多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.     

基于神经网络的自治水下机器人广义预测控制

针对自治式水下机器人高度非线性和时变性的特点,提出了一种基于神经网络的水下机器人广义预测控制策略．利用改进型Elman网络作为多步预测模型,在对网络学习算法进行改进的基础上,实现了Elman网络的在线学习,并提出了用于求解神经广义预测控制律的灵敏度公式．进行了具有神经网络在线学习功能和不具有在线学习功能的水下机器人的速度控制实验,并就预测控制效果进行了对比分析．实验结果表明,具有自适应学习功能的水下机器人速度控制法的精度要优于不具有在线学习功能的速度控制法,且当水下机器人动态特性发生变化时具有较强的自适应能力．     

一种基于平衡原则的多机器人自组织任务分配方法

针对多机器人控制系统难以精确建模、性能指标最优化难等问题,借鉴自然界事物平衡的思想,提出基于平衡原则的决策控制方法,并结合该方法设计一种机器人任务选择策略调整算法.该算法帮助多机器人系统较好地实现任务自组织分配,使系统取得良好的运行效果.     

基于能源消耗最小的自治水下机器人一机械手系统协调运动研究

描述了自治水下机器人搭载的三功能水下电动机械手的设计．鉴于自治水下机器人一机械手系统是运动学冗余的且自带能源，因此将系统阻力优化函数引入逆运动学求解，设计了基于系统能源消耗最小的系统协调运动规划算法．仿真表明，该算法在解决系统冗余度的同时，有效地减小了系统能源消耗．     

小型自治水下机器人控制系统研究开发

开发了一种性价比高的CAN总线分布式自治水下机器人控制系统结构,并采用了独特的故障处理方法．根据弱耦合简化模型,详细设计了航行控制器,并对航行控制系统进行了仿真研究．仿真与试验结果表明: 控制系统性能可靠、传输率高,并具有很好的鲁棒性与稳定性,能够满足水下机器人工作环境复杂多变的要求．     

基于能源消耗最小的自治水下机器人-机械手系统协调运动研究

描述了自治水下机器人搭载的三功能水下电动机械手的设计．鉴于自治水下机器人—机械手系统是运动学冗余的且自带能源,因此将系统阻力优化函数引入逆运动学求解,设计了基于系统能源消耗最小的系统协调运动规划算法．仿真表明,该算法在解决系统冗余度的同时,有效地减小了系统能源消耗．     

基于个性演化的多机器人自组织

多机器人系统协调是一个影响系统效率的重要问题.传统的基于规划和学习的方法,因为都需要自上而下的设计或督导信息,在复杂环境下的适应能力有限.自组织是一种非常有效的自下而上的设计思路,但具体实现的系统很少.本文引入了单个机器人"个性"的概念,设计了代表个性的价值函数和个性演变的方式,通过机器人个性不同来影响机器人的决策,从而实现了多机器人系统的自组织协调.仿真说明了这一思想的有效性.     

自治水下机器人的局部规划方法

针对自治水下机器人(AUV)所处的真实海洋环境,通过分析长距离航行时AUV局部规划必须考虑的各种因素和可能产生的影响,设计一种局部规划器的结构,提出基于模糊逻辑的解决方案。该方法能实时综合考虑机器人的各种状态、其所处的海洋环境及任务目标情况,并根据三者间的关系得出速度折扣因子。实验表明,该方法能有效处理海洋环境下AUV大范围长距离航行的局部规划问题。     

自治水下机器人心智模型

自治水下机器人(Autonomous Underwater Vehicle, AUV)在复杂的环境中作业,对其智能水平提出了很高的要求。结合Agent理论的研究成果,在信念 愿望 意图（BDI）逻辑的基础上拓展出自治水下机器人心智逻辑（AML）,用于建立AUV心智模型,在无损AUV自治性和反应性的前提下,增强了其主动性和社会性。定义了AML的语法和语义,证明了系统的可靠性和完备性,给出了AUV的心智活动过程。仿真实验结果证明了AUV心智模型的正确性和有效性。     

基于能量约束的自主水下航行器任务规划算法

多水下自主航行器（AUV）任务规划是影响集群智能水平的关键技术。针对现有任务规划模型只考虑同构AUV集群和单潜次任务规划的问题,提出了适用于AUV异构集群的多潜次任务规划模型。首先,该模型考虑了AUV的能量约束、AUV多次往返母船充电的工程代价、异构集群个体间的效能差异、任务多样性等关键因素;然后,为提高问题模型的求解效率,提出了一种基于离散粒子群的优化算法,该算法引入用于描述粒子速度、位置的矩阵编码和用于评估粒子质量的任务损耗模型,改进粒子更新过程,实现了高效的目标寻优。仿真实验表明,该算法不仅解决了异构AUV集群的多潜次任务规划问题,而且与采用遗传算法的任务规划模型相比较,任务损耗降低了11%。     

基于多准则的动态任务分配算法的研究

针对目前任务分配算法考虑的因素往往比较固定,可扩展性和灵活性较差等缺点,提出一种基于多准则的动态任务分配算法,对任务参与者的实时情况的跟踪和分析更加精确,对任务的分配更均衡;并给出了详细的任务分配的形式化表示,各评估指标之间相互独立,增强了算法的可扩展性。另外,提出采用计时器的方法来实现推拉式结合的任务分配机制,增强了算法的灵活性,既可以按照员工对任务感兴趣程度去自主选择工作项,又可以保证系统在没有员工自主选择任务项正常运转,在不影响工作正常执行的情况下使工作流管理系统的任务分配更加人性化。     

