移动机器人超声波测距和避障系统的设计及实现

本文介绍了移动机器人的超声波测距和避障系统的设计方案,以及系统的软、硬件组成.该系统的硬件电路以DSP-TMS320LF2407A作为核心处理器,包括超声波测距模块,以及外围辅助电路.系统采用了多路超声波传感器共同作用来完成整个机器人系统的避障和路径规划.在移动机器人的360度的方向上等角度每隔45度安装1个超声波传感器,共8个.各个方向上的超声波传感器循环工作,使得移动机器人实时获取距障碍物的距离和方位信息.样车实验表明,该系统可以满足移动机器人室内避障的要求.     

基于LLE-RF的中药三维荧光光谱分类识别

针对中药三维荧光光谱信号非线性问题,应用局部线性嵌入算法(LLE)对补虚类中药三维荧光光谱信号进行特征提取。使用荧光光谱仪测得不同浓度的24味补虚类中药的三维荧光光谱和等高线光谱图,并利用总体平均经验模态分解(EEMD)算法进行降噪处理,在此基础上,采用LLE算法对经过降噪处理后的三维荧光光谱数据进行特征提取; 然后,应用随机森林(RF)算法对提取的特征向量进行分类识别。为了验证LLE算法的有效性,将其与主成分分析(PCA)算法进行比较。实验结果表明: LLE-RF组合算法分类准确率达95%,比PCA-RF算法分类准确率高,从而验证了该算法的有效性。     

hAPF-ACO:广义障碍环境下的移动机器人路径规划算法

研究了移动机器人的路径规划问题。针对二值栅格建模法不能完整和真实反映复杂环境地理特征的问题,并考虑到移动机器人任务执行过程中存在破障工况,提出了广义障碍的定义,进而对广义障碍进行了分类,并给出了各种广义障碍的模糊隶属度函数,建立了广义障碍环境栅格地图模型。基于人工势场(APF)算法和蚁群优化(ACO)算法各自的特点,提出了一种求解广义障碍环境下移动机器人路径规划的混合APF算法和ACO算法的h APF-ACO算法。通过对案例的路径规划仿真实验,验证了广义障碍环境下路径规划问题的研究意义;与基本蚁群算法求解结果的对比表明,所提出的h APF-ACO算法在收敛性、解质量及鲁棒性等各方面具有明显的优越性。     

基于相似原理的新型双目测距法

针对当前各类测距方法的缺点和不足,提出了一种基于相似原理的新型双目测距法.介绍了该方法的原理,并推导了距离的计算公式.由于该计算公式不便于直接在工程中应用,又提出了一种实验方法来实现新型测距法的工程价值.为验证该方法的实用性,进行了两组实验.实验结果表明,该方法在中短距离上可以实现较高精度的测量.该方法成本低,适用于移动机器人的视觉测距系统,并可以使机器人同时获得望远镜和广角镜能力,提高了其感知世界的深度和广度.     

基于Kinect传感器的移动机器人环境检测及行为学习

研究了一种基于深度图像和强化学习算法的移动机器人导航行为学习方法。该方法利用机器人装配的Kinect传感器检测工作环境信息,然后对获取的深度图像数据和视频图像进行处理、融合和识别,并由此构建机器人任务学习的状态空间,最终利用强化学习方法实现移动机器人的导航任务的自学习。该方法的有效性通过实验得到验证。实验表明,该方法能够使机器入具有较强的环境感知能力,并能够通过自学习的方式掌握行为能力。     

仿射变换下的分类识别

特征提取和分类识别是统计模式识别中两大关键步骤。显然,不同的特征提取方法与不同的分类器相结合,识别性能往往是不同的。从微分几何的角度出发,可将特征系数的获得看成线性几何变换,即仿射变换,据此在黎曼空间提出一种基于黎曼度量的分类识别方法。通过对经典最近邻分类器的线性加权,达到更有效地分类识别。不但在理论上将特征系数提取与分类识别合理的结合起来,而且由人脸识别实验表明该方法的有效性,该方法比传统方法的识别率有约 3%的提高。     

基于系数关系共生矩阵和SVM的纹理分析

纹理是图像中非常重要的特征.提出了一种新的纹理特征提取算法,即对纹理图像进行离散小渡框架变换后,利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息,构造系数共生矩阵,在此基础上进行纹理特征提取,而不是独立地提取各子带系数特征.考虑支撑向量机(SVM)在小样本数据库和泛化能力方面的优势,在分类实验中采用支撑向量机分类器,实验结果表明,基于这种共生矩阵特征提取分类算法能得到很好的分类结果.     

