基于最小扰动BP算法的水下机器人运动控制

针对神经网络学习中学习率起到的重要作用,本文提出一种基于最小扰动的神经网络BP算法,通过建立一个计算动态学习率的算法,在不影响网络学习的情况下,使得网络权值的变化最小,从而提高神经网络的稳定性和收敛的速度,作者运用该神经网络算法设计了水下机器人的运动控制器,实验结果表明,该算法具有良好的学习能力,据此设计的控制器控制效果良好,具有实用价值。     

水下机器人运动控制和仿真的数学模型

水下机器人是一个复杂的非线性对象，建立水下机器人普遍、规范、实用数学模型的问题备受关注，本文给出了这样一种模型，其特点是：（１）取类似线性系统状态方程的形式；（２）只涉及矩阵乘积运算；（３）为表达粘性水动力提出一合理简化方案；（４）把所有可能用于操作控制的量，便于进行多种操作控制；（５）考虑了海浪影响，所给出模型可直接用于控制和仿真。     

水下机器人运动控制神经网络的结构与学习方法

对水下机器人运动控制神经网络的结构与学习方法进行了研究,提出了带有局部回归结构的控制器网络结构、分步计算的运作过程、教师样本的生成方法以及变系数学习方法。水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果,验证了本文所提方法的有效性。     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

改进的PD迭代学习算法及在机器人二维运动控制中的应用

提出一种改进的ＰＤ型迭代学习控制算法。讨论了学习因子的优化选取方法，并对机器人二维运动控制进行了仿真。仿真结果表明，该控制方法应用于机器人二维轨迹控制简单易行，效果较好。     

基于NSGA-II 算法的水下机器人水平面运动参数辨识

水下机器人水动力系数的获得是分析其运动及设计控制器的基础。由于水下机器人水平面具有运动强耦合、非线性的特点,采用简单遗传算法来辨识水动力系数时无法使得多个目标函数同时达到最优,所以采用带精英策略非支配排序遗传算法(NSGA-II)来对水平面运动模型进行辨识。利用辨识得到的系数反求水下机器人水平面速度,仿真速度与实测速度曲线吻合较好,表明NSGA-II辨识得到的水动力系数是有效的。     

基于遗传算法的水下机器人模糊控制器优化设计

将遗传算法引入到水下机器人模糊控制优化问题中，用以自动寻优隶属函数参数和模糊控制规则，针对所采用的模糊控制器是连续型模糊控制器这一特点，对模糊规则和隶属函数采用了实数编码策略，并讨论了复制、交叉、变异等遗传操作在模糊控制器设计非线性寻优中的应用，最后针对水下机器人运动控制进行了计算机仿真，仿真结果表明，优化得到的模糊控制器与传统的模糊控制器相比具有响应快、超调小的特点。     

基于改进γ-CLAHE算法的水下机器人图像识别

水体及悬浮粒子对光的吸收、折射及反射导致水下图像对比度低及细节模糊,单一图像增强算法难以适用于水下复杂环境识别.为了解决该问题,提出基于小波变换和改进的γ-CLAHE相融合的图像增强算法.通过快速中值滤波去除图像中噪声,向CLAHE算法中加入自适应伽马变换,解决CLAHE算法处理水下图像色彩失真,丢失孤立点、细线,画面突变等问题.利用改进的γ-CLAHE算法处理小波变换分解后的低频部分,增强图像并加快运行速度.通过小波逆变换将γ-CLAHE算法处理后的低频部分和双边滤波处理后的高频部分相融合,得到最终的增强图像.将实验图像同传统CLAHE、Retinex、Singh融合算法的处理图像进行对比,验证本研究算法在水下图像处理方面的有效性和优越性.     

基于案例的自主式水下机器人全局路径规划的学习算法

首次讨论了基于案例的学习方法在自主式水下机器人全局路径规划中的应用问题,基于案例的学习方法是一种增量式的学习过程,它根据过去的经验进行学习及问题求解。本文对基于案例的学习方法在自主式水下机器人的全局路径规划中的应用框架进行了初步研究,对案例属性的提取、案例的匹配和择优以及案例库的更新等问题提出了相应的算法,最后给出了几组仿真结果。     

基于改进PSO算法的6R机器人逆运动学分析

对于有封闭解的6R机器人的逆运动学运算,虽然可采用解析解法、数值解法,但均需要庞大的计算量.此外,对于机械臂逆向运动学问题,经典粒子群(PSO)算法的多次仿真实验中,存在不稳定问题和易陷入局部最优与种群单一的问题.为此,提出一种改进的PSO算法:引入动态权重因子,利用动态权重调整因子结合CMA-ES算法步长更新方法,平...     

