仿生机器鱼双侧近壁波动推进的水动力学特性研究

针对水下目标近距离作业需求,基于计算流体动力学方法建立了仿生机器鱼双侧近壁波动推进的耦合求解模型,分析了靠壁距离和斯特劳哈尔数（St）对仿生机器鱼水动力学的影响关系,揭示了壁面效应作用下的流场结构分布。结果表明：近壁面波动推进具有增推效果,同时也增加了无功功率输出。St数增大时,壁面效应对水动力学参数的影响越显著。研究结果对仿生机器鱼在非结构环境下的运动控制具有指导意义。     

基于仿生机器鱼的人工生命模型

为了构建具有自学习、自适应、自协调的人工生命体,结合对鱼类生理结构和行为机理的研究和分析,提出了基于人工生命的仿生机器鱼系统。将非接触式供电技术应用于水下供电,模拟鱼类生理活动,在仿生鱼上实现了动态、无连接、不间断的电能供给,并且基于鱼类行为的层次结构,实现了"动机-行为-动作"的3层行为决策系统,引入强化学习算法,模拟鱼类与环境交互的后天学习过程。通过实物仿生鱼的游姿优化实验,证明了研究和设计工作的有效性。     

SPC系列仿生机器鱼的高频拍动

着重介绍了SPC系列机器鱼采用的三种高频拍动控制算法,分析了每种控制方法的局限性。实验获得高频拍动曲线并加以对比分析,总结伺服拍动方式在高频拍动时仍存在的问题。提出用机械结构运动模拟机器鱼尾鳍拍动的解决方案,并通过仿真进行了验证。     

水下仿生机器鱼控制平台的研究

针对水下仿生机器鱼(简称机器鱼)实验以及应用等要求,结合图像识别、无线通信和人工智能等技术,设计了机器鱼控制平台。该控制平台通过HLS变换,二值化等算法,克服了图像出像麻点与光照不均等影响机器鱼控制的问题。通过对实验结果分析,进一步验证了该平台对机器鱼控制的正确性和有效性。该控制平台能为机器鱼的研究提供良好的环境。     

多关节仿生机器鱼建模分析与仿真

针对仿生机器鱼建模的复杂性,以三关节机器鱼为研究对象,基于动力学和运动学进行机器鱼的模型构建,并进行控制方式的仿真分析。首先,对鱼类和机器鱼的控制方式、动力学和运动学特性进行分析。其次,使用SolidWorks搭建机器鱼物理模型,并将其导入MATLAB中以建立Simscape仿真模型。最后,通过仿真实验分析评估机器鱼模型性能。结果表明,机器鱼模型三个关节角度的时间变化曲线相对平滑,没有明显突变或抖动,展现出稳定的运动行为,验证了该模型在设计和参数调节方面的合理性。     

基于Hopf振荡器的仿生机器魟鱼胸鳍波形控制算法

为了获得与生物魟鱼胸鳍相近的推进波形和游动性能,提出基于Hopf振荡器的仿生中枢模式发生器（CPG）胸鳍波形控制策略. 针对仿生机器魟鱼的结构与游动特征,利用20个Hopf振荡器耦合构建中心式CPG拓扑网络模型;通过输入参数幅值、频率和波数,控制该拓扑网络模型输出仿生机器魟鱼定常巡游、加速游动和机动转弯3种游动模式下胸鳍波形的动态位置信号. 通过仿真验证了该拓扑网络模型能够快速响应输入参数的变化,稳定输出平滑、连续的动态位置信号. 通过试验研究该拓扑网络模型控制仿生机器魟鱼胸鳍波动的可行性以及网络的输入参数对仿生机器魟鱼游动性能的影响. 试验结果表明,该模型能够稳定地输出耦合的波形信号,控制仿生机器魟鱼鳍面形成与生物鱼相似的推进波形,实现各游动模式以及各游动模式间灵活平滑地切换.     

英拟向泰晤士河投放仿生机器鱼监测水质

据报道,英国埃塞克斯大学的研究人员准备向泰晤士河投放专门设计的仿生机器鱼,用于探测水中的污染物,并绘制河水的3D污染图。 这种机器鱼是英国科学家完全按照仿生学原理设计的,其外形酷似鲤鱼,体长约50cm、高15cm、宽12cm。     

基于改进A~*算法的仿生机器鱼全局路径规划

针对传统A*算法搜索速度慢和规划路径不够优化的缺点,引入可扩展节点,对A*算法流程进行改进,以减少时间和空间复杂度,提高搜索效率,并对规划路径进行优化处理,以有效的缩短路径。对存在凹形障碍物的地图,采用后退—尝试的方法解决路径规划的失败问题,使之绕过凹形障碍物取向目标点,达到输出最短路径的目标。     

微机器鱼尾鳍形状的结构优化

无缆驱动机器鱼是通过改变交变磁场的驱动频率,驱动嵌入机器鱼头部的NdFeB磁驱动器,将交变磁场能转换为机器鱼头部摆动的机械能,带动铜薄膜尾鳍产生波动并与液体耦合产生推力.在建立了悬臂梁结构变截面薄膜受迫振动动态模型和机器鱼推力模型的基础上,基于等面积条件,采用离散变量法对尾鳍的形状进行了优化,并结合有限元软件校验尾鳍根部强度,确定了最佳尾鳍形状.试验证明了该结构优化方法的正确性.     

