计算机辅助外科手术中医疗机器人技术研究综述

在计算机辅助手术领域中医疗机器人技术是目前一个研究热点。介绍医疗机器人技术的概念以及在计算机辅助手术中应用的必要性;针对医疗机器人技术在计算机辅助手术领域中的国内外研究现状,从骨外科、神经外科、窥镜外科和介入治疗等四个方面,分别进行了详细综述,并介绍具有代表性的外科手术机器人系统;通过分析医疗机器人当前的研究现状,指出内窥镜外科手术机器人将是未来医疗机器人的发展方向,通过探讨内窥镜外科手术机器人所涉及的四个亟待解决的问题,指出了需要进一步研究和发展的方向。     

建筑机器人的研究与应用

建筑机器人的开发与应用是机器人技术最主要的研究领域之一.在20世纪90年代,国际上这方面的研究主要集中在具有完成某些机械运动和实现一些自动化功能的机器人的开发.随着信息技术基础的不断发展与完善,建筑机器人的研究方向也有了新的变化:更偏重于“软机器人技术”研究与开发.将“硬机器人技术”与“软机器人技术”相结合并协调发展成为该领域的一个长期目标.本文结合典型范例阐述了目前国际上建筑机器人的发展状况,以及未来发展趋向.     

外科手术机器人技术发展现状及关键技术分析

外科诊疗是医疗机器人研究和应用最广泛也是比较成熟的领域,目前研究主要集中在脑神经外科、整形外科、介入式无损检测、角膜移植等领域.为促进我国医疗机器人技术的研究和发展,在充分论述医疗机器人研究意义的基础上,对国内外典型外科手术机器人的研究及应用状况作了详细介绍,并对研究医疗机器人所涉及的手术机器人机构、医学三维图像建模、虚拟手术仿真、遥操作网络传输等关键技术进行了详尽的分析,同时指出了今后的发展方向.     

基于改进神经网络的机器人逆解与轨迹精度提高方法

为了提高工业机器人的逆解精度与运动轨迹精度,提出了一种基于改进神经网络的机器人逆解与轨迹精度提高方法。首先通过改进遗传算法的交叉和变异概率优化BP神经网络来提高机器人的逆解精度;然后采用改进Sigmoid函数的神经网络PID控制方法实现机器人的运动轨迹控制,进而提高机器人的运动轨迹精度。构建了机器人轨迹精度测试实验系统,进行仿真与系统实验研究。仿真结果表明,改进遗传算法优化BP神经网络可有效提高机器人的逆解精度和速度;圆弧与直线轨迹的系统实验结果显示,SR4C型工业机器人运动轨迹精度提升效果均优于60%。该方法可有效提高机器人的运动轨迹精度,满足工业生产、智能制造等领域对机器人运动轨迹精度的需求。     

微型机器人驱动技术发展及现状分析

本文介绍了微型机器人驱动技术的特点,对基于不同原理的驱动形式进行了概括总结,综述了国内外的研究现状,并对微型机器人驱动形式进行了分析和展望.分析了面向不同应用领域的微机器人适用的驱动形式,指出无线化是微机器人技术的一个发展方向,磁场驱动技术、微加工技术和智能材料技术的发展将极大地推动微机器人向人体体内医疗领域应用的延伸.     

基于BP神经网络控制的多机器人运动规划(Ⅰ)

对多个机器人在简单环境中的运动的研究,利用多机器人控制的神经网络模型,将BP神经网络应用于机器人与障碍物,机器人与机器人之间的避碰行为控制,对机器人进行的行为设计.讨论了机器人训练神经网络及运动规划.实验结果表明了该方法的有效性.     

外科手术机器人技术发展现状及关键技术分析

外科诊疗是医疗机器人研究和应用最广泛也是比较成熟的领域，目前研究主要集中在脑神经外科、整形外科、介入式无损检测、角膜移植等领域．为促进我国医疗机器人技术的研究和发展，在充分论述医疗机器人研究意义的基础上，对国内外典型外科手术机器人的研究及应用状况作了详细介绍，并对研究医疗机器人所涉及的手术机器人机构、医学三维图像建模、虚拟手术仿真、遥操作网络传输等关键技术进行了详尽的分析，同时指出了今后的发展方向．     

基于BP神经网络控制的多机器人运动规划(Ⅰ)

对多个机器人在简单环境中的运动的研究,利用多机器人控制的神经网络模型,将BP神经网络应用于机器人与障碍物,机器人与机器人之间的避碰行为控制,对机器人进行的行为设计.讨论了机器人训练神经网络及运动规划.实验结果表明了该方法的有效性.     

