FMS智能故障诊断专家系统的建立和开发

采用基于人工智能的故障诊断专家系统方法，附以模糊数学、神经网络、机器学习、数据库等理论，解决故障诊断中知识的合理表达，基于符号和数值的多种快速推理机制，知识的自动获取及知识库智能化管理等关键技术，建立了一个智能模糊故障诊断专家系统。     

基于RBF神经网络的机器人故障诊断研究

介绍神经网络用于机器人控制系统的故障诊断技术,分析了机器人故障诊断的方法,并采用RBF神经网络实现机器人控制系统故障诊断的算法和程序设计。     

基于质量控制的FMS故障诊断系统设计

本文针对ＦＭＳ设备的几种主要故障，从质量控制的角度出发，设计了一个集成诊断系统。详细介绍了系统的设计思想、系统的功能模型、作为诊断系统主体的监测与诊断的硬软件结构以及为满足监测与诊断一体化的智能化信息集成系统的控制流程。该系统通过实践验证，表明了其有效性和合理性。     

基于集成神经网络的深海机器人故障诊断研究

为了提高深海机器人多传感器系统的故障诊断能力,针对深海环境的特殊性,以及深海机器人的工作特点,提出了基于两级集成神经网络的故障诊断方法,建立了诊断子网络,从不同的方面对机器人故障进行诊断,并利用决策融合网络将诊断子网络的诊断结果进行融合会诊,得到系统最终的诊断结论;基于某型深海机器人海中试验数据进行计算机仿真实验的结果,验证了该方法的有效性和可行性。     

模糊Petri网在FMS故障诊断中的应用研究

针对柔性制造系统（ＦＭＳ）故障诊断的特点，将模糊Ｐｅｔｒｉ网扩展为模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）．并应用于知识的表示中，讨论了ＦＭＳ系统、ＦＢＰＮ及产生式规则之间的对应关系，提出一种模糊反向推理机制，给出了利用ＦＢＰＮ进行知识表示和推理的实例．     

机器人故障诊断的研究

本文重点介绍平面关节机器人的故障诊断的方法和实现,机器人控制系统的组织结构及测试算法。其次介绍诊断机器人电源、伺服系统及其他故障的方法和程序。     

FMS故障诊断知识库管理与检验系统研究和开发

本文讨论了ＦＭＳ故障诊断知识库管理及检验系统设计与实现，重点讨论了知识库检验的具体步骤，用数据库实现知识库管理的优越性和作者在开发数据库过程中总结了来的共享数据问题。     

基于颜色识别的智能物料搬运机器人

为提高圆柱形物料的分拣效率,设计了一款具有颜色识别和搬运功能的新型智能物料搬运机器人。该机器人以飞思卡尔XS128系列芯片为核心控制部件,两个全周空心杯舵机作为动力驱动,一个数字舵机作为抓取装置的动力源,利用TCS230颜色识别模块进行颜色识别,并搭配灰度传感器来进行识别优化,实现了快速、准确识别物体颜色以及搬运圆柱形物料的目的,并通过实验和比赛验证了此方案的实效性和可行性。     

人工神经网络在机器人技术中的应用

一、智能工业机器人的特征工业机器人是一种具有多轴的多功能运动的自动装置，各轴的运动顺序、轨迹及偏转角度都可通过编程控制，放具有柔性。根据应用环境不同，工业机器人大致可分为三大类，即动力机器人、传感机器人和控制机器人。智能机器人的研究是目前机器人研究中最热门的课题。智能机器人是一种装有多种传感器的机器，它可以在非预先规定的环境中自行解决问题。这种机器人具备四种机能：运动机能——相当于人手、脚的动作机能；感知机能——获取外部信息进行自我行动调节的机能；思维机能——对求解问题的认识、推理、判断的机构；…     

基于ACO和SPN的FMS故障诊断和可用性评价方法

提出一种柔性制造系统(FMS)的故障诊断和可用性评价方法;针对传统的随机Petri网在解决FMS故障诊断上极大受限于底层马尔科夫链规模而容易产生状态爆炸的问题,首先,将蚁群优化算法(ACO)融入随机有色网(SPN)中,提出并定义了一种能对柔性制造系统的故障进行诊断的诊断器;然后,通过马尔科夫链计算制造单元的可用性,得到FMS到诊断器的映射,从而可以得到FMS中所有可能生产过程;最后,在经典FMS可用性评价方法的基础上,引入覆盖因子,提出了一种新的对FMS生产过程进行可用性评价的方法;仿真实验显示了覆盖因子对系统可用性的影响,通过与传统方法进行比较,表明覆盖因子越大,FMS的可用性越高。     

一种改进的ART型神经网络学习算法

指出常规ART1型神经网络的不足,提出了一种改进的相似度计算方法。它同时考虑两向量对应位子值,避免了ART1网络中两个向量由于输入顺序的不同而得到不同的相似度的结果;针对ART1网络模式识别的漂移问题,提出了少数服从多数原则来减少这种问题的出现。改进了ART1型神经网络的应用效果。     

