基于自适应RBF 网络补偿的智能车辆循迹控制

针对智能车辆这一复杂非线性时变系统的循迹控制问题,提出一种基于Lyapunov函数方法的RBF神经网络自适应补偿控制策略.首先建立了车辆循迹控制的动力学名义模型;然后利用RBF神经网络对车辆循迹控制名义模型的不精确部分进行自适应补偿;最后应用Lyapunov稳定性理论推导出RBF网络权值的训练规则并证明了控制系统的稳定性.仿真结果表明,该方法提高了循迹控制的精度,具有较高的可行性和实用性.     

具有嵌入式视觉的仿生机器鱼头部的平稳性控制

具有嵌入式视觉的仿生机器鱼的摄像头往往安装在头部,为了获取稳定的图像数据,研究了游动过程中头部的平稳性控制问题.首先,基于牛顿-欧拉方法对仿生机器鱼的水动力学进行建模.然后,基于动力学模型,比较了两种鱼体波模型下的机器鱼头部摆动情况.进一步地采用遗传算法对输入到运动关节的参数进行优化,实现机器鱼头部的最小摆动.最后,在自主设计的具有嵌入式视觉的仿生机器鱼上进行了实验.结果表明,在平稳性控制后,头部的摆动幅度明显减小,采集到的图像的稳定性与连续性有较大改进,但游动速度有所降低.该方法为基于嵌入式视觉的运动控制与任务执行提供了有效保障.     

基于二阶一致性算法的多仿生机器鱼分布式编队控制

针对动态领航者按照自身动力学模型运动, 多个跟随者机器鱼以其为编队参考点, 根据编队要求形成队形并整体跟随领航者运动的问题, 提出一种多仿生机器鱼分布式编队控制方案. 首先, 基于二阶一致性算法给出各跟随者机器鱼估计领航者位姿信息的分布式算法;其次,给出以领航者为参考点的多仿生机器鱼编队描述方法,进而各机器鱼根据编队要求以所估得的参考点信息实时确定其在编队中的期望位姿; 再次, 各跟随者机器鱼以期望速度和角速度以及所估得的领航者位姿信息为输入, 利用模糊控制器确定其速度档位和方向档位, 实现编队的形成与保持. 仿真和实验结果均表明, 所提分布式编队控制方法是有效的, 仿生机器鱼群体能够较快形成期望队形并跟随领航者游动.     

一种基于矩阵分解和随机森林算法的推荐模型

针对传统环境下运行的推荐算法预测精度不高的问题,提出一种基于矩阵分解和随机森林算法的推荐模型.提出的基于数据分割策略和新的学习过程的分布式推荐模型是在Apache Spark上设计的.通过数据分区、模型训练和偏好预测三个步骤处理大规模数据,提高预测质量,解决数据稀疏问题.为了提高模型在大数据环境下的性能,采用基于矩阵分解(Matrix Factorization,MF)和随机森林(Random Forests,RF)混合的新颖学习过程,从而显著加快分布式训练的速度.实验结果表明,相对于其他算法,该算法在性能指标上具有明显的优势.     

一种基于视觉的仿生机器鱼实时避障综合方法

提出了一种基于视觉的仿生机器鱼实时避障综合方法,该方法基于HIS颜色模型,利用MMX指令和SSE指令,采用并行处理算法实现图像的快速处理;然后,基于栅格法建立环境模型,利用势场法获得优化路径规划策略,在此基础上,采用模糊方法对机器鱼的运动方向进行控制,利用速度分布函数对机器鱼的运动速度进行控制,实验结果表明了所提方法的有效性和可达性。     

交通卡口大数据中的套牌车实时检测算法

传统的套牌车识别算法通过串行工作方式在网络化城市交通监控系统所产生的大规模数据中进行两两比对实现套牌车检测,因此在处理海量数据时存在性能瓶颈问题.文章提出了一种新的基于Storm框架的算法模型,该算法具有实时特征,通过引入多台硬件计算资源协同处理大规模数据下的套牌车检测问题,显著提高了计算性能.同时,采用基于滑动窗口计算技术,能进一步提高算法的检测速度和识别精度.     

