基于混合感知信息的路径规划模型

针对动态未知环境下的自主虚拟人实时避障问题,提出一种基于混合感知信息的路径规划模型。该模型由全局规划器和局部规划器组成,全局规划器依据已知环境信息先行规划出优化的运动路线,局部规划器通过对人类的规划行为进行分析,建立用于局部动态规划的运动代价评估函数,实现虚拟人在动态未知场景中的智能规划行为。实验结果表明,该模型能保证实时性,模拟符合人类特征的规划 行为。     

基于Agent的网络地图服务聚合模型

为了给用户提供智能化、一体化的网络地图服务,提出基于Agent的地图服务聚合模型。设计基于Agent的服务搜索、注册、集成和交互模式,介绍面向角色的Agent功能模块,根据相应规则实现智能化处理。实验结果表明,该模型能够提高地图服务的自动聚合和交互能力,为用户使用带来便利。     

未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法.该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数.引入虚拟障碍和直接填充算法,解决了u型障碍区域的连续遍历问题.最后通过仿真实验表明了该方法在未知复杂环境下的有效性.     

协同虚拟环境中分层智能化身控制模型的研究

为了增强协同虚拟环境中化身行为控制的智能性和模块独立性,基于VRML和智能代理技术设计和实现了一种分层智能化身控制模型.该模型中化身模拟智能实体的形体和简单行为,代理模拟智能实体的高级行为控制,化身代理和化身之间通过统一的调用接口进行控制和通信,使得模型各层之间有很好的模块独立性,并采用了基于规则的推理和分层有限自动机实现智能行为.最后的实例分析表明了该控制模型的可行性.     

多项目选择计划及其两层决策免疫遗传算法

探讨项目计划管理中,资源受限下含承继约束的多项目选择计划两级规划模型及其求解算法.依据项目的承继关系,将所有项目划分为若干子群,各子群内部的项目之间存在承继约束,子群之间仅有优先关系,进而获得了资源受限下资源配置平衡的两级规划模型.基于遗传算法的基本结构,引入免疫系统的多样性、记忆性等特征,获得了求解此模型的免疫遗传算法.数值实验结果表明了该模型设计的合理性及算法的有效性.     

混合仿人智能图式的无人艇自主驾控系统设计

针对高度动态、不可预测的海洋环境,开展了无人艇智能运动控制系统的设计研究.首先本文利用认知学科的"图式"概念来分析人体运动控制系统的结构,提出一种混合式分层递阶结构,把人类的先验知识、专家经验融入到该结构中,并在实践中不断学习和完善,则形成了一种混合仿人智能图式;然后根据该图式的思想,设计了自主驾控系统的体系结构,并编制成简单实用、逻辑性强、能实时运行的控制流程;最后进行了无人艇的航线跟踪和安全自主航行的半实物仿真试验,仿真结果表明该无人艇可以安全的避开其他船舶并尽量跟踪航线.     

一种基于声纳信息的移动机器人实时导航方法

提出了一种基于声纳信息的移动机器人实时导航方法。首先建立声纳感知数据向地图映射的概率模型,将声纳感知到的环境信息以基于栅格的概率值进行表示,并利用D-S证据理论对其进行数据融合,得到机器人的局部环境。在此基础上,采用基于滚动窗口的方法进行移动机器人路径规划,最终实现实时导航。试验结果表明该方法是可行和有效的。     

燃气蒸汽供暖锅炉控制系统的设计与实现

基于PLC、触摸屏人机界面、工控机进行系统设计,实现了从锅炉启动、运行到停炉整个过程的全自动控制,并通过设计两级监控、三级安全保护措施和故障自诊断,提高了锅炉运行的稳定性、安全性和可靠性,达到了对燃气蒸汽供暖锅炉运行的有效控制和管理,降低了能耗。     

非完整移动机器人的人工势场法路径规划

基于人工势场的移动机器人路径规划方法在最近20多年里受到了广泛关注.然而研究者主要将目光集中于解决其各种理论问题,在研究中大都将机器人看作无约束的质点或刚体,通常无法直接应用于受到非完整约束限制的轮式移动机器人.针对人工势场法在轮式移动机器人上的实现问题,本文对两种已有实现方法进行了理论分析,指出其存在目标不可达的隐患和无法在不同环境下兼顾路径规划性能的问题,并提出一种基于模糊规则的新方法,通过在不同的情况下调整控制方式和参数解决前述问题.仿真研究表明,该方法在保证目标可达的前提下能够在多种环境中获得更好的总体规划性能.     

基于多传感器数据融合的智能小车避障的研究

针对智能小车避障问题,提出了一种将模糊逻辑和神经网络相结合的融合方法—Takagi-Sugeno(T-S)模糊神经网络方法。基于此方法的数据融合算法应用在智能小车避障运动中,采用多只超声波传感器和红外线传感器探测障碍物的距离和方向,采集的各种数据利用T-S模糊神经网络进行融合。通过实验仿真表明:此方法能够使智能小车对障碍物的灵活避障和导航行进。