基于Transputer的CMAC神经网络模型的高速高精度直接驱动机器…

本文主要研究了利用智能学习方法获得高品质运动控制的问题，重点解决了ＣＭＡＣ的快速实现问题；用Ｔｒａｎｓｐｕｔｅｒ和ＣＭＡＣ网络构成并行数字控制器，对两关节的直接驱动机器人进行了实现研究，结果表明，ＣＭＡＣ网络学习控制方法是一种有效的实用的高效高精度运动控制方法，并具有良好的鲁棒性。     

一种CMAC网络模型及其在机器人控制中的应用

小脑模型关节控制器（CMAC）具有学习算法简单、在线学习速度快的优点,非常适于机器人等复杂系统的自适应控制,本文阐述了CMAC的原理,证明了其收敛性,提出了一种适合于机器人轨迹跟踪控制的CMAC,并给出了仿真实验结果。     

BP神经网络在巡逻机器人多传感器数据融合中的应用

针对传统危化品仓库固定式监控器中监控范围小、报警准确率低的特点,研究了一款危化品仓库巡逻机器人,采用以拉依达准则改善BP神经网络融合性能的多传感器数据融合方法,通过采集泄露危化品浓度、仓库内环境温度和湿度等数据,在对数据进行拉依达去噪、归一化后利用BP神经网络进行融合输出.样机试验结果表明,该方法可有效提升危化品仓库巡逻机器人对空间环境的把握度,大幅度提高报警的准确性和可靠性,同时具备良好的传感器扩展性.     

基于Transputer的CMAC神经网络模型的高速高精度直接驱动机器人的运动控制研究

本文主要研究了利用智能学习方法（ＣＭＡＣ神经网络）获得高品质运动控制的问题，重点解决了ＣＭＡＣ的快速实现问题；用Ｔｒａｎｓｐｕｔｅｒ和ＣＭＡＣ网络构成并行数字控制器，对两关节的直接驱动机器人进行了实验研究，结果表明，ＣＭＡＣ网络学习控制方法是一种有效的和实用的高速高精度运动控制方法，并具有良好的鲁棒性。     

CMAC神经网络在非线性预测控制中的应用

0　引　言预测控制是 70年代末从实践中发展起来的一类新型计算机控制算法。它包括预测模型、滚动优化和反馈校正 ,既具有优化功能又利用了实时反馈信息 ,结合了最优控制与反馈控制的优点 ,在实践中已得到了很好的应用。由于预测控制对模型不寻求结构形式 ,只强调其预测功能 ,特别是强调对性能趋势的预测 ,因此 ,非常适合于存在非线性和不确定的被控对象。本文利用ＣＭＡＣ神经网络建立非线性被控对象的性能预测模型 ,并可进行在线修正 ,以克服由于实际对象中存在的时变、不确定性及环境干扰等引起的模型失配的影响 ,提高系统响应的快速性和…     

小脑模型在精馏塔浓度预测中的应用

小脑模型(cerebellamodelarticulationcontroller简称CMAC)是一种局部学习网络,CMAC算法收敛速度很快,结构简单,并具有一定的泛化能力。精馏塔塔顶、塔底产品浓度含量的预测控制是精馏过程中非常重要的部分。研究表明,在某些情况下双线性系统可以很好地描述精馏塔的动态特性,因此本文通过双线性精馏塔机理模型给出网络学习样本数据,结合小脑模型对精馏塔塔顶、塔底产品浓度含量进行预测。仿真实验表明,该网络可以精确地描述精馏塔实际工程对象,取得良好的预测结果。     

小脑模型神经网络改进算法的研究

该文介绍了小脑模型神经网络的基本原理,在分析Albus[1]算法的基础上,指出了该算法在批量学习时的缺陷.针对批量学习提出了相应的改进算法,并证明了该算法的收敛性,仿真结果表明了该改进算法具有收敛速度快的特点.     

两级BP网络在机器人传感器融合中的应用

根据多级传感器信息融合的思想,本文构造了基于神经网络的特征级一决策级两级信息融合模型,并使其在机器人避障控制中得以实现.两级信息融合的使用,提高了各种传感器的使用效率,避免了传感器本身缺陷以及环境不确定因素的影响,增强了机器人的灵活性和适应性,为机器人在复杂的、不确定的环境中工作提供了保障.     

