基于神经网络的Q学习在Khepera Ⅱ机器人避障中的应用

为了提高移动机器人的自主学习能力,在传统的机器人行为控制结构基础上设计了智能控制结构,同时引入了基于神经网络的Q学习模块算法,克服了传统算法只能应用到离散状态中的不足.移动机器人的避障实验结果表明,该方法能够使移动机器人通过自学习实现自主避障.     

基于自适应神经网络模糊推理系统的心电信号检测

心电信号是心血管疾病的重要诊断依据,探索新方法来处理心电信号对于医学诊疗具有重要的理论意义与实用价值。阐述了一种包含输入节点层、规则节点层、平均节点层、结论节点层和输出节点层的五层结构网络的自适应神经网络模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS),并提出了基于Sugeno模糊理论、最小二乘法和梯度下降法的混合自适应学习算法来训练ANFIS中的神经网络的参数,来提高ANFIS系统的收敛性能。为验证ANFIS系统在心电信号检测中的有效性,通过原始心电信号的实测数据中的第一路腹壁混合信号(CECG)和最后一路母体心电信号(MECG)进行了ANFIS的网络训练,基于训练结果对于腹壁混合信号进行了实验预测分析,实验结果表明自适应神经网络模糊推理系统在心电信号的分析与预测中十分有效。
     

基于生产者-消费者程序结构的振动传感系统

低频振动常伴随自然灾害的发生,低频振动信号的实时准确检测对海底地震监测及海啸预警等领域的灾害探测具有重大意义,光纤振动传感器是实现低频信号检测的有效方式.设计了一类光纤振动信号传感系统的传感光路及相位解调单元,采用基于迈克尔逊干涉仪结构的顺变柱体传感检波器实现对传感系统中振动信号的转换和探测.针对光纤式低频振动信号传感系统的信号处理高实时性和高信噪比的难题,提出在信号解调处理单元引入LabVIEW的生产者-消费者程序结构模式,极大提高程序并行运算速率并有效释放上位机内存压力.经过系统整体联调测试实验验证,系统对0.01～1 Hz的超低频振动信号有高信噪比的输出,同时为光纤振动传感技术在低频频段研究工作提供参考.