用改进的差分式Hopfield网络实现线性二次型最优控制

为解决差分式Hopfield网络能量函数的局部极小问题,本文对之改进得到一种具有迭代学习功能的线性差分式Hopfield网络.理论分析表明,该网络具有稳定性,且稳定状态使其能量函数达到唯一极小值.基于线性差分式Hopfield网络稳定性与其能量函数收敛特性的关系,本文将该网络用于求解多变量时变系统的线性二次型最优控制问题.网络的理论设计方法表明,网络的稳态输出就是欲求的最优控制向量.数字仿真取得了与理论分析一致的实验结果.     

一种实现全父辈交叉遗传算法的神经计算模型

该文提出了一种实现二值编码全父辈交叉遗传算法的神经计算模型GAnn。GAnn将遗传算法的迭代循环结构通过一组由神经元模块所组成的反馈回路实现,并给出了实现二值编码全父辈交叉操作以及突变操作的人工神经元和神经网络拓扑结构。该文通过实验结果验证了GAnn的可行性。GAnn综合了硬件遗传算法和并行遗传算法的优点,这对于用硬件实现遗传算法,显式地实现遗传算法的内在并行性,提高遗传算法的实时性,拓宽遗传算法应用领域的研究具有积极的意义。     

基于支持向量机的肿瘤亚型识别

肿瘤亚型的准确判别对肿瘤的治疗具有重要意义。该文依据肿瘤的基因表达谱,研究了利用支持向量机进行肿瘤亚型识别的方法。该方法以基因蕴含的样本分类信息量为依据首先排除噪声基因,然后采用支持向量机作为分类器进行肿瘤亚型的识别。文章以急性白血病的基因表达谱数据为例,进行亚型识别并同已有的研究成果进行了对比。实验结果表明了该方法的可行性和有效性。     

细胞自动机及其在复杂系统研究中的应用

近年来,随着计算机技术的飞速发展,细胞自动机理论及其在复杂系统研究领域中应用的研究受到科学界的高度重视。由于细胞自动机具有结构简单、并行计算能力强和易于在计算机上实现系统的可视化模拟等特点,它已成为复杂系统研究领域一种具有广阔发展前景的新方法,在复杂系统(如:生物系统、交通系统、经济系统、环境系统、工程系统、社会系统和各种工业生产系统等)研究中得到了广泛的应用,并取得了令人瞩目的成果。文章在简要介绍复杂系统、细胞自动机概念及特点的基础上,分析了二者的相互关系,较详细地综述了细胞自动机在各种复杂系统研究领域的应用,最后结合笔者的研究指出了细胞自动机理论及其在复杂系统应用研究中有待进一步完善和深入研究的问题。     

两轮自平衡机器人惯性传感器滤波问题的研究

针对惯性传感器在两轮机器人姿态检测中存在随机漂移误差的问题,基于卡尔曼滤波实现对倾角仪与陀螺仪的信息融合,设计了简单而实用的滤波算法,对传感器的误差进行补偿后得到机器人姿态信号的最优估计,从而将其应用于两轮自平衡机器人系统。实验结果表明,采用卡尔曼信息融合的方法,来得到机器人姿态信息最优估计是有效可行的,并且有利于机器人完成自平衡的控制。     

模糊操作条件概率自动机仿生自主学习系统和机器人自平衡控制

为了实现两轮机器人的自平衡控制, 利用Skinner操作条件反射机理, 以概率自动机为平台, 融入模糊推理, 构造了模糊操作条件概率自动机(OCPA)仿生自主学习系统. 该学习系统是一个从状态集合到操作行为集合的随机映射, 采用操作条件反射学习机制, 从操作行为集合中随机学习作为控制系统控制信号的最优行为, 并利用学习到的操作行为取向值信息, 调整操作条件反射学习算法. 此外, 学习系统还引入行为熵, 以验证其自学习和自组织能力. 应用于两轮机器人自平衡控制的仿真结果, 验证了模糊OCPA学习系统的可行性.     

柔性双轮平衡机器人的动力学建模与分析

提出了一种柔性双轮平衡机器人,其机身具有以一段弹簧作为弹性阻尼的被动俯仰旋转关节．运用拉 格朗日方法建立了此机器人在平面运动的动力学模型．基于此模型,首先证明了柔性双轮平衡机器人在直立平衡点 不稳定和局部可控．其次,分析了关节刚度对线性二次型最优姿态平衡控制系统的影响．结果显示,关节刚度减小 在理论上能够加强系统的鲁棒性,却使得控制系统动态性能下降．本文提出的模型及相关分析为柔性双轮平衡机器 人的设计和控制提供了一定理论依据．     

一种具有发育机制的感知行动认知模型

针对结构固定认知模型中存在的学习浪费与计算浪费问题, 在具有内发动机机制的感知行动认知模型基础上, 根据操作条件反射学习特性, 借鉴潜在动作原理, 建立起一种具有发育机制的感知行动认知模型D-SSCM (Development-sensorimotor cognitive model), 具体为一个14元组, 包含离散学习时间集、内部可感知离散状态集、可输出动作集、有效输出动作空间集、潜在动作关系集、可输出动作空间探索率集及发育算法等.针对模型发育过程, 分别设计了模型结构扩展式发育方法和算法以及缩减式发育方法和算法, 定义了模型的发育式学习过程.使用两轮机器人自平衡任务对设计的学习模型进行验证, 实验结果表明, 发育机制下的感知行动认知模型D-SSCM具有更快的学习速度及更稳定的学习效果.     

基于飞轮的单级倒立摆系统的建模与仿真

针对目前融轮机器人的侧向平衡控制问题,设计了一种基于飞轮的单级倒立摆系统.简单地介绍了目前有关倒立摆系统的研究现状,然后利用拉格朗日方法建立了基于飞轮的单级倒立摆系统的数学模型,同时,对所建立的数学模型(精确模型和线性化模型)在Matlab/Simulink中进行了仿真验证,仿真结果证实了所建立的模型是可信的,并用现代...     

基于参数寻优的自学习算法在两轮机器人控制上的应用

针对两轮机器人现有控制算法的弊端,基于自学习参数寻优算法设计自适应控制器.该控制器结构简单,无需依赖精确数学模型,经过多次学习训练,即可获得最优控制参数.将该控制器应用于两轮机器人的平衡控制中,并与线性二次型(linear quadratic regulator,LQR)最优控制器进行对比,仿真结果验证了该算法的正确性、有效性,凸显出较强的鲁棒性和仿生学习性;将该控制器应用于两轮机器人物理系统,取得了良好的控制效果.