基于自学习可见图的机器人路径规划

针对未知环境下的机器人路径规划问题 ,提出了一种基于自学习可见图与局部最优的路径规划算法 .在这种算法中 ,采用自学习可见图来表示环境 ,并在路径规划的过程中逐步建立自学习可见图 .在避障上设计一个局部最优算法并提出了一种局部路径规划算法 .实验表明 :该方法规划速度快 ,并且能规划出局部最优的路径 ,满足未知环境下机器人路径规划的要求 .     

采用粒子群优化和B样条曲线的改进可视图路径规划算法

针对传统局部路径规划中容易陷入局部陷阱和规划路径不平滑的问题,提出一种将改进可视图,基于B样条曲线和粒子群优化算法结合起来规划一条平滑路径的算法.该算法由多边形动态生成、路径规划和路径平滑3个步骤组成,为了逃离局部陷阱,在多边形动态生成的过程中增加环境记忆功能,并通过路径平滑过程,使规划的路径更能满足移动机器人动力约束条件.仿真实验结果验证了算法的有效性,对比其他几种路径规划算法,所提出算法规划的路径质量更高.     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法.仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性.     

基于FPGA的视觉导航小车设计与实现

视觉导航作为新兴起的技术,受众多研究者的青睐.设计了以现场可编程门列阵(FPGA)为控制核心的自主导航小车,采用一种新颖的自适应路径识别算法实现路径的识别与提取,并结合圆弧路线规划和控制策略完成小车的自主导航控制.自适应路径识别算法使导航小车可以适应多种光照和路面条件.测试结果表明,小车能够在不同光照条件下的实验室和露天田径跑道环境中实现较好的导航效果,在田径跑道上的导航测试中,小车的最高运行速度达到3.5 m/s.     

基于混合SA算法的智能汽车全局路径规划

针对目前智能汽车路径规划存在A~*算法规划的路径精度高却搜索耗时长、搜索耗时短但精度差的矛盾问题,提出了一种既保证搜索效率又可提高路径精度的混合连接SA算法.在原有连接方式的基础上,提出了一种新型的连接方式和S算法,设计了混合SA算法的切换机制,确保了SA算法可获取保证搜索效率的次优路径.进行了路径规划单一地图仿真试验,验证了SA算法在不同的单一环境地图中,重复规划的路径具有一致性、耗时具有一定局限性;同时进行了路径规划普适性仿真试验,对比分析了混合连接SA算法与四连接A~*算法的各项性能指标.结果表明:在全局工况下,SA算法相比于四连接A~*算法,在保证搜索耗时优势的同时,提高了规划路径精度,尤其是在低百分比障碍物地图下,效果更为明显.     

基于改进混合蛙跳算法的动态环境路径规划

针对复杂场景中路径规划具有未知性和动态性,传统方法无法对路径规划问题进行求解的问题,设计一种改进混合蛙跳算法的机器人路径规划方法,以提高动态环境路径规划的求解精度.首先对动态环境路径规划的研究现状进行分析,并在此基础上建立数学模型;然后采用混合蛙跳算法对该模型进行求解,并针对基本混合蛙跳算法不足进行改进;最后对路径规划的有效性进行测试.测试结果表明,混合蛙跳算法可准确找到最优的路径规划方案,可应用于复杂场景路径规划中,且性能优于其他路径规划方法.     

健康投资对中国经济发展的影响研究——基于省级面板数据的空间计量检验

针对全局路径规划问题提出了一种改进的A*算法.首先,采用栅格方法建立环境模型,使用A*算法进行初步的路径规划.其次,针对A*算法规划的路径冗余点较多以及路径长度和转折角度较大的缺陷,提出将A*算法规划出的路径按较小的分割步长进行分割,得到一系列路径节点.最后,从起点开始依次用直线连接终点,当直线没有穿过障碍物时,则将中间路径点剔除,减小路径长度和转折角度.在仿真实验和实物实验中,分析和比较了本文算法与A*算法以及另一种改进A*方法.另外还研究了在不同障碍率、任务点数量和分割步长的情况下,本文算法与其他算法的优劣.结果表明,本文算法能有效地减小路径长度和转折角度.     

基于保留区域的分布式多机器人路径规划

针对多机器人路径规划算法多采用集中式规划,生成的机器人路径之间高度耦合,机器人发生故障时或者路径的时间序列被打乱时须要重新规划,导致执行效率较低的问题,提出了一种基于保留区域的分布式多机器人路径规划算法.采用分布式的规划架构,单个机器人在强连通有向图的环境中单独规划路径,中央模块采用保留区域的方法协调机器人之间的路径.该算法解决了规划路径之间高度耦合的问题,并且实验证明该算法还具有求解快速、规划成功率高、执行过程鲁棒性好等优点.     

