基于神经网络的组合导航系统状态估计

在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,文中提出了引入Elman神经网络,具体讲解了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比,最后以INS／GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计,仿真结果证明了该法是有效的,实用的。     

基于态势评估的足球机器人决策模型

为了提高足球机器人中策略执行的有效性和针对性,提出了一种基于赛场正向态势评估和反向执行效果评估的有限状态自动机分层决策模型。该模型将赛场决策分为战术策略和具体任务,通过正向态势评估信息和任务执行效果的反馈信息进行综合量化,基于有限状态自动机建立策略和任务的转换关系,从而做出适合当前态势的战术策略。经仿真实验表明,该决策模型在很大程度上提高了策略决策的有效性和针对性,使得球队的整体攻防能力得到了相应的改善。     

基于牛顿迭代法的电力系统非线性谐波状态估计

谐波状态估计为电力系统的谐波监控、抑制和治理提供了依据.在同步相量量测装置配置不可观的条件下,引入数据采集与监控系统量测到的谐波有功功率作为量测量,建立基于混合量测的非线性谐波状态估计的灵敏度数学模型,应用牛顿迭代法进行求解.算例分析表明,谐波状态估计的灵敏度数学模型和牛顿迭代法求解有效,混合量测数据能提高系统谐波状态估计的精度.     

基于无线传感器网络的移动机器人智能导航算法

结合了无线传感器技术和群集智能技术两者的优势,提出一种新的基于无线传感器网络的移动机器人智能导航控制算法,并考虑了能量消耗的问题。算法利用基于多传感器信息融合的全局概率地图构建技术、使用群集仿生智能的基于微粒群算法的实时在线路径规划以及避障策略,提高了智能导航的整体性能,满足了在复杂环境和未知障碍物下导航的实时要求。最后设计并构造出了实际的无线传感器网络和实际的机器人系统,验证了算法成功实现机器人导航的有效性和准确性。