导航 ,最终到达目标 .通过三种仿真实验 。

CADCS专家系统的一种新结构及实现

本文研究并实现了一种用于对控制系统进行分析、设计和建模的专家系统。文中对一种分层的专家系统的总体结构、作为子专家系统的模型数据库和知识库作了详细阐述,并通过实例说明该专家系统的功能和特点。

智能控制研究的新进展

本文提出的智能控制，可以看为当今四个主要学科交互作用的结果（即四元图），并介绍作者和国外一些学者在模糊集、人工智能（ＡＩ）和人工神经元网络（ＮＮ）的综合技术（简称ＦＡＮ技术）的部分研究成果。

基于人工神经元网络的控制系统模型简化的专家系统

本文研究并实现了一个基于人工神经元网络的控制系统模型简化的专家系统(简称为ESOMRT)。该系统适用于专家和非专家用户,能够针对更体的连续和离散时间的高阶控制系统模型和简化要求选择合适的简化方法,并可对简化质量从时域和频域方面进行评估。在构造这个系统的过程中,作者提出了智能数据库的概念,使用了过程型和人工神经元网络方法相结合的知识表达方式,并利用神经元网络的再学习机制实现了斗自动知识获取,该系统具有三种工作模式和友好的人机界面,使系统的智能水平比较高并有实用价值,现已在IBM-PC/XT和386机上运行。

控制系统计算机辅助设计的专家系统——AI技术与CADCS的结合

本文研究并实现了一种用于控制系统进行建模、分析、设计和仿真的专家系统.介绍了作者提出的一种分层专家系统的总体结构.详细阐述了两种知识库的内容及构成,列举了极点配置法校正的二级规则树.并通过例子说明了该专家系统的主要功能和特点.

线性控制系统计算机辅助设计的专家系统

本文研究并实现了用于进行控制系统的计算机辅助分析和设计的专家系统。介绍作者提出的一种新的分层的专家系统总体结构。该系统为控制问题在计算机中的描述提供了一个良好而统一的方法。具有运用和处理控制领域中知识和经验的能力;问题求解的机制中有语义回溯能力;对知识库有编辑能力等。简要介绍系统的三种工作模式和体现系统智能水平之一的两级知识库。该系统已在IBM-PC/AT和COMPAQ-386等机器上运行。

智能移动式机器人的一种全局路径规划方法和基于知识的路径控制器

本文介绍一种类似位姿的全局路径表示法,以三角形自由空间网络为基础构造平面图,然后构造出解答树,通过搜索方法找出所有可通路径的全局路径规划方法及其仿真结果.还介绍由规划器给出允许位姿集描述的路径,与规划库中的规则相匹配,确定机器人的动作,最终到达目标,这样一种基于知识的路径控制器及其实验结果.

基于B-P算法的神经元网络作为离散时间非线性对象的逆控制

提供了基于B-P算法的神经元网络作为离散时间非线性对象的两种控制方法和两种网络的拓扑结构。仿真结果表明,在两种输入信号下,离散时间非线性对象获得了令人满意的跟踪性能。为进一步提高跟踪性能,可采用几种映射函数的组合方法。

离散系统自寻最优降阶模型的一种新方法及应用

本文提出了离散系统自寻最优降阶模型的一种新方法及应用.它是通过将误差多项式的系数设置为零使模型与系统的部分 M 参数及 H 参数相匹配,M 参数和 H 参数又是根据七种不同的误差积分指标由用户根据需要选定其中的任意一种,使这种误差积分指标最小而实现自寻最优的匹配,从而使获得的降阶模型接近于系统.就是说保持了系统的一定特性.这是一种合理的近似.根据这种方法以 PASCAL 语言编制成程序,在 PDP-11/23计算机上运行.以某个实际的计算机系统为例,进行了仿真和比较,论证了这种方法的正确性、可行性以及相当好的效果.这是一种效率高。易于实现 M 和 H 参数的最优匹配型,并易于理解的方法。

三种不同输入下高阶系统模型最优简化的快速方法

作者针对D.A.Wilson提出的MIMO定常系统以误差积分最小寻找最优简化模型的方法,存在着算法复杂,计算工作量大和耗费机时多等问题提出了为减少求解参数量和计算工作量的方法。其将多输入化成等效单输入,并结合各级组织系统结构选定的思想确定出单输入下的能控规范型结构,利用直接寻优和解线性方程组相结合的方法,求得在三种不同型输入下,高阶系统的最优简化模型。用 PASCAL 语言编制了程序,在 MC-68000计算机上调试通过,运行过三种不同输入的三个题目。文中给出一种输入下,一个题目的最优简化模型和简化前后系统的仿真曲线,效果较好。

基于广义遗传算法的全局优化方法

Generalized genetic algorithm is based on some famous modern biologics theories such as the genetic theory by Morgan, the general system theory by Bertalanffy, and etc, so it is superior in biologics to classical one. It is shown in present paper that the global optimization based on genealized genetic algorithm is feasible for large scale engineering.

