基于人工社会职位法自组织形成群机器人队形

针对群机器人自组织形成目标队形问题,借鉴人类在社会中求职的思想,提出一种自组织确定各机器人目标节点的方法——人工社会职位法;并结合该方法设计一种机器人自组织选择任务节点的调整算法。该算法可实时根据机器人探测到的信息,更换其下一时刻的目标节点,直至形成给定的几何队形为止。首先运用人工社会职位法的三个规则确定各机器人的下一个时刻对应的目标节点;然后人工力矩运动控制器驱动各机器人向自己的目标节点运动一步;下个时刻重复上述步骤,直到各机器人都到达一个不同于其他机器人的节点,从而形成目标队形。该方法不仅原理简单、计算量少;而且能较快速、合理的形成目标队形。Matlab仿真试验验证了该方法具有良好的可行性。     

探测能力有限条件下群机器人队形的避障方法

在探测能力有限的条件下,即使群机器人队形中的跟随者有碰撞障碍的风险,领导者也常难察觉,这将导致部分机器人离队或难以保持给定队形。本文针对此问题提出一种基于局部信息的解决方法,根据局部障碍信息判断障碍对跟随者或其自身后续运动是否有潜在威胁。当有潜在威胁时,输出障碍信息,并在群机器人队形中接力传递,最终反馈给领队机器人以带领队形远离障碍。同时,对领队机器人和普通机器人的人工力矩运动控制器做出改进,保证机器人的安全,并且使避障轨迹更加顺滑。仿真实验证明,所提方法在领导者无法感知所有跟随者和障碍信息的情况下,仍能带领队形安全绕开障碍物。     

基于仿生鱼群优化方法的机器人队形控制

本文利用人工鱼群优化（AFSO）方法研究了多机器人的队形控制问题。机器人编队可视为寻迹问题,而编队寻迹是不断减小机器人与其期望编队位置之间的平移和角度误差的优化过程。每一个机器人的控制指令可看做是人工鱼群,通过一系列的控制实现期望队形。队形控制策略中包含机器人间的冲突规避行为。本文利用Matlab中的多机器人仿真器MRsim工具进行了仿真,结果表明本文提出的方法具有很高的有效性和效率,适用于各种形式的队形,可以被广泛应用在没有精确系统模型的无线传感器网络中。     

基于仿生鱼群优化方法的非完整机器人队形控制(英文)

利用人工鱼群优化(AFSO)方法研究了多机器人的队形控制问题。机器人编队可视为寻迹问题,而编队寻迹是不断减小机器人与其期望编队位置之间的平移和角度误差的优化过程。每一个机器人的控制指令可看做是人工鱼群,通过一系列的控制实现期望队形。队形控制策略中包含机器人间的冲突规避行为。利用Matlab中的多机器人仿真器MRsim工具进行了仿真,结果表明,提出的方法具有很高的有效性和效率,适用于各种形式的队形,可以被广泛应用在没有精确系统模型的无线传感器网络中。     

多机器人围捕的人工力矩方法

针对多机器人协作围捕问题,提出了一种基于人工力矩的自组织方法.给出了个体机器人的自由运动模型的数学描述和同盟、围捕曲线、吸引点的概念,并且围捕者根据局部信息对吸引点进行了适当的调整.同时设计了围捕者和入侵者的人工力矩运动控制器,使得围捕者在仅知道局部信息的情况下也能相互协调并最终形成理想的围捕队形.最后用Matlab仿真,结果表明,本文给出的自组织围捕方法是行之有效的.     

多机器人编队的人工势场法控制

针对多机器人编队控稍中的队形形成问题进行研究.利用控制算法中的人工势场法解决多机器人队形形成问题,结构简单、易于计算,方便对多机器人实时控制.首先,针对多机器人的队形位置用目标点搜索算法,寻找到正确的队形位置点,防止多机器人在空间内绕路,减少编队时间;然后,通过人工势场算法规划各机器人的路径,在机器人行进过程中,利用优先级蔽障方法避免与其他机器人碰撞;最后,对多机器人的队形形成进行仿真,实验证明队形形成的有效性,算法简单易于实现.     