基于遗传算法的水下机器人运动规划中pareto解的分析与处理

对基于遗传算法进行水下机器人运动规划过程中的ｐａｒｅｔｏ解进行了研究。提出了多评价函数相互制约条件下ｐａｒｅｔｏ解的最佳化方法，以水下机器人Ｔｗｉｎ－Ｂｕｒｇｅｒ为对象进行运动规划的结果验证了算法的有效性。     

基于微粒群算法的投资组合分析

介绍了将微粒群算法应用于求解均值．方差一峰度投资组合模型,分析了模型中的参数和求解结果之间的关系,并选取深交所4只股票来进行模拟仿真,最后仿真的结果说明微粒群算法对均值一方差．峰度模型是有效的。     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

Application of MPSO technique to find optimal location and parameter setting of TCSC

A new mothod was presented to find the optimal location and parameter setting of Thyristor Controlled Series Compensator (TCSC) to maxmize the transfer capability.Firstly the sensitivity of the transfer capability with respect was described to the line’s reactance was described to find the more sensitive lines for installing TCSC,however,the line which has the most sesitivity value is always not the best line for installing TCSC.For solving this problem,the more sensitive m lines were selected as the alternative line group of installing TCSC,and then modified particle swarm optimization (MPSO) was used to find out the optimal location and the optimal parameter settings of TCSC.Particle swarm optimization (PSO) algorithm can results premature convergence.For solving this problem,population entropy and cellular automata were introduced to it.Simulation results of IEEE 30-bus system proved the effectiveness of the method and its application values.     

远程自主水下航行器建模研究

通过对远程自主水下航行器进行动力学和运动学分析，基于经典的动量和动量矩定理。在地心惯性坐标系下建立了一种适合远程应用的自主水下航行器模型。该模型不仅考虑了地球的曲率，也考虑地球的自转运动，可应用于水下航行器导航与控制系统的一体化仿真及系统精度分析。     

基于改进粒子群算法的PID控制器参数整定优化

针对经典粒子群算法应用在PID控制器参数上整定的方法效果往往不佳的问题上,提出了一种改进粒子群算法的PID控制器参数整定优化设计,在粒子群的基础上加入遗传算法中的交叉算子,并将粒子群中的惯性权重因子改成动态参数,应用到PID控制器,使参数的自适应整定问题也获得了改进,快速性和稳定性也都优于经典粒子群算法的PID控制器．借助Matlab获得仿真系统的响应曲线图,根据对比得出系统性能的指标改进情况．     

基于遗传算法的水下智能机器人避碰行为学习

智能机器人行为学习可以看成是从感知空间到动作空间中寻找一种映射文中采用遗传算法来实现寻找一种最佳映射,使机器人具有较好的避磁能力,把机器人旋转角和平移距离分别划分成７个等级和４个等级,每一个等级看成机器人的一种行为,把机器人发生碰撞之前所走的路径长度作适度函数,通过遗传算法中的选择,交叉和变异等操作机器人学会避碰行为,在文中的最后给出了仿真的实验结果。     

基于神经网络的水下机器人航向角跟踪控制

以能量消耗量作为评价函数进行水下机器人运行规划的结果得到随时间变化的目标航向角和理论控制输出。本文探讨基于神经网络的追踪控制器以实现在运动控制过程中对水下机器人被规划航向角进行追踪控制,并探讨实际控制输出与理论控制输出的一致性问题以实现运动过程消耗的操作能量较小。水下机器人“Twin-Burger“航向角控制的游泳池实验结果验证了本文所提出方法的有效性和可行性。     

基于改进PSO算法的自适应均衡算法

传统的自适应均衡算法存在收敛速度慢,稳定性差、均衡效果不理想等缺点,从而使自适应均衡器在高速光纤通信系统中的应用受到限制.具有梯度搜索因子的Grads-PSO算法,结合了传统数值优化方法在计算速度和计算精度上的优势,将梯度法引入粒子群算法中.在梯度搜索因子的指导下,PSO算法的运算过程显得更加有规则,从而提高了算法的收敛速度和运算精度.因此,本文提出将改进PSO算法用作自适应均衡器均衡算法.通过仿真实验表明,改进PSO算法具有收敛速度快,计算精度高的优点,将其作为自适应均衡器的控制算法可收到很好的均衡效果,优于传统的控制算法.     

水下机器人运动规划中多目标遗传算法的操作方法

以能量消耗量为评价函数进行运动规划是ＡＵＶ实用化中的重要问题之一。本文对水下机器人运动规划中多目标遗传算法的操作方法进行了探讨，提出了导入ε制约法、非劣解保留方法及个体集团的选择方法等算法，讨论了避免陷入局部解的措施。以水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”为对象，进行运动规划的算例表明了本文所提出方法的有效性。