Q—学习及其在智能机器人局部路径规划中的应用研究

强化学习－词来自于行为心理学,这门学科把行为学习看成反复试验的过程,从而把环境状态映射成相应的动作。在设计智能机器人过程中,如何来实现行为主义的思想、在与环境的交互中学习行为动作？文中把机器人在未知环境中为躲避障碍所采取的动作看作一种行为,有杉强化学习方法来实现智能机器人避碰行为学习。Ｑ－学习算法是类似于动态规划的一种强化学习方法,文中在介绍了Ｑ－学习的基本算法之后,提出了具有竞争思想和自组织机制     

Q-学习及其在智能机器人局部路径规划中的应用研究

强化学习一词来自于行为心理学,这门学科把行为学习看成反复试验的过程,从而把环境状态映射成相应的动作．在设计智能机器人过程中,如何来实现行为主义的思想、在与环境的交互中学习行为动作？ 文中把机器人在未知环境中为躲避障碍所采取的动作看作一种行为,采用强化学习方法来实现智能机器人避碰行为学习．Ｑ－学习算法是类似于动态规划的一种强化学习方法,文中在介绍了Ｑ－学习的基本算法之后,提出了具有竞争思想和自组织机制的Ｑ－学习神经网络学习算法;然后研究了该算法在智能机器人局部路径规划中的应用,在文中的最后给出了详细的仿真结果     

神经网络在移动机器人路径规划中的应用研究

移动机器人路径规划可分为两种类型:(1)全局路径规划;(2)局部路径规划。本文分析了Kohonen神经网络算法及其识别机理,提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法,最后给出了具体的算法,探讨了在神经网络技术中引入学习机制的特点。     

神经网络在移动机器人路径规划中的应用研究

移动机器人路径规划可分为两种类型(1)全局路径规划;(2)局部路径规划.本文分析了Kohonen神经网络算法及其识别机理,提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法,最后给出了具体的算法,探讨了在神经网络技术中引入学习机制的特点.     

机器人导航系统中的路径规划算法

导航系统是反映移动机器人自主特性与智能行为的关键问题之一,它所能完成的功能包括:环境的感知与识别、路径规划、路径跟踪、障碍回避等。路径规划是移动机器人导航技术中的重要组成部分,它是机器人执行各种任务的基础,而如何在动态时变环境中有效的实施路径规划是亟待解决的问题。本文综述了该领域研究的主要内容及其发展动态,在对一些较有代表性的研究思想及其相关算法分析的基础上,指出了存在的不足和有待进一步研究的问题,并提出了一些解决思路。     

智能机器人视觉导航系统的研究

在已有的对智能机器人视觉导航系统的研究中,大多是在绝对坐标下进行的,由此导致规划路径的容错能力差,并且误判增多.采用上位计算机控制智能机器人下位单片机的控制系统方案,制定了一种有效的上位PC机中的分段路径导航策略,并给出了一种新型的直线斜率定义以及相对坐标定位法,由纵坐标和横坐标的相对位移量来计算斜率的变化,更能反映出机器人在运动中自身的位置状况.最后通过对应用于AS-UII型能力风暴机器人实验平台上所获得的实验结果和数据的分析讨论,证明所提出方法的可行性和有效性.     

水下智能机器人模糊局部规划器设计

本文阐述了用模糊数字理论解决水下机器人局部规划问题的方法，首先针对机器人的运动特性，讨论了机器人平移和转动规则，然后声纳信息进行了模糊处理，在总结人的驾驶经验基础上，构成了机器人局部规划控制表。最后的微机上进行了避碰模型，给出仿真结果。     

智能机器人的一种新路径规划算法

为了使智能机器人的运动过程更加顺利快速,使其用更短的时间和更短的路径到达终点,采用了基于几何理论的路径规划算法,寻求智能机器人最优路径规划。该算法利用切线最短的理论优化机器人的运动过程,对智能机器人运动的每一段路径都进行了规划和优化,使智能机器人的整个运动过程更加顺畅。在实际应用中,成功地缩短了机器人的运动路径,并成功地进行了避障。这种方法使用简单,容易理解,可广泛应用于智能机器人的路径规划和避障系统中,在实际应用中更能减少能量损耗。     

单片机在智能机器人中的应用

本文简要介绍了单片机在智能机器人中的应用，着重讨论现场信号检测、单片机输入输出接口以及系统执行机构的控制，并进一步展望了智能机器人的未来发展。     

智能机器人在烟草行业中的应用前景

智能机器人在烟草行业的应用是一个新的领域，本文扼要地介绍了卷烟生产过程及云南类草行业发展状况，通过对烟草行业自动化技术发展现状分析，就未来五年烟草行业对智能机器人的市场需求进行了预测研究。     

