基于专家系统的自校正模糊控制器

针对传统模糊控制器的不足,构造了一种基于专家系统的自校正模糊控制器,丰害囝模糊控制器的结构及内容,改善了其性能。仿真研究也证实了该控制器的有效性。     

基于模糊神经网络的多移动机器人自学习协调系统

研究多移动机器人的运动规划问题．针对机器人模型 未知或不精确以及环境的动态变化,提出一种自学习模糊控制器（FLC）来进行准确的速度 跟踪．首先通过神经网络的学习训练构造FLC,再由再励学习算法来在线调节FLC的输出,以 校正机器人运动状态,实现安全协调避撞．     

移动机器人轨迹跟踪的参数自校正控制

根据移动机器人运动学模型,对两轮移动机器人的轨迹跟踪问题进行了研究。在动态反馈线性化的基础上,采用基于广义最小方差法实现参数的自校正并设计控制器,考虑到机器人的动力学约束,采取对移动机器人的线速度和角速度加以限制的控制策略,保证机器人的运动平滑。仿真结果表明了该方法的有效性和正确性。     

基于Tuning-Knobs的智能化自校正控制CAD*

本文提出了一种很适合于专家系统开发的基于Tuning-Knobs的自校正控制系统启发式CAD过程,并讨论了一些典型的Tuning-Knobs调整规则,在此基础上,我们用Turbo Prolog语言为某自校正控制系统CAD软件包(SELFPAC,用C语言编写)开发了智能前端。     

越野移动机器人自动驾驶专家系统的研究

本文研究越野移动机器人驾驶专家系统等有关问题，首先介绍了系统的硬件支持环境，然后阐述了自动驾驶专家系统的总体结构，有关知识库的内容以及使用知识的各功能模块的作用与运行机理，该系统已分得以应用，能够完全代替驾驶员各种驾驶操作，并能进行自主导航、运动规划、自动绕障、动态跟踪目标、原路返回以及示都再现等复杂任务。     

多变量模糊自校正控制器及其应用

本文介绍了表达ＭＩＳＯ动态系统的模糊模型，并提出了有关参数和结构的在线辨识算法。根据辨识的模糊模型，利用Ｃｌａｒｋｅ的单变量广义预测控制（ＧＰＣ）原理［１］设计了多变量模糊自校正控制器。仿真研究表明，该模糊自校正控制方法应用于火电机组负荷系统的控制，可以收到良好的效果。     

模糊自校正流量控制系统

针对一类变参数、大惯性、大滞后系统，提出了一种模糊自校正控制方法，并用MOTOKOLAMC系列单片机芯片加以实现。系统结构简单，易于实现。经半年多的实际运行情况表明，此方法静态误差小，对系统参数变化有较强的适应能力，具有良好的控制效果。     

模糊自校正控制器在多温区温度控制系统中的应用

本文介绍了一种模糊自校正控制器，它能对一个系统中不同温区的温度进行精确控制。作者给出了该模糊控制系统的结构，着重讨论了补偿系数与调整因子的计算与确定方法。实验表明，该控制器具有良好的自适应性和动、静态特性。     

基于自校正模糊控制器的磨削加工控制系统

本文提供了一种规则自校正模糊控制器,并将其用于磨削加工系统的控制中,设计了一种在线的模糊推量算法,使得模糊控制规则可以得到实时在线的调整。     

多移动机器人合作系统中的单机控制体系结构研究

随着机器人技术的不断发展,出现了合作多移动机器人系统这一新的研究和应用领域,随之而来的是对机器人控制体系的新的要求．本文分析了合作多移动机器人系统对单机控制体系结构的要求,并以此为背景,在比较两种典型的智能机器人体系结构的基础上,提出一种混合分层的体系结构     

多移动机器人分布式智能避撞规划系统

研究在同一工作环境中多移动机器人的运动规划问题 ,提出将原来比较复杂的大系统问题转化为相对简单的子系统,由各智能机器人依据任务要 求和环境变化,独立调整自身运动状态,完成任务的分布式智能决策体系结构,并给出相应 的模型和算法．     

一种改进的多机器人任意队形控制算法

针对快速收敛的机器人部队任意队形控制算法中存在的问题，提出一种改进的多机器人系统模型和控制算法．新方案中详细讨论了基于全局通信的机器人集合划分方式，机器人可以以多种策略选择跟踪对象，并且新的系统模型和控制算法能够用于具有不同高度的机器人、目标和障碍物的情形．理论分析表明新方案尽可能多地减少智能体机器人之间的冲突及等待时间，更接近实际应用．      

多智能体移动机器人物体收集系统

多移动机器人合作物体收集系统是一个复杂的分布式动态系统,传感器和执行 机构空间分布的特点,以及各个机器人之间、机器人与环境之间复杂的相互作用,使它难以 用集中控制的方式设计整个控制系统．本文详细分析了该任务的特点,指出它特别适合采用 多智能体方法进行系统的实现,并在多智能体方法指导下,深入探讨了系统的整体结构和各 部分的功能,并基于OAA结构加以实现．     

室外移动机器人的视觉临场感系统

本文介绍了我们所建立的室外移动机器人的视觉临 场感系统,由摄像机云台系统、头盔系统、通讯系统、视频显示系统组成,集成的系统取得 了令人满意的效果．     

多移动机器人队形控制的研究方法

本文从基本思想、优缺点等方面论述了进行多移动机器人队形控制的三种研究方法.介绍了 一种包含这三种方法的系统体系结构，并对该体系结构进行了评价，指出了需要进一步研究 的问题．     

一种新的位置数据融合方法的研究

给出了一新的基于团队一致法的多传感器位置数据融合方法，该方法按传感器队中的每个成员的测量不确定性，构造团队期望效用函数（或密度），并基于该期望效用函数求得位置参数估计，其优点是可消除失效传感器和测量值为野值的传感器的影响，本文给出了仿真结果。     

多机器人任意队形分布式控制研究

本文针对多智能体协作完成特定任务时难以在全自主控制的前提下协作形成任意队 形和队形向量不易确定的问题，通过由各智能体自主简单的确定自己的队形向量，从理论上 扩展基于队形向量的队形控制原理以生成任意队形，改进机器人的运动方式以提高收敛速度 ，提出一种快速收敛的机器人部队任意队形分布式控制算法．为了解决智能体机器人之间的 冲突问题，提出了一个通信协调模型．仿真实验和实际机器人实验均表明了算法的可行性和 有效性．     

理性遗传算法及其在多机器人运动协调中的应用

面对传统遗传算法在解决一些复杂问题时所存在的收敛慢或早熟等困难,基于仿人理性决策原则,提出一种具有更丰富进化含义的进化算法--理性遗传算法.其通过遗传信息的反馈或理性规则的建立来指导遗传操作的进行,从而将种群内部知识与经验的继承和学习更有效地结合在遗传算法之中.相对于传统遗传算法,较好地解决了多机器人确知环境下协调运动规划问题.理论分析和仿真实验结果都是令人鼓舞的.