仿生机器鱼运动学模型优化与实验

以仿生学为基础的机器鱼是一种新型水下机器人,具有高速、高效、节能等方面优势。为进一步探索仿生机器鱼的运动机理,指出了当前仿生机器鱼运动学模型存在的不足,即未考虑因制造、鱼体结构的影响,而产生的头部左右摆动。故在考虑仿生机器鱼头部摆动的情况下,构建头部摆动方程,引入摆动偏移量,修正其运动学模型。利用MATLAB对模型进行优化,分析结果表明修正后的运动学模型更能够描述实体仿生机器鱼的游动特性。最后,将修正后的运动学模型,运用到三关节仿生机器鱼上进行实验,结果表明,该模型能够有效地抑制仿生机器鱼头部摆动,进而提高了仿生机器鱼的游动速度。     

递推子空间自适应预测控制综合方法

为解决预测控制综合方法中的模型不确定问题,不同于以往利用多胞模型描述的方法,提出了一种新的基于递推子空间的自适应预测控制综合方法.通过在每一步中加入当前输入输出数据重新构建Hankel矩阵,对广义能观矩阵进行更新,从而获得对应的状态空间模型;然后将新获得的模型应用于预测综合的优化求解过程,得到当前时刻的控制律.为提高算法的收敛速度,在辨识的过程中引入了基于模型匹配误差的时变遗忘因子.最后,在慢时变与线性时不变两种情况下进行仿真,验证了所提出算法的有效性.     

胸鳍摆动推进仿生鱼的设计及水动力实验

为实现胸鳍摆动推进模式鱼类的游动,模仿牛鼻鲼构建了仿生鱼.首先,基于摆动胸鳍的生物学特征和运动规律,提出了具有主/被动复合柔性变形能力的仿生胸鳍原理模型.然后通过ADAMS运动学仿真验证了设计方案的可行性,并构建仿生样机.自由游动实验表明,仿生鱼游速可达0.46m/s,约1倍身长比,且具有原地转弯能力,最大转弯速度达60?/s.与国内外其他同类机器鱼相比,在游速和机动性方面均表现出明显的优势.基于准稳态叶素理论,提出了仿生胸鳍水动力简化计算模型.构建水动力实验平台,验证了计算模型的有效性,并通过一系列水动力实验研究了仿生胸鳍的水动力特性.实验结果表明,仿生胸鳍能够产生周期性变化的推、升力,且变化趋势与胸鳍运动控制参数密切相关.     

仿生模式识别在单镜头人脸识别中的应用

提出了一种基于仿生模式识别(Biomimatic Pattern Recognition)和多权值神经元网络(Multi-Weights Neural Network)的人脸识别新方法.对仿生模式识别理论在人脸识别中的应用模型作了讨论,并且介绍了一种新的人脸特征提取方法.本文通过实验对本文提出的基于仿生模式识别的方法和基于K近邻的方法做了对比,实验结果表明本文的方法克服了对未训练类型的人脸误识问题,提高了人脸识别系统的训练速度和正确识别率.     

基于Processing实现多智能体环形围捕仿真

在以往多智能体编队研究的仿真分析中,相关物理量和运动轨迹常采用静态曲线描述,较少关注系统运动过程的实时动态刻画。针对上述问题,提出了一种基于Processing的动态仿真方法,首先,利用三阶贝塞尔曲线构造了一种新型软体仿生鱼模型。其次,综合虚拟结构法和人工势场法设计了能解决个体避碰问题的多智能体环形围捕控制律。最后,应用仿生鱼模型对多智能体环形围捕控制算法进行动态仿真。仿真结果表明,新型仿真方法直观增强了智能体位姿信息的动态可视化,验证了二阶积分器多智能体系统环形围捕算法的可行性。     

