未知环境探测的多机器人协作策略研究

提出了一种基于观测点融合的改进免疫网络探测算法,完成多机器人对未知区域的快速、高效的探索任务.该算法在大大减少通信量,又能准确计算各全局观测点花费的情况下,将不同机器人的局部观测点融合在一张地图上,使机器人的协作能力充分发挥.利用T细胞函数修正了免疫网络浓度模型,同时免疫模型参数的确定考虑各观测点的扩散度和探索方向对系统性能的影响.将仿真试验与市场法和基本免疫算法比较,结果证明INEA算法使机器人之间的协作程度明显提高,而增加观测点扩散度和探索方向一致度指标,加快了系统的探索效率.     

改进的多机器人协作探索策略研究

提出了一种基于Wolfram Burgard方法改进的多机器人未知环境协作探索策略.该策略分别从以下3个方面提出相应的改进措施:为了减少重复探索区域和重探索的次数在代价值计算模型中加入了重复探索路径的影响因素;为了使各机器人始终保持通讯,在效用值计算模型中加入了有限范围通讯的影响因素;为了提高算法的实时性提出了一种全局规划与局部规划相结合的改进算法.仿真实验结果验证了该改进方法的有效性及相比于Wolfram Burgard原始方法具有以下优势:重复探索区域的重探索次数显著下降;机器人间能保持合理的间距以保证通讯不发生中断;算法的实时性有明显的提高.     

基于孪生网络的协作机器人目标追踪

利用自身高速高精度的特点,协作机器人通过模仿人的创造性复杂动作来提高生产效率。当前协作机器人对人动作的模仿主要来自部署人员的长期调试,缺少通用的解决方案,无法快速部署。基于此,提出了一种无锚的基于RepVGG网络的孪生网络协作机器人目标跟踪算法。该算法由孪生网络模块、分类回归模块和机器人执行模块组成。孪生网络模块使用改进的RepVGG网络代替主流的ResNet作为骨干网络用于图片特征的提取,在不损失精度的前提下提高整个网络的运行速度,降低算法对硬件的要求,对专用深度学习芯片更加友好;分类回归模块通过引入中心度分支来提高跟踪框的中心点预测精度;机器人执行模块采用尺度惩罚和宽高比惩罚以平滑跟踪框,保证协作机器人的动作流畅。实验结果表明,平均速率相比替代ResNet骨干网络前提高了14 FPS,实现了实时跟踪的效果。     

未知环境中基于免疫网络的多机器人自主协作

为了实现机器人全自主的协同作业，利用单个agent的智能性以及免疫系统良好的工作机理，将人
工免疫系统与agent技术相结合，提出一种免疫agent模型（IAN）.在模型中机器人和环境被分别认为是
抗体和抗原,并且基于此模型设计了一种可应用于未知环境中的多机器人自主协作方法，多个异质机器人
自主协作完成在未知环境中的多个任务.算法中根据抗体和抗原、抗体和抗体之间的相互作用，系统自主
选择合适的抗体消灭抗原，同时充分考虑异质机器人的差异性和独特性.在仿真实验中，多个能力不同的
机器人通过协作将几个原先未知的箱子顺利地推到了目标点，实现了未知环境中的自主协作.     

基于四阶PDEs和对比度增强的荧光显微图像去噪

提出一种用于荧光显微图像去噪扩散模型的算法。该算法针对二阶偏微分方程去噪模型易引起的"块效应"和伪边缘等问题,采用正则化方法,利用四阶偏微分方程,同时融合对比度增强技术设计去噪模型。与二阶偏微分方程扩散模型相比,该算法不仅使去噪图像看起来更加自然清晰,而且在峰值信噪比和结构相似度等客观评价方法下也取得了更加满意的结果。     

免疫控制算法与应用研究

生物免疫系统的学习、记忆、自适应和天然鲁棒性等特性为现代控制理论和控制工程提供了新的研究思路．介绍了生物免疫系统的相关机理,并对生物免疫系统、人工免疫系统和控制系统的相似性进行了说明,总结了主要的免疫模型、算法和免疫控制最新研究成果及应用情况,从理论分析、算法研究、融合研究、应用研究4个方面提出了免疫控制进一步的研究工作,指出了人工免疫系统应用于自适应控制、智能控制、反馈控制、顺序控制、机器人行为控制、自适应干扰中和器等方面的研究方向．结果表明：免疫控制具有十分广阔的应用前景,是富有挑战性的研究课题．     

