BP神经网络在机器人足球比赛系统中的应用

足球机器人的决策系统是一个多智能体协调控制系统,控制机器人运动需对机器人未来的方位进行实时预测。为了解决RoboCup小型组比赛系统的延迟和准确定位问题,将BP神经网络应用于决策系统的局势预测中。建立了基于BP神经网络的线性预测模型,确定了神经网络的拓扑结构,并将训练好的网络应用于现有比赛系统,预测机器人的就位效率、协调及配合能力,进行仿真实验。实验证明,方法对机器人的位置、方向等预测比较准确,证明了预测算法的可行性和优越性。     

机器人足球比赛系统决策编程的可视化

分析了机器人足球比赛系统中决策子系统的一般结构,建立了产生式推理模型和决策的表达模型,构造了本机器人足球比赛系统的决策程序的结构;定义了决策存储的结构体变量类型,设计了菜单,并以此形式实现了决策编程的可视化。     

基于多机器人的微机器人足球比赛系统

微机器人足球比赛是将多机器人的协调控制、实时视觉系统、无线电通信、策略知识库系统、多传感器融合及计算机软/硬件等各种技术综合在一起的非常复杂的智能机器人应用系统.文中主要介绍能作微机器人足球比赛的MRS—1型多机器人系统.该系统由三部分组成:第一,组成球队,并能进行足球比赛的多微机器人系统;第二,对多机器人进行控制的主控系统,包括:对足球比赛的动态环境(包括自己和对方)做全面了解和分析的实时视觉系统,对各机器人与主控系统之间起联络作用的无线电通信系统,以及根据动态环境产生比赛策略的主计算机系统;第三,比赛环境,包括:比赛场地、球及裁判员,在整个比赛过程中,场外人员不允许用操纵杆、口令或其它方法干预比赛,机器人完全独立、自主地进行比赛,因此这种微机器人足球比赛是能考验机器人的智能化程度和自主性的新方法.微机器人足球比赛不但会推动多机器人系统的各种关键技术的发展,而且也会促进实际足球比赛的战术策略的发展.     

青少年机器人足球比赛系统决策生成器的研究

概述了青少年机器人足球比赛的现状,指出了程序编制是制约青少年机器人足球比赛发展的重要问题.描述了青少年机器人足球比赛系统中的决策子系统的程序结构,分析了Mirosot 3Vs3青少年机器人足球比赛的特点.建立了决策模型和产生式推理模型,设定了决策生成器的功能,并基于栅格法实现了决策生成器的开发,给青少年提供了一个编制决策的可视化工具,解决了程序编写这一难题,有力地促进青少年机器人足球比赛的发展.     

信息融合算法在机器人足球系统中的应用

最优信息融合Kalman滤波算法给出了实时动态环境中线性方差最小的融合估计。采用该算法对机器人足球系统中的小球进行状态估计和预测,并给出了信息融合处理结构和该算法的具体实现步骤。实验结果表明,该算法可以克服单一视觉传感器采集的数据含有较大噪声等局限性,实现了对小球精确的状态估计和预测,具有可行性和优越性,并且在某一机器人视觉传感器出错时,系统仍具有良好的容错性和鲁棒性。     

机器人足球比赛仿真系统

机器人足球比赛是一个新兴的人工智能研究领域。然而，真实的机器人足球比赛所需的硬件设备是比较昂贵，为此本文研究并实现了一个机器人足球比赛策略的仿真系统，并讨论了有关建模的问题，分析了用于机器人足球比赛的几何建模和动态建模的主要方法，本文开发的机器人足球比赛仿真系统SimuroSot已经被国际机器人足球联盟采纳，并作为世界杯机器人足球比赛仿真比赛的平台。     

机器人足球比赛决策程序的图形化编程

对机器人足球比赛决策程序的多数研究者而言,主要研究多智能体系统(MAS)及其协作问题,采用算法、编程技巧均较复杂。为了在青少年中开展机器人足球比赛,必须为他们提供一种简单易用、趣味直观的决策程序编程方法。论文首先描述了机器人足球比赛决策程序的一般结构,以及产生式推理模型和决策的表达方式,并在此基础上得出通用机器人足球比赛决策程序流程图。最后提出一种直观的图形化比赛决策程序编程方法,编程者只需要改变图形的属性就可以修改比赛决策程序,降低机器人足球比赛决策程序编程的门槛。     

青少年机器人足球比赛系统决策编程的可视化

分析了机器人足球比赛系统中决策子系统的一般结构，建立了产生式推理模型和决策的表达模型，构造了机器人足球比赛系统的决策程序的结构；定义了决策存储的结构体变量类型，设计了菜单，并以此形式实现了决策编程的可视化。     

水下机器人自适应卡尔曼滤波技术研究

水下机器人的位置和速度传感器受环境影响较大,数据滤波问题是运动控制的核心问题之一.给出了离散型卡尔曼滤波的基本方程,描述了卡尔曼滤波所具有的两个计算回路:增益计算回路和滤波计算回路.建立了水下机器人状态方程和量测方程,并在此基础上采用了自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波分析.引入了渐消记忆指数加权方法.对时变噪声统计中,强调了新近数据的作用.避免了系统误差和量测误差统计特性的不准确对系统滤波效果的影响.滤波效果分析表明此方法能达到很好的滤波效果.     