基于神经网络的信息收集机器人导航界面

采用任务分派型策略远程导航一个坦克型救援机器人，为某化工厂在灾难发生时收集危险信息。远程人员用鼠标点击目标图像给出导航任务。系统自动计算目标方位，并规划路径，发出底层命令，将机器人移动到目标位置。系统采用BP神经网络技术，从被点击的目标图像在窗口中的位置求解目标的世界坐标。实验结果表明，基于神经网络的导航界面能够很好地实现远程人员分派的导航任务。     

基于改进型BP网络的并联机器人自适应力控制

并联机器人力控制是并联机器人研究的一个热点和难点,引起了许多学者的关注,并取得了一定的成果。多数使用了传统的力控制研究方法。该文中,作者将神经网络引入并联机器人的力控制中,并介绍了一种改进型BP神经网络,以及其学习算法和网络的训练过程,并结合实际并联机器人6-SPS并联机器人,设计出基于改进型BP神经网络的并联机器人自适应力控制器,并进行了仿真和实验研究,通过研究表明所设计的控制器是可行和有效的。     

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。     

人工神经元网络在CGF智能行为模型中的应用研究

CGF系统是未来作战仿真所必备的技术支持,国内的CGF系统尚不成形,急需对其进行深入研究以满足作战仿真不断发展的需要,文中以实现一个排原CGF坦克实体的自动驾驶功能谡列,探讨了用人工神经元网络建立CGF实体智能行为模型的方法,并对其可行性进行了验证,取得了较好的效果。     

基于BP神经网络的仿人智能控制仿真研究

在仿人智能控制算法的闭环阶段。须调整比例、积分和微分三种控制作用，形成控制量既相互配合又相互制约的关系，这种关系不一定是简单的“线性组合”，从变化无穷的非线性组合中可以找出最佳的。而BP神经网络所具有的任意非线性表达能力。可以通过对系统性能的学习来实现具有最佳组合的过程控制。在对非线性系统的数值仿真中，取得了较好的阶跃响应。     

基于人工神经网络的大气质量智能评价预警系统的设计与应用

基于人工智能的神经网络技术,建立大气质量智能评价预警系统。该系统可以实现对大气污染物数据的自动分析及对大气质量的智能评价。通过局部大气的污染程度和运动趋势预测综合大气质量并实现预警。该系统能够为环境管理决策提供及时、准确、全面的环境质量信息,同时也可以帮助相关部门和企业对未来发展做出正确的决策。     

智能机器人路径规划及算法研究

路径规划技术是机器人控制技术研究中的一个重要问题,目前的研究主要分为全局规划方法和局部规划方法两大类。在对一些较有代表性的研究思想及其相关算法分析的基础上,比较各种方法的优缺点,提出了机器人路径规划今后的研究重点。     

基于扰动观测器的机器人自适应神经网络跟踪控制研究

为解决机器人动力学模型未知问题并提升系统鲁棒性,本文基于扰动观测器,考虑动力学模型未知的情况,设计了一种自适应神经网络（Neural network,NN）跟踪控制器.首先分析了机器人运动学和动力学模型,针对模型已知的情况,提出了刚体机械臂通用模型跟踪控制策略;在考虑动力学模型未知的情况下,利用径向基函数（Radial basis function,RBF）神经网络设计基于全状态反馈的自适应神经网络跟踪控制器,并通过设计扰动观测器补偿系统中的未知扰动.利用李雅普诺夫理论证明所提出的控制策略可以使闭环系统误差信号半全局一致有界（Semi-globally uniformly bounded,SGUB）,并通过选择合适的增益参数可以将跟踪误差收敛到零域.仿真结果证明所提出算法的有效性并且所提出的控制器在Baxter机器人平台上得到了实验验证.     

智能神经网络程序设计语言的研究与实现

将神经网络与逻辑推理统一到面向对象理论中,建立了同时具备神经网络和专家系统特性、融合连接机制和符号机制的智能神经元模型。提出了一种新的程序设计语言——智能神经网络程序语言(NIPL),实现了神经计算、逻辑推理和数值计算的统一。定义了NIPL的语法,设计并实现了智能神经网络程序设计语言NIPL编译器,从而为开发智能神经网络应用系统提供了有效的手段。