一种双关节机器鱼的设计与实现

针对水产养殖和水环境保护领域对移动式水质监测的需求,本文设计了一种双关节仿生机器鱼。通过分析机器鱼的游动和转向规律,建立了双关节机器鱼的动力学模型,提出了基于模糊控制的复合避障算法、并通过仿真验证了其可行性。选择双关节尾鳍推进方式,完成了机器鱼的机械结构设计;以STM32单片机为控制核心、舵机作为运动执行元件、5个红外测距传感器合理布局实现避障、Lora无线传输方式实现机器鱼与主机的通信,完成了机器鱼控制系统的设计。最后,搭载水质传感器在实际水域对该机器鱼进行了应用测试,测试结果表明机器鱼可以成功避开障碍物并完成水质参数的采集任务、数据准确性高且具有低扰动性。     

基于人工神经网络的强化学习在机器人足球中的应用

将人工神经网络与强化学习相结合,提出了基于人工神经网络的强化学习的应用方法,并用该方法解决了机器人足球比赛中踢球机器人的动作选择问题．实验结果表明了该方法的有效性．     

Layered learning of soccer robot based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＲｅｃｅｎｔｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｓｈａｖｅｂｅｃｏｍｅａｌａｒｇｅｆｉｅｌｄｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ[1 ] ,Ｇｅｎｅｒａｌｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｉｓｄｅｆｉｎｅｄａｓｔｈｅｓｙｓｔｅｍｃｏｍｐｏｓｅｄｏｆｍｏｒｅｔｈａｎ 2ｒｏｂｏｔｓａｎｄｐｅｒｆｏｒｍｓｔｈｅｔａｓｋｓｂｙｃｏｏｐｅｒａｔｉｏｎ .Ｔｈｅｓｙｓ ｔｅｍｈａｓｄｉｆｆｅｒｅｎｔｆａｃｔｏｒｓｃｏｍｐａｒｅｄｗｉｔｈｓｉｎｇｌｅｒｏｂｏｔｓｙｓ ｔｅｍ …     

基于视觉信息的移动机器人动态避障方法

为了提高自主移动机器人的动态避障能力,提出了一种基于视觉信息的拟人动态避障方法,以视觉信息为决策依据,利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射,在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式,无需考虑机器人和障碍物的运动速度和运动方向,仿真试验证明这种方法是可行而有效的．     

基于人工神经网络自适应共振理论的手写字符识别

以人工神经网络中的自适应共振理论为基础,研究了用光标在电脑屏幕上进行手写输入的字符识别方法.根据专业领域文字输入中经常使用特殊字符的特点,程序部分由内核是Unicode的Java实现.采用Unicode编码不但可以方便地实现特殊字符的识别和显示,还有利于跨平台的移植,较好地解决了文字录入中特殊字符不易查找以及某些用户操作键盘不便等实际问题.     

水文预报的神经网络模式分类预报方法

基于时间序列的相空间扩维思想,利用神经网络的感知器分类原理,提出一种水文预报方法.直接从水文单因素时间序列滑动生成多维空间的一个相型分布中寻求水文现象变化的规律.并利用湖北省宜昌市沮漳河洪水资料对该方法做了初步验证.     

Prediction of 2A70 aluminum alloy flow stress based on BP artificial neural network

Recently ,withtherapiddevelopmentofthecompu tationtechnique ,thefiniteelementmethodisappliedmoreandmoretothenumericalsimulationofthemetalformingprocess .Therelationshipbetweenflowstressanddeformationconditionssuchasstrain ,strainratesandtemperatures,whichembodiestheresponseofamaterialtothedeformationparameters ,isveryimportantforthenumericalsimulationbyfiniteelementmethod .Butduringthehotdeformationprocess ,therearemanyfactorsthatinfluencetheflowstressofthemetal .Theeffectsofthesefactorsonthef…     

基于Kinect的跌倒行为识别算法

根据人体跌倒时的骨架特征,提出了一种人体跌倒行为识别方法.首先,依据跌倒行为的定义,将人体的头部和重心节点作为表征跌倒行为的特征参数,通过Kinect传感器获取人体骨架信息; 其次,采用滑动窗口和阈值方法确定行为的发生阶段,并提取其运动特征向量; 最后,通过人工神经网络对本文提取的跌倒行为特征进行训练和识别.实验结果表明,本文提出的方法高效准确,识别率达到90.5%.     

一种基于CMAC神经网络的板形模式识别新方法

针对传统的板形识别模型在识别板形时,由于板宽的变化需要不同拓扑结构的神经网络才能完成板形模式识别任务,网络学习工作量大,网络存在收敛速度慢,易陷入局部极小等结构性能不佳的问题,建立了一种新的基于CMAC神经网络的板形模式识别模型。该模型利用欧式距离差得到网络的输入神经元,并在权值更新算法中引入了动态学习率。通过仿真实验表明该方法简单、实用,识别精度较高,克服了传统的识别模型的缺点和不足,有效地提高了板形模式识别模型的速度和精度。     

基于BP神经网络的人脸图像识别方法的研究

提出了用BP神经网络对人脸图像进行特征提取和识别的方法,讨论了BP网络结构的设计,输入、输出层的设计,隐层结点数的选取等问题,对由10人,每人3幅图像组成的人脸图像数据库做识别实验,结果表明,BP具有很强的自适应性,对有噪声、残缺和戴眼镜的图像识别效果较好。     

基于特征分布的建筑墙体裂缝图像识别方法

针对当前以人工智能为基础的墙体裂缝识别主要以图像识别为主,容易受到裂痕特征分布不均匀的影响,识别精度不高的问题,提出基于特征分布和高斯混合模型的建筑墙体裂缝图像识别方法.采用Harris角点检测算法对墙体图像进行角点求解处理,对建筑墙体图像进行预处理;通过选择掩模平滑法对墙体图像进行增强处理,将特征分布和高斯混合模型相结合,实现对建筑墙体裂缝图像的高精度识别.结果表明,该方法识别精度较高且识别时间短,预处理效果明显增强.