基于PSO的多机器人编队控制

提出了一种新的编队算法。该算法针对不同的编队形状,根据机器人的位置信息,构造不同的函数,利用群体智能优化算法中的微粒群算法进行函数优化,优化过程中的最优解作为机器人的运动方向。最后利用该算法实现了线形、三角形、六边形和圆形编队,仿真结果表明了该算法的有效性。     

基于自组织邻域结构的微粒群算法

通过构建自组织邻域结构来保持群体多样性,以克服微粒群算法(PSO)易局部收敛的缺点.模拟动物群体趋利避害的行为选择机制,以微粒的适应值择优建立自组织邻域结构的连接.实验结果表明,基于自组织邻域结构的微粒群算法(SONPSO)优于微粒群算法、基于环形结构和动态环形结构的微粒群算法.     

宏观建模与多机器人自组织任务分配

针对两个紧耦合子任务的任务分配问题,从宏观层面上进行了数学建模,通过求解该数学模型,获得了任务分配需要遵循的基本分配原则.根据该原则设计了一个随机任务选择模型以及相应算法,通过统计机器人操作子任务的时间,算出每个子任务的选择概率,然后以该概率随机选择子任务.对基于该算法的随机系统进行了统计建模,分析表明该算法下任务分配结果与基本分配原则保持一致.最后,建立了一个多机器人物品搬运仿真实验系统,将任务分配算法应用到该系统,分析了算法的有效性以及各种参数对实验结果的影响.     

基于路标的机器人自定位方法

介绍了一种基于路标的移动机器人自定位方法。为了解决仅仅利用视觉系统得到的路标信息使用蒙特卡洛自定位(MCL)算法进行机器人自定位时存在较大误差的问题,提出了一种将MCL算法与unscented卡尔曼滤波器相结合进行自定位的方法,将从机器人视觉系统获取的路标信息,从驱动轮码盘获取的位置信息,以及从电子罗盘获取的机器人方位信息进行有效融合,从而提高了机器人的自定位精度。实验结果表明,该方法不但可以提高机器人的自定位精度,而且具有较好的鲁棒性。     

基于混沌人工势场法的机器人路径规划

本文以人工势场法为基础,提出了一种基于混沌人工势场法的机器人路径规划方法,该方法解决了传统人工势场法存在局部最优点问题、在相近障碍物间不能发现路径、在障碍物前震荡、在狭窄通道中摆动等缺陷。仿真试验表明,该方法能有效的实现机器人路径规划。     

An Improved Minimum Distance Method Based on Artificial Neural Networks

MDM (minimum distance method) is a very popular algorithm in state recognition. But it has a presupposition, that is, the distance within one class must be shorter enough than the distance between classes. When this presupposition is not satisfied, the method is no longer valid. In order to overcome the shortcomings of MDM, an improved minimum distance method(IMDM) based on ANN (artificial neural networks) is presented. The simulation results demonstrate that IMDM has two advantages, that is, the rate of recognition is faster and the accuracy of recognition is higher compared with MDM.     

用于人工心脏的无位置传感器无刷直流电机控制

介绍了人工心脏叶轮血泵无位置传感器无刷直流电机控制系统设计．该控制系统使电机可靠性提高,控制性能改善,而且缩短电机长度,减少控制线数目,从而适合于临床应用．     

基于气动人工肌肉的自适应模糊 小脑模型神经网络位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一种自适应模糊小脑模型神经网络(AFCMAC)控制器.离散抗饱和PID (DASPID)并行监督控制设计保证了控制运行初期不会出现较大的跟踪误差和气压波动,使AFCMAC的在线实时学习调整成为可能.在线实时的自适应算法逐步提高了AFCMAC的控制性能,从而最终完全过渡到AFCMAC控制.通过规划AFCMAC的输入空间,保证了AFCMAC对迟滞力和气压波动等不确定因素的感知能力,为实现AFCMAC控制奠定了基础.对DASPID与AFCMAC控制器的位置跟踪控制性能进行了对比实验.结果表明,在非线性系统条件下,AFCMAC较之DASPID有着更好的跟踪控制性能和较低的实现难度.     