一种基于对抗学习的实时跟踪模型设计

目标跟踪指在视频帧中找到感兴趣目标的运动位置,广泛应用于环境感知、安防监控和无人驾驶等领域。为进行高效的目标跟踪,建立一种基于对抗学习和特征压缩的相关滤波器目标跟踪模型。为了同时兼顾精度与速度,在模型中引入特征提取优化、特征压缩和特征聚合等步骤。在提取图像特征前,采用对抗学习方法解决特征提取模型中训练数据与任务数据分布不匹配的问题。在特征压缩阶段,应用双通道自编码器结构和特征聚合来增强模型对图像风格的泛化能力。实验结果表明,与非实时跟踪算法相比,该模型在精度损失不超过3%的情况下能取得明显的速度提升,其跟踪速度高达103FPS。     

一种改进的仿生算法研究与分析

本文对仿生算法中的神经网络和遗传算法进行了分析和总结,针对神经网络方法训练速度慢,识别效率低,以及遗传算法选优时的过早收敛的问题,结合神经网络方法和遗传算法各自的特性,提出了相应的改进算法。在不破坏单个神经元的输入权值的基础上,采用数据预处理的方法来减少输入层的个数,从而提高进化学习的能力。     

基于UE的水下机器人动态仿真平台设计与实现

仿生水下机器人需要大量的训练数据来模仿水下生物的各种任务；然而，真实物理环境中的高成本使得仿真成为应对这一挑战的可行工具；目前，多数的仿真平台对于仿真环境的设计较为简单，缺乏在保证模拟真实性的条件下构建大型复杂场景的能力；为了解决仿真平台环境建模能力的不足，提高仿真效果的可视化程度，采用虚幻引擎（Unreal Engine，UE）、AirSim和分布式算法仿真平台（Distributed Algorithm Simulation Platform, DASP）相结合的方案，设计了一款应用于仿生水下机器人的动态交互仿真测试平台；并通过LQR控制器控制仿生机器鱼跟踪目标轨迹对仿真平台的可视化和有效性进行了测试；仿真结果表明该仿真平台在交互性、真实性、可视化和仿真效果等方面表现出较高的优势。     

气动人工肌肉关节的迭代反馈整定控制及优化

气动人工肌肉关节（PMA）具有低成本、柔顺性和与生物肌肉类似的力学特性等优点，在医疗设备、仿生机器人等领域得到广泛应用.本文针对气动人工肌肉充气变形过程中存在的强非线性、时变性和控制参数难以确定的问题，提出了一种基于迭代反馈整定（IFT）算法的数据驱动优化控制策略，直接基于系统的输入输出数据，定义跟踪性能准则函数并采用Gauss-Newton估计算法实现对PID控制器参数的迭代整定，并通过引入辅助因子获取性能准则函数加权因子的最优值进一步加快了IFT算法的收敛速度.仿真结果表明，该方法相对于Ziegler-Nichols等传统PID参数整定方法可以有效提高控制系统的跟踪性能和鲁棒性.     

改进FCOS网络的海洋鱼类目标检测

鱼类的探索与保护是保持海洋生态环境平衡的重要一环,然而水下环境复杂,受光照、水质以及遮挡物的影响,造成水下捕捉鱼类图像成像模糊识别困难,制约水下鱼类目标的检测速度以及检测精度.针对以上问题,提出了一种基于改进FCOS的海洋鱼类识别模型.首先,该模型以一阶段算法FCOS为基本架构,使用轻量级的Mobile Netv2作为骨干网络,既保证检测准确度,还可以提高检测;其次,引入自适应空间特征融合(adaptively spatial feature fusion, ASFF)模块,避免尺度特征的不一致性,提高检测精度;最后,将center-ness分支引入到回归分支中,引入联合交并比损失(GIoU loss, generalized intersection over union)提高检测的性能.实验数据集使用公开数据集Fish4Knowledge (F4K)中的图片以及视频帧截取图片,选取训练性能最优模型进行评估.结果表明,提出的新模型在以上数据集的平均检测精度分别为99.79%、99.88%,相较于原模型以及其他检测模型本文提出模型的检测精度与识别速度更高,可为海洋鱼类识别提供参考依据.     