基于激光传感器的机器人地图构建方法

针对自主移动机器人局部地图构建问题,分析了几种应用较广的测距传感器的优缺点和地图构建中使用的激光传感器的数学模型及其非线性问题.在给出局部地图构建的一般模型的基础上本文提出了一种机器人局部地图构建的一种新方法,该方法针对传感器数据的不确定问题采用加权最小二乘方法对机器人在导航过程中的局部地图进行构建,具有实现容易、精度较高等特点.仿真和实验结果表明该方法在移动机器人使用激光测距传感器进行环境建模和地图构建过程中可以有效的减小直线拟合误差,进而达到有效建图的目的.     

改进的波形复杂度算法在核爆炸监测中的应用

验证了传统的波形复杂度对于核爆地震信号分类的有效性。提出了两种时域改进算法,使识别率有了小幅度的提高。将传统的时域波形复杂度推广到时频联合域,提出了一种基于短时傅立叶变换的波形复杂度计算框架。在对所提算法框架进行简化处理后,借助于Fisher线性判别分析方法实现了地震波信号的特征提取。分类实验结果表明所提方法的分类性能优于现有的波形复杂度的分类性能。     

基于超声波传感器的移动机器人避障系统研究

针对移动机器人移动过程中会遇到各种障碍物并需要合理地避开,以移动机器人为平台,利用超声测距原理,以51单片机为核心设计硬件电路,设计了一种基于超声传感器的移动机器人避障控制系统.利用单片机对超声波传感器采集到的环境信息进行存储处理,特别是在避障系统控制算法设计基础上引入模糊控制理论,设计模糊控制器,并且利用Matlab软件对模糊控制器进行了仿真验证.     

冲击回波信号的波形结构特征提取及分类研究

针对典型的非均质材料混凝土内部缺陷大小无损检测这一难题,利用人的听觉系统的生理学和心理学的研究成果,基于ＥＩＨ模型建立了进行时域波形结构特征提取的方法,并用结构自适应模糊聚类神经网络对提取的特征进行了分类试验,结果表明该特征提取方法能较好地解决从冲击反射时域信号来进行肃离缺陷大小识别问题。     

一种并行遗传优化核主元分析算法

针对核主元分析算法参数设置和主元数量选取问题,提出一种并行优化核函数参数和主元数量的改进核主元分析算法。该算法以类别可分性为准则,应用自适应遗传算法同步对核参数和主元数量进行优化,实现了核参数和主元数量的并行选择。将改进后的核主元分析算法应用于柴油机气阀机构典型故障的特征提取中,结果表明：优化核主元分析能有效降低柴油机气阀机构故障特征向量的维数,提高各类样本的聚类效果。     

基于量子核聚类算法的图像边缘特征提取研究

为了提高图像边缘特征提取质量,采取了量子核聚类算法。首先把像素映射量子编码,在码元建立域内对像素块进行随机采样;然后通过聚类距离计算数据点和每一个聚类核心的距离,把数据向量分配到距离最小的核心向量中,核函数确定有效影响范围;最后对像素聚类相异性分析,给出了算法流程。实验仿真显示这种算法对图像边缘特征提取轮廓清晰,连贯性好,评价指标MS和聚类准确率较好,算法收敛快。     

深度学习在机械设备诊断中的应用

传统的机械设备状态监测是根据经验通过提取现场采集的振动信号特征值构建特征空间,采用多种方法对特征值进行聚类、分类,从而实现对设备状态的分类。但这种方法严重依赖于专家经验,并且效果受到信号噪声等众多因素的影响。分别在经典一维和二维卷积神经网络的的基础上,提出两种机械设备智能故障诊断方法,并通过凯斯西储大学轴承数据中心发布的数据集比较两种模型的性能,实验结果表明,基于一维卷积神经网络的智能诊断方法更适用于一维振动信号。将基于一维卷积神经网络的智能诊断方法应用于石化厂的机泵设备,证明其能实现特征自适应提取,可取得较好诊断效果。     

基于多分辨率时频特征融合的声学场景分类

声学场景分类是计算机听觉中最难的任务之一,在单一特征条件下采用基本的卷积神经网络相对于传统的分类方法精度已经有所提升,但是效果依然不够理想。针对这一问题,在卷积神经网络框架下,提出了一种基于时频特征融合的声学场景分类方案。在分类模型构建方面,提出一种多分辨率卷积池化方案,构造多分辨率卷积神经网络,以更好地适应提取特征的时频结构;在特征选取方面,融合低层次包络特征对数——Mel子带能量和高层次结构特征——非负矩阵分解系数矩阵,把两种二维特征堆叠为三维特征送入分类模型。在2017年和2018年声学场景分类和事件检测挑战赛的开发数据集上进行了训练和测试。实验结果表明,文中提出方案比基线系统的分类精度分别提高7.5%和10.3%,可有效改善分类效果。     