一种基于模糊神经网络的机器人控制

采用高斯函数作为模糊隶属函数,将模糊控制与神经网络相结合。利用神经网络实现模糊推理,运用了一种模糊高斯基函数神经网络,并用于两关节机器人的轨迹跟踪控制。仿真结果表明,该网络对机器人轨迹跟踪控制具有很好的效果,是一种行之有效的控制方法。     

不确定机器人的神经网络轨迹控制

针对不确定机器人的轨迹跟踪问题,提出了一种基于自适应神经网络的控制方案.对于系统中的各种未知非线性,通过RBF神经网络和变结构光滑集成的控制器来自适应学习并且补偿,这种控制器克服了局部泛化网络的不足,提高了控制精度及其收敛速度.而且在考虑神经网络失效的情况下,仍能保证系统具有良好的鲁棒性.网络权重的自适应修正规则基于Lyapunov函数方法得到,它保证了跟踪误差的全局渐进稳定性.试验结果证明了这种控制算法的有效性.     

基于机器人的神经网络预测控制算法

针对预测控制机理在处理非线性模型控制存在较大的困难,提出了将BP神经网络和广义预测控制（GPC）相结合后应用于网络控制系统的思想,构造了神经网络预测控制算法,其实质是用BP神经网络作为预测模型,产生预测信号,对系统进行反馈校正,并通过误差迭代求取广义预测的最优控制律,从而克服了对非线性系统难以辨识模型的困难,利用神经网络“黑箱”的功能达到对非线性系统的预测控制。以机器人为控制对象进行仿真,取得了较好的控制效果。     

基于人工免疫网络的神经网络集成方法

提出基于人工免疫网络的神经网络集成方法AINEN。在用Bagging生成神经网络集成之后,将人工免疫网络的原理应用到神经网络集成,组成了一个从微观上看是一个一个的神经网络,而从宏观上看是一个大的人工免疫网络的集成。通过在微观层次上提高神经网络集成的个体之间的异构度,在宏观层次上提高免疫网络的适应度,从而降低集成的泛化误差。AINEN与GASEN方法在标准数据集上进行的实验表明,AINEN能取得更小的泛化误差。     

基于神经网络的飞控系统故障诊断

飞控系统的故障诊断与维护,可提高其可靠性和可维护性,降低寿命周期费用,有效地降低成本,提高飞机的生存性,减轻驾驶员的负担。首先采用VC与Matlab混合编程技术建立了飞行作动器故障仿真软件,然后通过两种不同的神经网络辨识方法(基于小波包分解的BP网络验证、基于径向基函数的概率神经网络),对卡死和损伤故障的辨识效果进行对比分析,仿真结果显示概率神经网络更适合于大步长采样下的网络辨识,且有较好的泛化能力。所得检测结果符合预期要求,并在所设计软件中得以清晰表达。     

应用于力矩受限自由漂浮空间机器人的神经网络自适应控制

在控制力矩受限情况下,为实现具有模型不确定性自由漂浮空间机器人的轨迹跟踪控制,文章设计了一种新的神经网络自适应控制策略;首先,用双曲函数对控制力矩输入进行限制;其次,设计一种神经网络自适应控制律,对输入力矩受限条件下的非线性系统模型进行在线逼近,同时,利用鲁棒项对神经网络逼近误差和外界干扰进行消除;最后,根据李雅普诺夫理论,证明了所设计控制策略能够使自由漂浮空间机器人系统渐进稳定;仿真实验表明,该控制策略在无需建立复杂系统模型的情况下,便能够对控制力矩进行有效限制,从而使自由漂浮空间机器人在控制力矩受限情况下得到较好的控制.     

声学仿真中的人工神经网络方法

虽然许多研究人员已认识到三维真实感声音在未来人机交互中的重要地位，但是三维真实感声音在计算机领域的真正实现仍有不少障碍有待克服．基于对声学及心理声学最新研究成果的调查和分析，本文设计并实现了一个基于神经网络方法的ＨＲＴＦ（ｈｅａｄ－ｒｅｌａｔｅｄｔｒａｎｓｆｅｒｆｕｎｃｔｉｏｎ）模型，用于三维真实感声音的生成．模型中的数据可通过网络学习进行重新设置，以满足多种场合的需要．并且，通过神经网络的非线性拟合能力，可以获取空间任意位置的ＨＲＴＦ数据．初步的实验表明了该方法的有效性和正确性．     

基于神经网络的不确定机器人自适应滑模控制

提出一种机器人轨迹跟踪的自适应神经滑模控制。该控制方案将神经网络的非线性映射能力与变结构控制理论相结合,利用RBF网络自适应学习系统不确定性的未知上界,神经网络的输出用于自适应修正控制律的切换增益。这种新型控制器能保证机械手位置和速度跟踪误差渐近收敛于零。仿真结果表明了该方案的有效性。     

基于神经网络移动机器人PID控制

针对移动机器人电机模型实质的非线性，为满足其精确的运动要求和技术性能，采用动态反传算法训练BP网络以辨识直流电动机的逆模型。将这一训练后的网络输出作为神经PID控制器输入不断调整其P，I，D参数，进而调整控制器输出电压以控制系统跟踪位置或速度指令。该算法简单、计算量小、适于实时控制。实验结果表明了该方法的有效性。