一种快速多人脸跟踪算法

提出一个基于Mean Shift的实时多人脸跟踪算法。通过引入自适应目标跟踪窗口,改进了Mean Shift算法的目标连续跟踪性能;提出序贯跟踪法解决多人脸跟踪过程中目标发生粘连重叠的问题;引入多辅助信息解决了相邻两帧中人脸的对应问题。为进一步提高整个算法的跟踪速度和鲁棒性,引入卡尔曼滤波器对目标进行预测。实验结果表明该算法具有很好的实时性和跟踪效果。     

基于头脑风暴算法的电动货车路径优化问题

针对电动货车路径优化问题,应用物流网络以及电动货车电量消耗等方面的知识,研究了电动货车的智能调度方法,构建了带时间窗的电动货车路径优化模型(electric vehicle routing problem with time window,EVRPTW)。该模型考虑了耗电量与电动货车行驶速度、载重量之间的关系,客户满意度与软时间窗之间的关系。同时,引入了计算机智能算法,充分利用了遗传算法、头脑风暴算法等优化算法的智能化特征,有效提高了电动货车的配送效率。仿真结果表明:该模型运用头脑风暴算法的最优值精确度和收敛速度都优于遗传算法,可以有效解决EVRPTW问题。所提出的模型和算法能明显提高配送中心的配送效率,节省充电成本,提高顾客满意度。针对配送中心电动货车运营调度管理的特点,借助计算机技术以及自动控制技术,进一步提高了电动货车的配送效率,为物流网络系统的智能化调度提供技术准备。     

交通监控场景中的车辆检测与跟踪算法研究

考虑多目标跟踪过程中存在的实时性和身份跳变问题,提出一种基于检测的多车辆跟踪算法。首先利用Mobilenetv2替换YOLOv3检测算法的主干网络,构建目标检测模块YOLOv3-Mobilenetv2,减少检测算法模型参数,提高检测模块的运行速度;在Mobilenetv2中引入Bottom-up连接,增强多尺度特征图间的信息融合;然后构建基于LSTM的运动模型,解决卡尔曼滤波在非线性系统中产生的预测误差,基于Deepsort跟踪算法,引入LSTM运动模型,形成L-Deepsort跟踪算法;改进L-Deepsort跟踪算法外观匹配策略,提升目标间的关联性;最后融合轻量级目标检测算法YOLOv3-Mobilenetv2与多目标跟踪算法L-Deepsort,形成MYL-Deepsort多车辆跟踪算法,实现多车辆的实时准确跟踪。实验结果表明,该方法在跟踪性能提升的情况下,速度较YOLOv3-Deepsort提高21 frame/s,在TX2平台达到13 frame/s。     

基于时间上下文跟踪学习检测的指尖跟踪方法

针对在基于视频的空中签名认证系统中,现有方法无法满足指尖跟踪的准确性、实时性和鲁棒性要求的问题,在对比研究目前常用的多种跟踪方法的基础上,提出一种基于时间上下文的跟踪-学习-检测(TLD)方法。在原始TLD算法的基础上引入时间上下文信息,即相邻两帧间指尖运动具有连续性的先验知识,自适应地缩小检测和跟踪的搜索范围,以提高跟踪的速度。对12组公开的1组自录的视频序列的实验结果表明,改进后的TLD算法能够准确地跟踪指尖,并且跟踪速度达到43帧/秒;与原始TLD跟踪算法相比,准确率提高了15%,跟踪速度至少提高1倍,达到了指尖跟踪的准确性、实时性和鲁棒性要求。