基于一致性Unsented卡尔曼滤波的多机器人定位

主要研究了多机器人编队过程中机器人的定位问题.在编队过程中机器人仅利用通过场地上方的摄像头捕获的图像得到自身的位置容易受干扰导致定位不准.利用队列中某个机器人观测到另外一个或几个机器人时,用相对观测信息和自身的位置以及附近被观测机器人的位置估计来更新一致性Unsented卡尔曼滤波算法中的状态估计.最后通过实验来对比未滤波前定位精度和分别采用Unsented卡尔曼滤波算法和一致性Unsented卡尔曼滤波算法定位精度,实验结果表明一致性Unsented卡尔曼滤波算法能够有效地提高定位的精度.     

一种带多重次优渐消因子的扩展卡尔曼滤波器

本文提出了"强跟踪滤波器"的新概念,给出了强跟踪滤波器的一般结构,并提出了一个正交性原理用于此类滤波器的设计.在此基础上,提出了一种具有强跟踪滤波器性能的带多重次优渐消因子的扩展卡尔曼滤波器(SMFEKF),改进了文献[1]中提出的一种带单重次优渐消因子的扩展卡尔曼滤波器(SFEKF).数值仿真说明了SMFEKF的有效性.     

卡尔曼滤波在桥梁健康监测中的应用

针对传统的桥梁自动损伤识别方法中数据精度的不足,提出运用振弦式应变传感器来获取应变模态指标,采用卡尔曼滤波信号处理方法来提高测量精度,抑制低频噪声,仿真结果表明了本滤波方法的有效性。     

迭代无味卡尔曼滤波器

通过对无味卡尔曼滤波器(Unscented Kalman filter,UKF)的误差进行分析,提出了迭代UKF(IUKF)算法.该基本思路是用测量更新后的状态估计去重新对状态量和观测量的一步预测,然后再次应用LMMSE估计子估计状态量的均值和协方差阵,如此多次迭代后的滤波估计输出具有更高的精度和更小的方差,故滤波器表现出更好的一致性.Monte Carlo仿真表明,IUKF主要应用于观测噪声较小的场合,其中的迭代只需进行2～3次即可.     

如何采用渐消卡尔曼滤波器防止捷联惯导系统滤波发散

为了有效防止捷联惯导系统滤波发散,本文从卡尔曼滤波原理出发,介绍了渐消卡尔曼滤波原理、遗忘因子等内容,通过对渐消因子的推导及计算机仿真,给出了常规卡尔曼滤波器和渐消卡尔曼滤波器对系统进行滤波的结果比较。该结果表明,采用渐消卡尔曼滤波器在工程实践上确实可以解决捷联惯导系统滤波发散的问题。     

混合坐标下的卡尔曼滤波及其应用

详细研究了混合坐标下的扩展Kalman滤波算法问题,并将其应用于综合火力/飞行控制系统中的机载目标状态估计器设计,该滤波算法充分利用了直角坐标体系下状态变量的状态线性特性和视线坐标体系下状态变量的量测线性特性。通过系统的Monte Carlo仿真表明,混合坐标下的Kalman滤波算法的稳定性及估计精度优于单独用视线坐标的滤波算法。     

改进的卡尔曼滤波算法系统参数辨识仿真研究

研究系统参数辨识精度提高问题。辨识是从实验数据中提取有关系统信息的过程,由于存在噪声影响辨识精度,针对传统的卡尔曼滤波算法不能很好地提高跟踪精度且算法复杂的缺陷,为了解决实际系统辨识中参数噪声方差和观测噪声方差未知的等相关问题,提出了一种改进的无味卡尔曼滤波算法系统参数辨识方法,仿真结果表明,算法具有更好的泛化能力,在复杂的系统负载等情况下,也可以对系统的参数精确有效的进行辨识,验证了该算法是一种有效适用的系统参数辨识方法。     

稳态Kalman滤波器增益新算法

应用现代时间序列分析方法,基于ARMA新息模型,提出了稳态Kalman滤波器增益的两种简单的新算法,并证明了它们的等价性.应用ARMA新息模型参数的递推辨识器伴随新算法,可实现自校正Kalman滤波器.仿真例子说明了其有效性.     

Kalman滤波的抗野值修正

分析了动态测量系统中异常数据对Kalman滤波的不利影响.提出了一组具有良好容错能力的修正型滤波算法.该滤波算法既可以充分利用正常新息确保滤波的精度,又可以有效拟制异常新息的不利影响提高滤波估计可靠性,达到对故障数据的容错能力.最后,通过仿真计算验证了该算法的有效性.     

噪声统计特性未知时的鲁棒卡尔曼滤波算法设计

本文研究了噪声统计特性未知时的鲁棒卡尔曼滤波算法(RKF)设计问题.首先,提出了一种新的RKF算法设计条件,并分析了其合理性;其次,从RKF算法设计条件出发研究了RKF算法的设计问题,把RKF算法的设计过程转化为计算一组线性矩阵不等式(LMI)的可行解;再次,研究了LMI可行解的计算问题,并通过计算该LMI的可行解设计了一种RKF算法;最后,通过仿真验证了所设计的RKF算法的有效性.     

渐消卡尔曼滤波器的最佳自适应算法及其应用

本文依据卡尔曼滤波器在使用最佳增益时,其余差序列互不相关的性质,开发了一种新的渐消滤波算法.该算法根据对象输出,在线自适应地调整遗忘因子,从而使滤波器在对象模型存在误差或对象受到外扰时,仍收敛并保持最佳性.该算法已应用于造纸机控制,取得较好效果.