基于社会势场的群体机器人聚集队形控制

将社会势场与基于行为控制相结合,使得群体机器人形成聚集队形,避开未知环境中的障碍物并到达目标区域.设置了两类阈值,以减少机器人在均衡位置的抖动,提高群体机器人向目标区域趋近的速度;提出了柔性社会势场机制,以提高机器人的避障效率.个体机器人根据局部感知自主产生队形控制向量,因此该队形控制策略具有良好的可扩展性.仿真实验表明了队形控制策略的可行性和有效性.     

一种基于速率的提高网络公平性拥塞控制算法

针对无连接的UDP流量所导致的网络资源不公平使用的问题,从端到端策略、路由器控制两方面入手,提出了一种基于速率的实现网络公平性的拥塞控制机制RFCC.根据TCP速率响应函数,由发送方对UDP数据流的发送速率进行调整,路由器以ECN的方式将网络的早期拥塞反馈给发送方,并采用ERED算法,改善带宽受数据包大小影响的情况,接收方运用Markov链方式计算丢包事件率.仿真实验验证了RFCC流量与TCP流量能友好地共享瓶颈链路的带宽,提高了网络资源分配的公平性.     

一种学习混沌吸引子的神经网络结构

近来,有关混沌的生成、控制与同步问题正引起数学界、物理界以及工程技术人员的广泛关注.在诸如化学、电子学、激光等领域,研究人员进行了一系列有关混沌的辨识、控制与应用的研究.多层前馈神经网络能够以任意精度逼近任意非线性映     

基于分级策略的自动人眼检测与定位

为了能在正面人脸图像上对人眼位置进行检测和精确定位, 提出了一种新颖高效的分级策略。利用Gabor变换计算显著极值图, 得到若干具有最大显著极值的候选人眼区域; 通过PCA(Principal Component Analysis)重构对候选区域进行验证, 将具有最小重构误差的两个区域选定为眼睛区域; 通过两级邻域运算对瞳孔进行精确定位。该方法对面部表情变化不敏感, 同时具有非迭代和计算简单的优点。通过在JAFFE数据库上的对比实验, 检测精度达到99.6%, 验证了该方法的有效性。     

智能用户接口中基于学习的用户建模方法

提出了一种基于学习的方法,对用户进行隐式的、分布式的建模.学习的作用体现在两个方面:通过基于学习的合同网协议获取用户的原始模型;通过基于观察的学习获得本次登录后用户的新模型.与其他建模方式相比,该方法不限制用户登录的终端又能充分利用用户的历史信息;该方法不侵犯用户的隐私,具有较好的适应性,通过学习,系统可以了解不同用户的爱好以及同一个用户的时变爱好.     

基于温度场反演算法的保温层最佳厚度

为了实现屋顶保温层厚度的经济优化和节能,针对屋顶围护物件设计平屋顶保温层厚度,通过热传导完成几何建模,利用有限差分法对平屋顶室内温度进行数值模拟,应用二分法对保温层厚度进行反演,正演模拟得到的温度和反演得到的温度范围确定出最佳保温层厚度,利用Matlab得到室内温度的仿真结果并进行分析比较。结果表明,根据该方法得出的最佳保温层厚度为29 cm,为实际生产提供了理论依据。     

基于WSN的轨道客车空调数据采集分析系统

为快速准确地验证高速动车组空调系统的数值模拟计算结果,提出了一种数据采集分析系统方案。通过对比分析试验测量与模拟计算的结果,帮助设计人员评价车厢内的热舒适性,建立新的客车空调效果检验模式。系统由无线数据采集子系统、空调性能分析软件及空调设计数据库组成。无线测量网络基于ZigBee协议,节点硬件应用JN5139模块设计,采用Cskip算法的树型网络地址分配策略,对温湿度传感器进行非线性补偿;CFD（Computational Fluid Dynamics）计算使用FLUENT软件;用ADPI（Air Diffusion Performance Index）指标评价热舒适性。小规模模拟试验表明,系统工作稳定可靠,准确地实现了温湿度等参数的实时测量。     

非线性振子混沌运动的控制研究

研究了一类同时含有平方项和立方项,且带有不确定性参数的受迫非线性振子混沌控制问题。采用速度梯度自适应控制方法,使其从混沌运动返回到周期运动。仿真结果表明,该控制策略是有效的。     

欠驱动步行机器人运动学机理与控制方法研究

（1）本课题研究提供了一种高能量效率的双足行走机构及其设计方法，主要目的在于从机构设计与双足动态行走原理的角度来解决现有双足机器人在行走控制中的控制系统复杂、低能量效率问题。本研究简化了双足机器人的行走机构，合理设置系统自由度，设计了高能量效率的机械传动机构与驱动系统，使欠驱动双足步行机器人仅在简单的控制下就能产生自然的仿人动态行走步态，并能提高能量效率2～5倍。     

适于大规模自主移动机器人的体系结构

为解决机器人数目多时控制机器人计算量大的问题,提出一种适于大规模自主移动机器人系统的体系结构,包括系统的群体结构和系统内单个机器人的体系结构。群体结构采用有别于传统意义的混合结构,其中的递阶部分仅为任务层服务,控制信息量较少;运动层的协调由机器人自主实现。因此,该群体结构适于大量自主移动机器人组成的系统。在确定了群体结构的基础上,又提出了系统内单个机器人的体系结构,单机器人采用分层的混合结构,结合了反应式和慎思式结构的优点。整个控制结构较好地实现了机器人的运动自主性和任务合作性的有效结合。