基于BP神经网络控制的多机器人运动规划（1）

对多个机器人在简单环境中的运动的研究，利用多机器人控制的神经网络模型，将BP神经网络应用于机器人与障碍物，机器人与机器人之间的避碰行为控制，对机器人进行的行为设计．讨论了机器人训练神经网络及运动规划．实验结果表明了该方法的有效性。     

微型管内机器人的研究现状

在发电厂、核设施、化工、制冷等领域中,对微型管道进行检测和维修是一项至关重要的工作.微型管内机器人是微型机器人领域的一个重要的研究方向,使用微型管内机器人可以提高管道检测的效率和精确度.介绍了微型管内机器人的发展现状,分析了一些重要的设计思想和研究成果,进而总结了微型管内机器人的研究内容、发展方向与亟待解决的关键技术.     

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.     

神经网络在纺织外贸企业竞争战略中的应用

采用神经网络算法来定量解决企业竞争战略制定问题 ,建立了企业竞争战略形成的智能化模型 ,通过企业竞争力水平来确定企业竞争战略选择 .对陕西省的 15家纺织外贸企业的竞争战略验证 ,表明神经网络的使用能够指导竞争战略的制定 ,具一定的可行性 .     

遗传神经网络在白云鄂博铁矿爆堆质量预测系统中的应用

简要介绍了遗传算法优化BP神经网络的原理和方法，指出金属矿露天采场爆破后爆堆质量预测系统中遗传神经网络设计的基本思想和设计结果，并以包头钢铁(集团)公司白云鄂博铁矿为例验证了所设计的遗传神经网络的精确性和可行性。     

基于遗传神经网络的大坝变形预测模型研究

神经网络具有自学习、修正误差的能力，遗传算法具有较强的全局随机搜索能力，两者结合可以优势互补. 在编码、选择、交叉、变异等方面对基本遗传算法进行改进，提高其效率和性能，并利用改进的遗传算法对神经网络权阈值进行学习，同时确定最佳的网络结构. 利用原型观测资料建立了大坝变形预测的遗传神经网络模型，模型具有良好的预测性能及泛化功能，为大坝安全监控提供了有力的技术支持.     

机器人智能控制研究进展

以介绍机器人控制技术的发展及机器人智能控制的现状为基础 ,叙述了模糊控制和人工神经网络控制在机器人中智能控制的方法 .讨论了机器人智能控制中的模糊控制和变结构控制 ,神经网络控制和变结构控制 ,以及模糊控制和神经网络控制等几种智能控制技术的融合 .并对模糊控制和神经网络控制等方法中的局限性作出了说明     

Robot inverse kinematics based on FCM and fuzzy-neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｉｎｖｅｒｓｅｋｉｎｅｍａｔｉｃｓｉｓｏｎｅｏｆｔｈｅｃｒｕｃｉａｌｉｓｓｕｅｓｆｏｒｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒａｎａｌｙｓｉｓａｎｄｃｏｎｔｒｏｌ .Ｕｓｕａｌｌｙ ,ｃｏｍｐｕｔ ｅｒ ｂａｓｅｄｒｏｂｏｔｓａｒｅｕｓｕａｌｌｙｓｅｒｖｏｅｄｉｎｔｈｅｊｏｉｎｔ ｖａｒｉａｂｌｅｓｐａｃｅ ,ｗｈｅｒｅａｓｏｂｊｅｃｔｓｔｏｂｅｍａｎｉｐｕｌａｔｅｄａｒｅｕｓｕａｌｌｙｅｘ ｐｒｅｓｓｅｄｉｎｔｈｅｗｏｒｌｄｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍ .Ｉｔｉｓｎｅｃｅｓｓ…     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于混合神经网络的风机性能监测模型

针对传统的RBF神经网络泛化能力差的缺点,利用RBF神经网络强大的非线性逼近能力和数学模型良好的外推能力,提出了一种将传统的RBF神经网络和用偏最小二乘法建立的通风机性能数学模型相结合的混合神经网络模型,并将该模型用于通风机的重要性能参数——流量的监测上。以实验室4-73No.8D离心风机为研究对象,用不同导流器开度下的实验数据进行拟合,研究结果表明,混合神经网络模型的泛化能力强,精度高,各项模型评价参数均优于传统的RBF神经网络模型。     

Layered learning of soccer robot based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＲｅｃｅｎｔｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｓｈａｖｅｂｅｃｏｍｅａｌａｒｇｅｆｉｅｌｄｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ[1 ] ,Ｇｅｎｅｒａｌｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｉｓｄｅｆｉｎｅｄａｓｔｈｅｓｙｓｔｅｍｃｏｍｐｏｓｅｄｏｆｍｏｒｅｔｈａｎ 2ｒｏｂｏｔｓａｎｄｐｅｒｆｏｒｍｓｔｈｅｔａｓｋｓｂｙｃｏｏｐｅｒａｔｉｏｎ .Ｔｈｅｓｙｓ ｔｅｍｈａｓｄｉｆｆｅｒｅｎｔｆａｃｔｏｒｓｃｏｍｐａｒｅｄｗｉｔｈｓｉｎｇｌｅｒｏｂｏｔｓｙｓ ｔｅｍ …     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。