Robust principal component analysis with projection learning for image classification

ABSTRACT

In this paper, we propose a robust subspace learning method, based on RPCA, named Robust Principal Component Analysis with Projection Learning (RPCAPL), which further improves the performance of feature extraction by projecting data samples into a suitable subspace. For Subspace Learning (SL) methods in clustering and classification tasks, it is also critical to construct an appropriate graph for discovering the intrinsic structure of the data. For this reason, we add a graph Laplacian matrix to the RPCAPL model for preserving the local geometric relationships between data samples and name the improved model as RPCAGPL, which takes all samples as nodes in the graph and treats affinity between pairs of connected samples as weighted edges. The RPCAGPL can not only globally capture the low-rank subspace structure of the data in the original space, but also locally preserve the neighbor relationship between the data samples.     

基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断

针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从复杂域提取振动信号的故障特征,构建高维故障特征集;采用SSDSL-Isomap方法对高维故障特征集进行维数约简,提取出利于识别的低维、敏感故障特征子集;应用粒子群优化极限学习机(PSO-ELM)分类器对低维故障特征进行故障识别,判别故障类型。VMD-ICMSE方法集成了VMD自适应分解非线性信号与ICMSE衡量时间序列复杂性程度的优势,提高故障特征提取能力;SSDSL-Isomap方法综合了全局流形结构、半监督型双约束图构建以及SOINN界标点选取的优点,增强故障分类能力。调心球轴承故障诊断实验分析结果表明,该方法对实验数据的故障识别率达到100%。     

基于独立分量分析特征提取的复合神经网络故障诊断法

首先利用基于固定点迭代的快速算法(FASTICA)提取不同机械状态模式(包括正常、齿轮故障及机座松动)特征．随后以此训练某一典型神经网络(如径向基网络或自组织映射网络)，以实现模式的最终分类。借助独立分量分析(ICA)及基于残余互信息(RMI)的二次特征抽取策略，隐藏于多通道振动观测中的高阶特征得以有效提取，进而实现机械状态模式的准确识别。对照分类实验结果表明，基于无导师学习的自组织映射(ICA-SOM)分类方法不仅具有较好的故障模式分类能力，且实现简单直观．在机器健康状况监测中有较大的应用潜力。     

Solvent-dependent metabolite distribution, clustering, and protein extraction for serum profiling with mass spectrometry

The aim of metabolite profiling is to monitor all metabolites within a biological sample for applications in basic biochemical research as well as pharmacokinetic studies and biomarker discovery. Here, novel data analysis software, XCMS, was used to monitor all metabolite features detected from an array of serum extraction methods, with application to metabolite profiling using electrospray liquid chromatography/mass spectrometry (ESI-LC/MS). The XCMS software enabled the comparison of methods with regard to reproducibility, the number and type of metabolite features detected, and the similarity of these features between different extraction methods. Extraction efficiency with regard to metabolite feature hydrophobicity was examined through the generation of unique feature density distribution plots, displaying feature distribution along chromatographic time. Hierarchical clustering was performed to highlight similarities in the metabolite features observed between the extraction methods. Protein extraction efficiency was determined using the Bradford assay, and the residual proteins were identified using nano-LC/MS/MS. Additionally, the identification of four of the most intensely ionized serum metabolites using FTMS and tandem mass spectrometry was reported. The extraction methods, ranging from organic solvents and acids to heat denaturation, varied widely in both protein removal efficiency and the number of mass spectral features detected. Methanol protein precipitation followed by centrifugation was found to be the most effective, straightforward, and reproducible approach, resulting in serum extracts containing over 2000 detected metabolite features and less than 2% residual protein. Interestingly, the combination of all approaches produced over 10,000 unique metabolite features, a number that is indicative of the complexity of the human metabolome and the potential of metabolomics in biomarker discovery.     

Cloud manufacturing resources fuzzy classification based on genetic simulated annealing algorithm

To solve the problem of fuzzy classification of manufacturing resources in a cloud manufacturing environment, a hybrid algorithm based on genetic algorithm (GA), simulated annealing (SA) and fuzzy C-means clustering algorithm (FCM) is proposed. In this hybrid algorithm, classification is based on the processing feature and attributes of the manufacturing resource; the inner and outer layers of the nested loops are solving it, GA obtains the best classification number in the outer layer; the fitness function is constructed by fuzzy clustering algorithm (FCM), carrying out the selection, crossover and mutation operation and SA cooling operation. The final classification results are obtained in the inner layer. Using the hybrid algorithm to solve 45 kinds of manufacturing resources, the optimal classification number is 9 and the corresponding classification results are obtained, proving that the algorithm is effective.