强化学习在足球机器人基本动作学习中的应用

主要研究了强化学习算法及其在机器人足球比赛技术动作学习问题中的应用．强化学习的状态空间 和动作空间过大或变量连续,往往导致学习的速度过慢甚至难于收敛．针对这一问题,提出了基于T-S 模型模糊 神经网络的强化学习方法,能够有效地实现强化学习状态空间到动作空间的映射．此外,使用提出的强化学习方 法设计了足球机器人的技术动作,研究了在不需要专家知识和环境模型情况下机器人的行为学习问题．最后,通 过实验证明了所研究方法的有效性,其能够满足机器人足球比赛的需要．     

火灾视频图像的边缘检测

针对火灾视频图像存在较多噪声的特点，介绍了图像边缘的概念和几种传统的边缘检测算子，对各种边缘检测算子的优缺点进行了分析，给出了一种图像阈值分割与边缘检测相结合的方法.该方法先对火焰灰度图像进行分割，采用阈值迭代算法找到分割的阈值，使火焰与背景分离，然后再应用传统的边缘检测算子.通过利用拍摄的火焰视频图像对传统的算法和给出的算法进行多次试验及图像的对比分析，结果表明，提出的边缘检测方法检测出的火焰边缘在完整性和清晰度上具有更好的效果.     

基于遗传算法的石膏纤维板厚度模糊控制器的优化及其仿真

模糊控制中隶属度函数的正确选择是模糊控制器设计的关键,它决定了模糊控制系统的动态、静态性能和控制效果.本文针对传统的获取隶属度函数方法的不足,采用遗传算法对其进行优化,从而使经过优化所获得的隶属度函数更加合理,并将其应用在石膏纤维板厚度控制中.最后经过仿真比较研究,结果表明优化后的模糊控制器的控制品质具有较大的改善和提高.     

管理信息系统中异质数据库的数据转换与连接

介绍了管理信息系统开发中的数据库异质问题和实现异质数据库连接与转换的ODBC技术,与PowerBuilder中的数据管道技术,所开发的环境监测管理信息系统阐明如何利用ODBC技术和数据管道技术实现异质数据库的数据连接与转换。     

模糊神经网络在夹送辊同步控制中的应用

针对滚切式双边剪在钢板剪切过程中的跑偏问题以及夹送辊在输送钢板过程中不同步所造成的钢板跑偏现象,研究了基于模糊神经网络的模型参考自适应控制算法及其在中厚板生产线上双边剪夹送辊传动系统中的应用.利用模糊神经网络的自学习能力整定PID控制器参数,以实现有效的非线性控制.基于此方法进行夹送辊同步控制,以防止钢板跑偏.通过仿真实验,证明了该算法的有效性,说明了模糊神经网络的模型参考自适应控制器在系统参数时变时的控制效果优于传统的PID调节器.     

机器人在未知环境条件下的动态避障

为了使机器人在工作过程中顺利的躲避行进途中的各类障碍物,采用人工势场法作为机器人的避障算法并针对传统人工势场法存在的目标不可达的问题进行了详细的分析.在传统人工势场法斥力函数中引入机器人与目标点的距离关系作为其中的因子,分别重新定义了势能函数中的斥力和引力,从而得到了新的势能函数,成功地解决了目标不可达的问题.基于Matlab平台的仿真结果表明,本方法控制的机器人能够较出色地躲避大小不一的障碍,最终到达指定位置.     

双进双出磨煤机模糊神经网络建模与仿真

针对一般经验公式或者回归分析方法难以得到准确的双进双出磨煤机运行模型的问题，在对双进双出磨煤机结构及运行机理深入分析、得出相关参数的基础上，提出了一种基于Takagi Sugeno结构的双进双出磨煤机模糊神经网络建模方法，并应用粒子群算法对网络的各初始权值和阈值进行优化.在Matlab环境下，与传统非线性方程建立模型的方法相比较，本方法仿真效果更优越，同时也证明了模型的有效性.     

基于多传感器信息融合双进双出磨煤机料位检测

为解决双进双出磨煤机难于实现整个运行工况精确料位检测这一问题,提出一种基于多传感器信息融合的料位检测方法,融合系统由粗糙集和模糊神经网络来实现.根据磨煤机的工作特性将其运行工况分为三个区间,应用粗糙集理论分析不同区间中各传感器信息对于融合的重要性和决策规则的置信度,再利用粗糙集分析结果构成模糊设计网络来实现从多传感器信息到磨煤机料位的映射,并将粗糙集分析得到的属性重要度和规则置信度引入到模糊神经网络的学习过程中.通过试验结果证明研究方法的有效性,能够实现各工况较为精确的料位检测.     

改进的广义预测控制算法在热力站控制中的应用

在集中供暖的热力站控制系统中,由于被控对象本身具有非线性、纯滞后、参数时变等特点,常规的PID控制器难以达到理想的温度控制效果.结合广义预测控制的优点,本文提出了一种基于遗忘因子递推增广最小二乘法的广义预测控制的算法.首先介绍了该算法的原理和控制器的设计方法,然后在系统参数突变的情况下进行了仿真研究.仿真结果表明该算法具有动态响应快、超调量小,稳态精度高的特点,而且稳定性和鲁棒性良好,适用于参数变化的大滞后热力站控制系统.     

神经网络在水环境影响评价方面的应用

水质模型是水环境研究的重要工具，在水环境管理规划中起着重要作用．介绍了当前使用较多的水质数学模型及其优缺点．提出人工智能技术用于水质模型的改进方法．将神经网络应用于水环境影响评价，采用改进的BP算法进行水质模拟．该方法较之原有的水质数学模型，结果更加精确，适用范围更广．