Environment classification using Kohonen self-organizing maps

Abstract: This paper describes a new method for classifying three-dimensional environments in real time using Kohonen self-organizing maps (SOMs). The method has been developed to enable autonomous underwater vehicles (AUVs) to navigate without human intervention in previously unexplored subsea environments, but can be generalized to unmanned aircraft equipped with appropriate sensors flying over unchartered terrains, or spacecraft exploring remote planets, subject to appropriate pre-mission training. The method involves a fuzzy comparison between a SOM created in real time using accumulated sensor data and a class atlas of SOMs derived from previously trained and manually classified environments. This enables mission- and environment-appropriate AUV navigation strategies to be selected in real time. Simulation results using real-world, three-dimensional environment data acquired from digital elevation maps are presented, which demonstrate the potential of the method.     

自组织神经网络的参数自适应方法

自组织神经网络的主要目的是将任意维数的输入信号模式转变成为一维或二维的离散映射,并且以拓扑有序的方式自适应地实现这个过程。学习过程中,对邻域宽度函数和学习率函数参数是根据经验选择的,没有一定的规则或方法,因此,邻域保持映射的获得往往先于参数的学习过程。将线性Kalman滤波器和基于无先导变换的Kalman滤波器分别用于学习率函数和邻域宽度函数的预测,可以提高自组织神经网络的学习能力。改进后的算法可以根据输入数据自适应地调整邻域宽度函数和学习率函数。     

移动群智感知系统中基于离散布谷鸟搜索算法的任务分配

针对移动群智感知系统中工人积极性低以及任务过期的问题,提出了基于初始成本和软时间窗的任务分配算法。对应的任务分配问题为NP-hard问题,不存在计算有效的最优算法,因此,基于离散布谷鸟搜索算法（DCSA）进行求解。首先,根据问题特征,分别设计了对应的全局搜索过程以及局部搜索过程。其次,根据任务与工人起始位置的距离以及时间窗大小,分析其优先级以便得到更好的解。最后,执行可行化操作,使各次任务分配均满足相关约束。仿真结果表明,与遗传算法和贪婪算法相比,基于DCSA的任务分配算法能够提升工人的参与积极性,解决任务过期的问题,并最终降低系统的总成本。     

Spatial data mining and visualization based on self-organizing map

Based on the traditional spatial data analysis, a novel mode of spatial data mining and visualization is proposed which integrates the self-organizing map for the actual problem. Simulations for IRIS data show that this method （computational and visual） can collaboratively discover complex pattems in large spatial datasets, in an effective and efficient way.     

Comparison of visualization of optimal clustering using self-organizing map and growing hierarchical self-organizing map in cellular manufacturing system

The present research deals with the cell formation problem (CFP) of cellular manufacturing system which is a NP-hard problem thus, the development of optimum machine-part cell formation algorithms has always been the primary attraction in the design of cellular manufacturing system. In this proposed work, the self-organizing map (SOM) approach has been used which is able to project data from a high-dimensional space to a low-dimensional space so it is considered a visualized approach for explaining a complicated CFP data set. However, for a large data set with a high dimensionality, a traditional flat SOM seems difficult to further explain the concepts inside the clusters. We propose one such possible solution for a large CFP data set by using the SOM in a hierarchical manner known as growing hierarchical self-organizing map (GHSOM). In the present work, the two novel contributions using GHSOM are: the choice of optimum architecture through the minimum pattern units extracted at layer 1 for the respective threshold values and selection. Furthermore, the experimental results clearly indicated that the machine-part visual clustering using GHSOM can be successfully applied in identifying a cohesive set of part family that is processed by a machine group. Computational experience specifically with the proposed GHSOM algorithm, on a set of 15 CFP problems from the literature, has shown that it performs remarkably well. The GHSOM algorithm obtained solutions that are at least as good as the ones found the literature. For 75% of the cell formation problems, the GHSOM algorithm improved the goodness of cell formation through GTE performance measure using SOM as well as best one from the literature, in some cases by as much as more than 12.81% (GTE). Thus, comparing the results of the experiment in this paper with the SOM and GHSOM using the paired t-test it has been revealed that the GHSOM approach performed better than the SOM approach so far the group technology efficiency (GTE) measures of performance of the goodness of cell formation is concerned.     

基于工作者多属性特征模型的任务分配方法

针对众包任务分配中工作者个性特征和任务需求描述难以有效匹配的问题,提出通过建立工作者的分层属性特征模型,完成任务分配的方法。以众包协同翻译为例,根据具体任务需求特征分解工作者属性需求,设计出分层属性指标用于精确描述众包工作者能力,计算出多层次指标组合权重向量个性特征模型,据此完成工作者筛选和任务分配。经实验验证,该方法提高了众包工作者和任务特征的匹配度,提高了任务完成效率和结果质量。     

非线性系统的自组织多模型自适应逆控制

针对离散时间非线性系统,在分析基于自组织映射神经网络的多模型控制方法的基础上,提出了一种自组织多模型直接逆控制方法.并分析了控制误差的有界性.进一步,借鉴参数空间多模型方法的切换一自适应策略,在固定模型的基础上增加一个参数可调节的自适应逆模型.提高了稳态控制性能.仿真实例表明,对于变化较快的信号,自组织多模型直接逆控制器和自组织多模型自适应逆控制器都能进行有界跟踪,对于稳态信号,自组织多模型自适应逆控制器还能进行渐近跟踪.