基于观测点机制的异常点检测算法

异常点检测是数据挖掘领域的一个重要研究方向,传统的基于近邻和局部异常因子的异常点检测算法存在计算复杂度高和误检率高的缺陷．为解决该缺陷,提出一种基于观测点机制的异常点检测（observation-point mechanism-based outlier detection,OPOD）算法．首先在原始样本空间中随机放置若干观测点,然后计算观测点与样本点之间的距离,将原始数据转换为与观测点相对应的距离数据,再估计距离数据的概率密度函数,进而计算距离数据出现的概率值,最后通过对多个观测点距离数据概率值的融合最终确定原始样本点中的异常点．基于PyCharm平台,采用sklearn. datasets的make＿blobs函数生成仿真数据集,分别测试不同规模和不同维度数据集对OPOD算法性能的影响,并对比了OPOD算法、基于局部异常因子的异常点检测（local outlier factor-based outlier detection,LOFOD）算法和基于近邻的异常点检测（nearest neighbor-based outlier detection,NNOD）算法的运行时间、异常点召回...     

机器人世界杯足球锦标赛中多机器人对目标协同定位算法的改进

以机器人世界杯足球锦标赛（ROBOCUP）中全自主机器人平台为对象,针对传统的基于密度空间聚类方法（DBscAN）在对数据处理的精准度和稳定性上的出现的问题,提出了引入机器人距离阈值的改进DBSCAN算法,以提高多机器人协同定位的准确度．首先通过研究单个机器人自定位和目标定位,建立协同定位信息融合的模型;然后该算法通过引人机器人距离阈值,结合平台实际,即机器人测控距离越近测控的精度越高,将传统基于密度空间的聚类方法中有可能被剔除掉的数据,通过与阈值的对比而决定是否保留,提高融合数据的数据量和准确度,从而解决观测信息误差较大以及融合数据不稳定的问题．实验中,在多机器人获取同一个点的情况下分别使用传统DBSCAN和改进DBNscAN算法对目标点进行数据融合．实验结果表明对比传统DBSCAN,改进后的算法在领域半径EPS变化的情况下,融合数据依然稳定．ROBOCUP全自主机器人平台中使用引入机器人距离阈值判断的改进DBSCAN算法进行协同定位,这让其信息融合在稳定性和精确性方面要高于传统的DBSCAN算法．     

蚁群算法在多机器人协作中的应用

协作是多机器人系统的关键问题,对此提出一种基于蚁群算法的多机器人系统的协作算法。在已知机器人的工作位置、工作所需时间、各项工作的重要程度以及每个机器人对各项工作的擅长程度等前提下,利用蚁群算法选择最优协作方案,使机器人所走路径最短、用时最少、效率最高。仿真结果表明,该算法具有较好的优化求解能力.     

无标度的WSNs路由算法研究

针对无标度的拓扑特性,提出一种基于无标度的无线传感器网络路由算法。该路由算法从平均度分布和节点吸附性的角度出发,采用多路径的设计原则,建立一种无标度网络模型,利用该模型建立无线传感器网络拓扑,同时节点具有信息融合能力,提高数据的冗余可靠性,降低网络吞吐量,使网络能量均衡,延长网络生命周期。仿真结果表明,该路由算法与针对无线传感器网络的一些路由算法Flooding、LEACH和NBEERP相比,在节点度分布、可靠性和总体性能评价方面效果显著。     

复杂环境下多机器人协作构建地图的方法

针对复杂环境以及无法获知机器人位置信息的情况,提出一种多移动机器人协作构建地图的新方法.该方法采用独立探索、集中建图的探索策略,对环境建立局部栅格地图并予以融合.在地图融合过程中,无需已知机器人的相对位置信息,而是以栅格地图相似度为度量标准,利用距离变换和改进的遗传算法高效、快速地搜索各局 部地图之间的最大重叠部分,进而予以融合.此外,考虑到局部地图无重叠部分的情况,引入判断函数对融合结果予以度量.实验结果验证了该方法在复杂环境下的可行性和有效性.     

