对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

徐州市人工侧柏林的群落结构及物种多样性分析

以徐州周围山地人工侧柏林为研究对象,在全面勘察的基础上,建立了10块具有代表性的调查样地.通过对群落的生境条件、种类组成和结构等的调查,详细分析了徐州市现有侧柏林的群落结构和物种多样性.分析结果显示,徐州周围山地现有人工侧柏林群落结构简单,物种丰富度和多样性较低,生长更新缓慢.建议引种朴树、臭椿、黄连木、三角槭、梧桐、女贞等树种,以改造林相,促进地带性植被的恢复.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

BP神经网络在氯代羟基苯甲醛QSRR研究中的应用

用BP神经网络法对氯代羟基苯甲醛的定量结构-色谱保留值关系(QSRR)进行了研究,采用多元回归分析对此类化合物的QSRR进行了比较研究，并用因子分析法的斜交因子得分图直观地揭示了上述两法在运用中的优劣差异。     

衡枣高速公路盘古祠边坡稳定性分析

盘古祠边坡由于边坡初步设计不合理，2002年4月出现了滑坡，体积达万余m^3，滑坡治理费达40万元．为了对设计和施工起到超前预报与辅助决策的作用，本文对大量边坡工程实例进行了集成，建立了预测安全系数的ANN模型，并应用ANN技术对盘古祠边坡设计方案的Fs进行了计算，结果表明，初步设计方案导致滑坡是必然的．同时又进一步对治理后的边坡进行了Fs预测，治理方案由于Fs值较高，则是可行的，能保证更改设计后的边坡稳定。     

ICAI技术的应用及发展前景

介绍了智能计算机辅助教育系统的发展及现状，分析了ICAI与CAI的区别．阐述了实现ICAI系统的思路及技术，提出了ICAI的未来发展前景。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

Prediction of the Performance of the Fabrics in Garment Manufacturing by Artificial Neural Network

An artificial neural network is used to predict the performance of fabrics in clothing manufacturing. The predictions are based on fabric mechanical properties measured on the FAST system. The influences of the different ANN‘s construct on the convergence speed and the prediction accuracy are investigated. The result indicates that the BP neural network is an efficiency technique and has a wide prospect in the application to garment processing.