基于规则的移动机器人实时运动规划

研究移动机器人在动态环境中的导航与避障问题。为提高规划的实时性,提出了基于规则的规划方法,将多移动障碍环境机器人的运动规划分解为相对简单的单移动障碍运动规划,利用最优控制来实现单障碍的最优避障,并用智能搜索方法解决了移动机器人在多移动障碍环境中的实时运动规划问题。仿真实例表明了该方法的有效性。

控制中的一种神经网络结构

本文介绍通过利用神经网络计算算法怎样将神经网络两个重要的计算特点用于自适应控制。以单自由度机械手为例,对神经形态控制方法和模型参考自适应控制方法进行比较,对很大规模的系统,利用神经网络作为自适应控制提供定速,比传统的方法优越。

移动机器人的动态路径规划及控制

本文阐述了两类机器人的导航方法:第一类方法是,先生成整个路径,然后进行路径跟踪控制;第二类方法是所谓的势场方法,即利用人工势场直接进行运动控制.在此基础上,我们提出了用于移动机器人系统导航的动态路径规划-控制方法.系统根据环境信息对路径进行动态的生成与控制,从而与实际环境实现了闭环,增加了对系统的稳定性和对环境的适应能力.

跟踪机动目标的一种新方法的研究(英文)

本文提出了跟踪三维空中机动目标的一种新方法,在这种方法中,未知的目标加速度被认为是具有非零均值、时间相关的随机过程并将它的概率密度函数假定为截断正态型。借助于切比雪夫(Chebyshev)不等式来确定目标随机加速度的均值和方差之间的关系。理论分析和仿真结果表明,由作者们提出的模型和算法去跟踪恒加速目标时稳态偏差为零,从而消除了R.A.Singer方法在跟踪恒加速度目标时所存在的稳态偏差。给出了计算机仿真结果。截断正态概率密度模型和自适应算法适合于跟踪高度机动目标并且易于实现。

一种新的模式识别特征评选与简化方法

基于粗集理论，从模式识别表达知识系统的方法出发，讨论了对于系统根据特征描述的分类的上近似、下近似概念，提出用去掉某些特征后对系统模式识别的影响来衡量该特征的分类能力，以模式识别效果为依据来评选有用特征，从而实现特征集的简化和优化组合的一种新方法。这种方法对于对降低知识表达的空间维数，简化信息处理也十分有用。

基于栅格方法的移动机器人实时导航和避障

本文对移动机器人的实时导航和避障设计了基于栅格（Ｇｒｉｄｓ）的控制算法，用该算法控制清华大学计算机系研制的ＴＨＭＲ－Ⅱ移动机人能在未知的环境中，实时检测出障碍物，并实时规划出合理路径，稳定、平滑连续地向着目标行驶．

基于环境势场法的“感知-动作”行为研究

“感知-动作”行为(perception-action behavior),又称基于感知行为(sensor-based behavior)的研究是当前人工智能中一项普遍受到重视的课题.本文以移动机器人的自动避障行为为背景,研究了基于环境势场法的“感知-动作”行为,提出了时变势场动态位的概念,建立了移动机器人环境势场的数学模型,并运用所提出的模型实现了移动机器人THMR-Ⅱ的低层控制.实践表明,这类系统结构简单、性能良好,实时性和鲁棒性很强。这是一项值得深入研究的人工智能新课题.

轮式移动机器人驱动系统的动力学模型的研究

本文论述了一种首先应用阶跃响应的面积法得到开环系统的辨识模型，然后结合对开环辨识模型的根轨迹分析进行闭环系统的模型综合的辨识方法．应用此方法对轮式移动机器人ＴＨＭＲ－Ⅱ和ＴＨＭＲ－ⅡＡ的后轮驱动系统进行了辨识。