神经网络在机器人控制中的应用

本文综述了人工神经网络在机器人控制中的算法及结构，对存在的问题进行了分析，并提出了发展的趋势。     

基于样条权函数神经网络的传感器故障诊断

在技术高速发展的今天,传感器用于各行各业,加之这些年来,家用电器、汽车、信息产业三方面的飞速发展,传感器需求量增大,传感器故障诊断技术变得尤为重要,并且对提高系统的可靠性具有重要意义。利用神经网络对传感器故障进行诊断的方法克服了分析冗余方法需要的系统精确数学模型的问题,并且可以处理非线性数据。文中详细阐述了样条权函数神经网络的结构、原理,在分析传感器主要故障的基础上,提出了样条权函数神经网络的传感器故障诊断方案。Matlab仿真和模拟实验结果表明,样条权函数神经网络可以解决传感器故障检测问题。     

基于神经网络移动机器人PID控制

针对移动机器人电机模型实质的非线性，为满足其精确的运动要求和技术性能，采用动态反传算法训练BP网络以辨识直流电动机的逆模型。将这一训练后的网络输出作为神经PID控制器输入不断调整其P，I，D参数，进而调整控制器输出电压以控制系统跟踪位置或速度指令。该算法简单、计算量小、适于实时控制。实验结果表明了该方法的有效性。     

基于地址映射的网络安全策略研究

摘要：针对网络访问中存在的安全隐患,以私网安全性问题为对象进行研究,提出了基于NAT技术的私网安全解决方法。提出的方法将NAT技术中的地址映射策略扩展到私网用户对私网服务器的访问过程中,实现私网服务器对用户的透明。分析结果表明,这种方法能有效屏蔽私网服务器的IP地址,隔离基于IP地址的网络攻击,提高网络安全性。     

一种基于模糊神经网络的机器人控制

采用高斯函数作为模糊隶属函数,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,运用了一种模糊高斯基函数神经网络,并用于两关节机器人的轨迹跟踪控制。仿真结果表明,该网络对机器人轨迹跟踪控制具有很好的效果,是一种行之有效的控制方法。     

基于机器人的神经网络预测控制算法

针对预测控制机理在处理非线性模型控制存在较大的困难,提出了将BP神经网络和广义预测控制（GPC）相结合后应用于网络控制系统的思想,构造了神经网络预测控制算法,其实质是用BP神经网络作为预测模型,产生预测信号,对系统进行反馈校正,并通过误差迭代求取广义预测的最优控制律,从而克服了对非线性系统难以辨识模型的困难,利用神经网络“黑箱”的功能达到对非线性系统的预测控制。以机器人为控制对象进行仿真,取得了较好的控制效果。     

指南针传感器及其在机器人中的应用

指南针传感器是一种对位置敏感的电子指南针和外部处理电路组成的部件.利用简单的跳接线可以选择多种需要的工作方式,在机器人足球比赛中常用来在进攻机器人中确定球门的方向.本文探讨的RoboBall指南针传感器能具体判断8个方向,结合不同的处理器及软件还可以细分为32个方向.使用该传感器和LEGO机器人配合实现机器人足球比赛中球门的探测.     

一种改进BP网络及其在智能传感器非线性校正中的应用

主要分析了神经网络存在的一些缺陷,研究了一种改进BP神经网络学习算法的相关技术,设计并实现了一种改进型BP神经网络算法,并将其应用于智能传感器的非线性自校正系统。通过在某无人机机载高度传感器上试验研究,证明了这种算法的可靠性、先进性、稳定性。     

BP神经网络在机器人足球比赛系统中的应用

足球机器人的决策系统是一个多智能体协调控制系统,控制机器人运动需对机器人未来的方位进行实时预测。为了解决RoboCup小型组比赛系统的延迟和准确定位问题,将BP神经网络应用于决策系统的局势预测中。建立了基于BP神经网络的线性预测模型,确定了神经网络的拓扑结构,并将训练好的网络应用于现有比赛系统,预测机器人的就位效率、协调及配合能力,进行仿真实验。实验证明,方法对机器人的位置、方向等预测比较准确,证明了预测算法的可行性和优越性。     

样条权函数神经网络在指纹识别中的应用

样条权函数神经网络克服了很多传统神经网络（如BP、RBF）的缺点：比如局部极小、收敛速度慢等。样条权函数神经网络的拓扑结构简单,训练后的神经网络的权值是输入样本的函数,能够精确记忆训练过的样本,可以很好地反映样本的信息特征,亦可以求得全局最小值。为了克服传统网络在指纹识别中的弊端,文中利用了样条权函数神经网络的优点,介绍了其在指纹识别中的应用。首先通过主成分分析方法对指纹图像进行特征提取,然后利用样条权函数神经网络进行指纹识别,最后通过Matlab仿真与其他传统的神经网络进行比较,验证了样条权函数在指纹识别方面的可行性且比传统神经网络效率更高。     

基于改进BP神经网络的移动机器人寻线控制

神经网络系统具有自学习和自适应的能力,同时有很强的容错性和鲁棒性,适用于处理难于语言化的模式信息。为使移动机器人沿地面标志线自主运动,采用CCD图像传感器与PC／104总线相结合的硬件系统,运用神经网络的模式识别功能,实现了机器人的寻线控制,实验结果表明该方法是可行的,能有效地提高移动机器人对环境的适应性和其智能化水平。