一种改进工业自动导引车路径规划算法

为了解决当前工业自动导引车(automated guided vehicle,AGV)栅格地图下路径规划算法存在路径转弯较多、弯曲度较大、搜路时间较长且距离障碍物近等问题,基于A?算法提出了一种改进路径规划算法.首先,通过在全局地图中设置路径关键节点,生成关键点拓扑地图,并利用Floyd算法进行最短路径规划,输出路径节点集合;其次,利用A?算法对集合中相邻节点进行路径规划,并将生成的路径进行拼接;最后,通过引入贝塞尔曲线对拼接路径进行平滑处理,以获取全局路径.实验结果表明:本文算法规划的路径转弯更少、弯曲度更小、搜索时间更短且能完全避开障碍物行走,更符合工业AGV的应用环境.     

基于两点法的移动机器人局部路径规划算法

针对传统移动机器人局部路径规划存在死区或陷阱区域等问题,提出了一种新的两点法算法.在路径规划过程中,首先利用两点法确定机器人面向目标的旋转角度,进而判断出在前进路径中遇到障碍物后的路径,并推导出在不同环境信息下最优或次优的规划算法.在前进过程中机器人只需要处理当前状态下的传感器数据,不需要处理全局的复杂环境信息,节省了机器人存储空间,提高了规划效率.最后用RobotBasic仿真平台对所推导的算法进行仿真.结果验证了算法的有效性和可靠性.     

基于动态神经网络支持向量机的FPGA实现

研究了一种基于动态神经网络支持向量机(SVM)的FPGA硬件实现方法.提出了基于动态神经网络的最小二乘支持向量机(LS-SVM)神经网络结构,完成了VHDL语言描述的基于动态神经网络的LS-SVM结构设计,并在XILINX SPANT3E系列FPGA中完成了LS-SVM的分类与回归实验.结果表明,该硬件实现方法很好地完成了SVM的分类与回归功能,与现有的软件仿真和模拟器件实现相比,该方法具有更快的收敛速度和更高的灵活性.     

基于神经网络混沌吸引子公钥加密算法的FPGA实现

利用具有顺序和并行执行的特点的VHDL语言,设计并实现了基于神经网络混沌吸引子的公钥加密算法,在编解码器设计中采用专用的控制模块来控制加密和解密操作;同时,在RAM模块中自主设计了具有并行读写功能的子模块,以进一步提高算法的数据加密速度;整个系统在DE2实验平台中经过反复实验测试和试运行,结果表明该算法是可以硬件实现的,并且具有较高的数据加密速度,时钟频率可达50 MHz以上.     

应用硬件描述语言VHDL开发FPGA

硬件描述语言(VHDL)是数字系统高层设计的核心,围绕硬件描述语言在数字硬件系统设计中的应用展开,介绍了VHDL语言特点及FLEXIOK的结构,硬件描述语言设计描述方法,说明了应用VHDL的EDA设计流程．并给出了VHDL一个设计实例。     

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.     

基于VHDL语言的神经网络激活函数随机运算的实现

为节省硬件实现中的资源数量,基于状态机原理并采用随机运算实现神经网络非线性激活函数的方法,给出了S型激活函数的数字逻辑实现,用硬件描述语言(VHDL)对该算法进行了软件设计与实现,并在Modelsim SE 6.2仿真平台上进行了仿真测试.该设计有利于程序的随时修改,可节省大量硬件乘法器,有效缩短设计周期,满足了神经网络超大规模集成电路的需要.     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

基于联想记忆的Hopfield神经网络的设计与实现

介绍了反馈型神经网络Hopfield网络的定义、原理、模型和基本学习规则,并构造了一个用于联想记忆的Hopfield神经网络模型.对实验结果进行分析、比较,实验结果表明:Hopfield神经网络用于数字识别是可行、有效的;该方法较传统神经网络能提高网络的记忆能力和数字识别的正确率;该方法有别于以往的BP神经网络的模式识别,结合一些优化算法,如遗传算法,能对Hopfield神经网络的联想记忆稳态进行优化,增强神经网络的联想记忆能力.     

改进萤火虫算法与小波神经网络相结合的变压器故障诊断

为了解决变压器故障诊断中诊断效率低的问题,本文对萤火虫算法(FA)进行了改进,并与小波神经网络(WNN)相结合应用于变压器故障诊断中。小波神经网络结构简单,预测精度高,收敛速度快,但是网络参数不好选择,易陷入局部最优。本文结合混沌算法、粒子群算法、可变步长的思想来改进萤火虫算法,用于优化小波神经网络的参数,再将处理后的数据带入神经网络中进行训练与诊断。实验结果表明,该算法与BP神经网络、支持向量机、小波神经网络、遗传算法改进的小波神经网络和粒子群算法改进的小波神经网络相比诊断正确率均有所提高。     

一种片上可配置安全网络适配器的设计与实现

 为了满足当前高速网络传输处理中安全性与实时性的要求,以AES-128/192/256算法为基础,设计了一种采用流水可重构技术的AES加/解密IP核,并通过SOPC技术将该IP核、Nios II处理器、网络控制器等功能模块与外围设备进行集成,实现了一个可根据具体应用资源多少与安全系数要求而灵活配置的片上网络适配器.本设计采用硬件描述语言VHDL设计,利用Quartus Ⅱ8.0进行了综合与布线,最后在DE2实验平台上进行下载测试验证.整个设计硬件结构简单、安全性高、运行速度快、灵活性强,可被广泛应用于网络信息安全领域.