基于KF的自平衡机器人姿态角补偿方法

研究基于卡尔曼滤波(KF)的低通滤波补偿方法,对采用单轴加速度计的自平衡机器人姿态角测量系统进行补偿,消除由于振动、冲击等引起的信号失真,增强控制系统的稳定性.根据前期研究及实验,深入分析振动、冲击对传感器信号的影响,提出了一种基于最小二乘拟合原理的姿态角计算模型.在获得机器人自由振荡频率的基础上,设计了基于KF的混合低通滤波单元,并进行了物理模型实验.结果表明,该补偿方法能完全消除振动造成的传感信号失真.此外,该补偿方法对强烈冲击所造成的信号波动亦有明显衰减,能显著提升自平衡机器人的稳定性.     

液压锻造操作机大车行走机构的位置控制系统

建立了600 kN/1 500 kN.m锻造操作机大车行走机构的液压系统数学模型,运用模糊自整定PID控制理论设计了基于电液比例方向阀和液压马达的操作机行走位置控制系统,以减小系统的超调和振荡.通过Matlab/Simulink对控制系统进行仿真,结果表明:基于模糊控制器的系统能够消除响应超调和振荡,且较基于普通PID控制器的系统降低了25%左右的峰值速度,使操作机运行更平稳.基于S7-300 PLC编写操作机控制系统,采用存储器间接寻址的方式实现模糊控制表的在线查询,提高了控制算法的实用性.     

基于人工物理法的多智能体协同控制

 对多智能体的协同控制和队形重构技术进行研究,采用人工物理法完成多智能体的队形建立与队形保持。人工物理法是一种分布式的控制方法,对传感器信息和通信的依赖程度较低,并可以很好地移植到大规模系统中。人工物理法通过设定虚拟的物理力,完成机器人速度和方向信息的解算,并用这些信息进行实时控制。同时为保证在障碍物区域内的智能体避障,采用沿墙跟踪策略,设计双输入、单输出的模糊控制器实现智能体的避障。为克服多模态运动的转换瞬态,利用四点平滑抑制模态转换瞬态。通过传感器探测外界环境,获得相关环境信息并确定障碍物的位置,由此依据判决条件完成多智能体控制的模态转换,进行队形重构。通过复杂环境中的数学仿真及多智能体协同控制的实验验证,表明该系统具有良好的鲁棒性和适应性。     

一种在晶体阵列中重建电磁簇射位置的改进方法

以CMS电磁量能器的钨酸铅晶体阵列排布方式为例 ,研究了电磁型粒子入射位置的在桶部的重建方法 ,提出了带参数的对数重心拟合新方法 ,该方法在形式上直观 ,在操作上简单 ,适用于其它电磁量能器     

基于增强式学习的微小型移动机器人位姿控制

根据自行设计的两轮独立驱动的微小型移动机器人的特点,利用增强式的学习方法,对输入量进行分层模糊化以及确定模糊区域,然后选取相应区域中具有重大适应值的动作控制机器人移动,得到了该机器人在无约束空间中时间优化的移动路径,实现了该移动路径的自动获得,仿真和实验均得到了满意的结果。     

基于项目位置索引的序贯模式增量挖掘方法

通过前缀序列的引入，将搜索空间划分为若干个子空间，利用模式增量技术对序贯模式进行有效搜索，并提出了项目位置索引的概念，即将原始序列数据库信息转换到项目位置索引（IPI）中，从而在搜索序贯模式时避免了复杂的多维候选序列的测试，仅需对各前缀序列对应的扩展的项目位置索引库（IPIDBs)做简单的序列数目累加操作，将复杂的高维序贯模式搜索问题巧妙地转换为一维频繁项目的搜索，降低了算法复杂度，提高了效率。