一种新的多层前馈网络学习算法

基于权值解耦思想，本文提出一种新的多层前馈网络学习算法，该学习算法的收敛速度比ＰＢ学习算法快，且比并行递推预测误差学习算法有更好的数值稳定性，文中论述了它与别的学习算法之间关系，并选取神经网络对非线性系统建模的例子进行仿真，说明新算法的有效性。     

扩张状态观测器用于连续系统辨识

使用扩张状态观测器估计连续系统状态和最小二乘法估计系统参数，直接对连续系统进行辨识。仿真结果表明，不管是线性系统还是非线性系统，只要结构对参数是线性的，都能有效地将其参数辨识出来。     

微小型自主侦察机器人控制系统设计

狭窄区域侦察和大面积探测在军用和民用领域都有着较大的应用需求.这使得微小型自主机器人成为了研究热点之一.然而,体积和重量的限制导致微小型机器人运算能力、通信能力和传感能力十分有限.因此.微小型自主侦察机器人控制系统的设计成为难题.在微小型自主侦察机器人BMS-1中.通过配置不同传感器和采用适当的控制算法.实现了避障和寻找并躲避在隐蔽处等基本自主行为,最后进行了实验测试和得出了相关结论,提出了本文的创新所在.     

国内外军用机器人产业发展现状

1概述 1．1军用机器人定义 军用机器人是一种用于完成以往由人员承担的军事任务的自主式、半自主式或人工遥控的机械电子装置。它是以完成预定的战术或战略任务为目标,以智能化信息处理技术和通信技术为核心的智能化武器装备。     

Design of a Miniature Autonomous Surveillance Robot

The small size of miniature robots poses great challenges for the mechanical and deetrieal design and the implementation of autonomous capabilities.In this paper,the mechanical and electrical design for a twowheeled cylindrical miniature autonomous robot ("BMS-1",BIT MicroScout-1) is presented and some autonomous capabilities are implemented by multiple sensors and some arithmetic models.Several experimental results show that BMS-1 is useful for surveillance in confined spaces and suitable for large-scale surveillance due to some autonomous capabilities.     

Lagrange 神经网络的稳定性分析

若重新定义与不等式约束相关的乘子为正定函数,则在构造Lagrange神经网络时,可直接使用处理等式约束的方法处理不等式约束,不需再用松驰变量将不等式约束转换为等式约束,减小了网络实现的复杂程度.利用Liapunov一阶近似原理,严格分析了这类Lagrange神经网络的局部稳定性;并采用LaSalle不变集原理,讨论其大范围稳定性.     

一种用于径向基函数网络辨识非线性系统的新算法

使用卡尔曼滤波器和分簇算法组成一种新的混合算法用于径向基函数网络辨识非线性系统。由于卡尔曼滤波器和分簇算法都采用线性学习规则，收敛速度很快，故新算法能增加网络自适应能力。仿真结果表明了该算法的有效性。     

柔性一体化关节及4自由度仿人软机械臂

1.技术简介随着科学技术的进步以及人们对提高工作效率的渴望,对机器人的要求已不单单局限于简单、重复的工作,而是开始向具有一定智能化的、与人类和谐相处以及在非结构化的环境中顺利完成作业的方向发展。为了开发出更安全和在非结构化环境中具有更好性能的机器人,北京理工大学在国家科技部、国家自然科学基金委以及北京市科委的共同资助下开展了柔性一体化关节以及仿人软机械臂     

基于Lagrange乘子法的非线性规划神经网络

本文针对文献「１」中非线性规划神经网络的缺点，提出了一种新的非线性规划神经网络，在文中，我们分析了网络的收敛性和稳定性，并给出其电路实现，仿真结果证明了该神经网络有效地求解非线性规划问题。     

SEAs导纳控制的μ综合方法

SEAs (Series elastic actuators)具有在确保机器人性能的基础上兼顾其安全性的特点, 因此被广泛地应用在康复机器人中. 为实现良好的康复训练效果, 机器人需根据实际要求呈现不同的阻抗特性. 本文采用μ综合技术解决了SEAs导纳控制器的设计问题. 首先, 考虑参数摄动、传感器噪声、输入干扰及控制输入限制等不确定性因素, 建立SEAs模型. 其次, 应用混合稳定性原理分析系统的交互稳定性. 由于无源环境的阻抗在高频段必然呈现小增益特性, 所以, 当端口导纳在低频段满足无源性, 高频段具有小增益时, 就能确保交互的稳定性. 然后, 将SEAs的导纳控制综合问题转化为实际端口导纳与期望导纳匹配的μ综合问题. 最后, 通过调节加权函数, 不仅让SEAs闭环系统的端口导纳逼近期望的端口导纳, 还能同时满足交互稳定性条件, 从而可以独立于环境因素来设计导纳控制器. 仿真结果表明, 基于μ综合方法设计的控制器, 能精确地逼近期望的端口导纳, 且确保交互稳定性. 另外, 通过Hankel逼近方法得到的降阶控制器也具有满意的控制效果.