基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

基于区间数的变权与状态变权

利用变权的方法对决策信息为区间数形式的多因素决策问题进行了研究.首先给出了区间数一种排序方法和区间数的四则运算与逻辑运算,并研究它们的性质;然后讨论区间数变权与状态变权的定义及其约束条件,给出若干区间数状态变权;最后证明了区间数状态变权的一个等价条件,并给出两个由已知区间数状态变权构造新的状态变权的方法.     

基于非线性自适应观测器的故障诊断

将自适应控制的思想和状态观测器方法相结合研究了一类非线性控制系统的故障诊断问题。针对一类满足Lipschitz条件的带有未知参数的非线性系统,提出了一种非线性自适应状态观测器的设计方法,并将其应用到控制系统的故障诊断中。通过设置未知故障向量的自适应调整律,保证了状态观测器的渐近稳定。数字仿真证明了该方法的有效性,系统渐近稳定,状态向量和故障向量的估计值均趋近于实际值。     

一种BICM-ID系统中的迭代盲信道估计算法

提出一种基于硬判决BICM-ID系统中的迭代盲信道估计算法.该算法基于最大似然估计(ML)同步算法,利用BICM-ID译码产生的硬判决信息,通过迭代地在信道估计和解码之间交换信息来完成联合信道估计和解码.仿真结果验证了算法的有效性,并分析了信噪比和块衰落信道的块长对迭代信道估计性能的影响.     

一种新型的速度和加速度估计器

将扩张状态观测器和递归线性平滑牛顿预测器相结合,形成了一种新型的速度和加速度估计器,它在跟踪位移和估计速度的同时能一并估计出加速度.虽然扩张状态观测器本身对量测噪声已经具有较好的滤波特性,但为了减小时间延迟,不能使滤波参数过大,这样会使估计出的加速度噪声稍高,需再用递归线性平滑牛顿预测器对加速度进行二次滤波.仿真结果表明,由扩张状态观测器和递归线性平滑牛顿预测器构成的滤波估计器在仅有位置量测信号且在噪声较大的情况下能有效地估计出速度和加速度,最终得到的速度和加速度估计信噪比高且时间延迟小.该估计器主要用于运动控制和机动目标跟踪中.     

中国股票市场限价指令等待成交时间的理论研究与实证分析

在中国指令驱动股票市场中,限价指令需要为成交付出等待成本,如何计量限价指令的等待成交时间是金融市场流动性及微观结构理论领域崭新的研究问题.研究表明,指令生存模型能够比较精确地描述限价指令的等待成交时间概率分布,实证检验结果表明,生存模型具有比较高的准确性;同时发现限价指令等待成交时间对委托价格很敏感,而对委托量不敏感;基于委托价格的敏感性分析绘制出了限价指令等待成交时间概率分布的价格全谱图,根据该图可以预测限价指令的等待成交时间,以及为指令提交策略提供定量分析基础.     

基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.     

细菌生存优化在非线性模型辨识中的应用

提出了一种新的基于细菌生存优化(Bacterial Foraging Optimization BFO)的非线性模型辨识方法.它是利用群集智能仿生BFO算法对一类Hammerstein系统进行辨识,从而估计出它的参数模型.通过对这类输入非线性模型进行辨识,并用仿真实验说明BFO算法的参数设置与选择方法.比较基于粒子群优化(Particle Swarm Optimization PSO)的非线性模型辨识算法,特别是对有色噪声的鲁棒性、模型的辨识精度、辨识收敛速度进行对比分析,以得出BFO辨识算法的优缺点及其有效性.     

群体机制的一种涌现现象——互惠利他行为的产生

利用"囚徒困境"模型分析了利他行为者在与利己行为者的个体生存博弈中的不利处境.对于扩展的群体的生存博弈模型,从理论上证明了只要利他行为的回报充分大,群体的利他行为就会存在.利用元胞自动机的仿真验证了这一现象.对个体和群体两种生存博弈的分析表明,互惠利他行为是群体机制的一种涌现现象.     

基于压缩型EKF的SLAM改进算法

针对基于压缩型扩展卡尔曼滤波(CEKF)的SLAM算法在状态增广和地图管理两方面的不足,提出了一种改进算法(ICEKF算法).读算法通过增广辅助系数矩阵即可快速完成状态增广,计算复杂度由O(N2)降低为O(NA),其中N和NA分别为全局和局部地图中的路标数.在地图管理上,ICEKF算法采用一种基于欧氏距离的局部地图动态选择方法,避免了CEKF算法对全局地图进行预先划分带来的路标分配等问题.仿真表明ICEKF算法在估计结果上与EKF算法具有一致的最优性,与CEKF算法相比计算量大大降低.