基于前馈径向基网络的动态抓取参数估计方法

针对机器人抓取非匀速运动物体过程中需要估计目标运动参数的问题,提出一种基于前馈径向基网络的物体运动参数估计方法．该方法首先采用核相关滤波算法实时跟踪目标位置,建立目标的运动模型;然后,通过径向基网络预测目标的运动参数,动态调整卡尔曼滤波运动估计方程的采样时间,大幅降低了计算耗时,同时提高了机器人对运动参数估计的准确性;最后,利用UR5机器人开展了抓取平面自由运动物体的实验．结果表明,与前馈感知机网络相比,所提出方法将抓取所需的时间缩短了20%,能较好地解决机器人抓取物体过程中,由于物体运动或方向变化造成的抓取失败问题．     

三次均匀B样条的机器人插补算法

为了增强关节式工业机器人加工不规则工件的能力,将三次均匀B样条曲线应用于关节式机器人轨迹插补算法中,使机器人末端以三次B样条的曲线轨迹通过各加工点．在分析了三次均匀B样条曲线特性的基础上,给出了三次均匀B样条曲线的一般表达式．在增加曲线自由端点条件后,使用追赶算法快速反算出控制点．使用预估校正的方法推导出插补算法,该算法能使机器人末端遵循抛物线过渡型的加速一匀速一减速变化规律,给出了预测减速点的方法．对一个类花瓣型的加工对象进行仿真,证明文中方法的可行性．     

基于多幅图像的有效点扩散函数的高精度测量

将图像融合以及高精度测量方法应用于天文图像处理,对图片进行处理得到有效点扩散函数,并将有效点扩散函数拟合星像,得到星体的位置与光度信息．结果表明, 方向平均定位精度为0．036 pixel,Y方向平均定位精度为0．O44 pixel,平均测光精度达到0．032 magnitude,测量结果验证了该算法的有效性．     

基于激光测距传感器的家庭机器人导航仿真

通过将激光测距器的扫描数据和来自家庭机器人的里程计结合在一起,给出了同时定位和地图生成的算法．基于扩展卡尔曼滤波算法,滤去不必要的数据,直接将传感数据和环境特征相匹配,融合激光扫描数据和人工路标,给出了机器人连续位置更新的方法．仿真结果表明该方法较好地解决了室内机器人导航问题．     

一种新的红外复杂背景自适应抑制算法

为了解决低信噪比非平稳复杂云层背景下红外弱小目标检测问题,提出了一种新的基于Facet模型的正则化双向扩散滤波算法．该算法采用Facet模型拟合图像曲面,并设计了平均方向导数梯度算子描述拟合图像曲面的多向梯度特征,以准确识别目标和背景的特征差别．结合平均方向导数梯度算子,设计了一种新的正则化双向扩散背景抑制技术．与传统算法相比,这种算法能够依据目标和背景的特征差别自适应地在前向扩散(目标增强)和后向扩散(背景抑制)之间切换,以实现在抑制背景杂波的同时增强目标．理论分析和实验结果表明,这种算法对包含强纹理结构的非平稳复杂云层背景杂波具有良好的抑制作用,并且算法结构简单,运算量小,易于硬件实时实现．     

基于改进Adam-DBN的油井工况诊断方法

针对深度信念网络在油井工况诊断中由于梯度扩散导致训练效果差,模型诊断准确率不高的问题,提出一种基于改进Adam优化算法的深度信念网络油井工况诊断方法.以二值化处理后的示功图作为深度信念网络输入,利用对比散度算法对网络进行无监督预训练,以获取较优的初始权值;在反向传播微调网络过程中,运用动量法预测梯度下降位置,更新梯度下降方向,并通过学习率自适应选择下降步长,避免梯度扩散降低模型训练效果.某采油平台油井上的仿真实验结果表明,基于改进Adam优化算法的深度信念网络对油井工况的识别准确率较高,能更好地满足油田生产实际需求.     

基于Matlab的有路标移动机器人定位仿真

为了满足机器人精确定位的要求,提出一种基于多传感器信息融合的自定位算法并介绍了如何利用Matlab搭建移动机器人定位系统的仿真模型.仿真程序建立了移动机器人活动的虚拟环境,模拟了机器人的运动模型、里程计、激光雷达观测模型,利用扩展卡尔曼滤波算法将里程计和激光传感器采集的数据进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.仿真试验的结果表明该定位系统具有较高的定位精度.模块化的仿真系统设计有利于其他定位算法的验证,对机器人系统的理论研究以及实用化具有重要的作用.     

基于CMAC神经网络的康复机器人的智能控制技术

康复机器人是目前的热点方向之一.建立了五自由度上肢康复机器人的CMAC神经网络控制模型.在此模型基础上,通过对正常人肌电信号的训练学习,修正了网络的权值,得到了较为理想的控制模型.最后,通过病人的肌电信号,得到了良好的输出结果.仿真实例表明,CMAC方法比其他神经网络方法收敛快,学习精度高,且具有更好的网络泛化能力,可以用于五自由度上肢康复机器人的智能控制.     

一种社会网络搜索免疫优化算法

基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法--社会网络搜索免疫优化算法．该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程．通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体．当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解．短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率．通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强．