机器人连续轨迹控制中的B样条轨迹优化

在关节空间中对机器人Ｂ样条进行了时间最短优化计算，该优化问题模型包括关节角速度、角加速度、角加加速度及矩四种约束，给出了优化计算方法，为说明本方法，文末给出了Ｂ样条轨迹优化算例。     

一种改进的蜜蜂进化型遗传算法

提出了一种改进的蜜蜂进化型遗传算法。在该算法中,通过分析随机种群规模对算法收敛性能的影响,可以发现在算法的搜索过程中,对随机种群规模的需求是随群体状态的演变而动态变化的。为实现对随机种群规模的优化,提出使用分阶段调整的策略对随机种群规模进行动态调控,由于随机种群规模的渐进式变化,不但保证了种群的多样性,同时提高了算法的收敛速度和精度。对典型高维函数的优化实验结果表明了算法的有效性和可行性。     

模糊联想记忆对训练模式对摄动的鲁棒性研究

基于模糊取大算子（V）和T-模的模糊合成,构建了一类模糊联想记忆网络（V-T FAM）。利用T-模的模糊蕴涵算子,给出了这类V-T FAM的学习算法。针对训练模式对小幅摄动可能对模糊神经网络的性能产生副作用,提出V-T FAM对训练模式对摄动的鲁棒性概念。理论研究表明,当T-模满足Lipschitz条件时,采用上述学习算法的V-T FAM对训练模式对摄动幅度,在系数为β的条件下全局拥有好的鲁棒性。最后用V-T FAM在图像联想方面的实验验证了理论结果。     

区域标记在碎米率检测中的研究

碎米率是大米品质检测的一个重要因素。通过运用形态学理论及数字图像处理与分析技术来获取自动检测碎米率的方法。依照国家标准,提出了利用形态学开运算校正光照不均和去除图像中的噪声,运用改进的最大类间方差法来自动确定图像分割阈值,使用区域标记算法统计大米数量和面积。实验结果表明：该方法可以提高识别碎米的准确度和效率。     

基于模糊理论的车型识别

随着机动车数量的增加,交通管理、公路收费的工作量和工作难度日益加大,因此车型自动识别在公路交通管理和自动收费中有重要的应用价值。文中主要提出了运用模糊理论建立隶属度函数对提取了特征数据的车辆进行模式识别的方法,该方法能识别常见的轿车、越野车、货车和客车。并给出了识别过程实现的程序框图。该方法结构简单而且识别效率较高,速度较快,相比神经网络的方法更容易实现,应用于实际作业将会明显减少人员的工作量。     

模糊双向联想记忆网络的有效学习算法

基于模糊取大运算和爱因斯坦S-模提出新的模糊双向联想记忆网络模型（Max—SesFBAM），并为该网络提出了一种新的学习算法。在理论上严格证明了，任意给定的模式对集，只要存在有连接权矩阵对使其为Max—SesFBAM的平衡态集，则依该学习算法所确定的连接权矩阵对（W^-，U^-）是所有这样的连接权矩阵对中的最大者；且该最大连接权矩阵对能使Max—SesFBAM对任意输入在一步内就进入平衡态。     

基于模糊理论的车型识别

随着机动车数量的增加，交通管理、公路收费的工作量和工作难度日益加大，因此车型自动识别在公路交通管理和自动收费中有重要的应用价值。文中主要提出了运用模糊理论建立隶属度函数对提取了特征数据的车辆进行模式识别的方法，该方法能识别常见的轿车、越野车、货车和客车。并给出了识别过程实现的程序框图。该方法结构简单而且识别效率较高，速度较快，相比神经网络的方法更容易实现，应用于实际作业将会明显减少人员的工作量。     

基于三角模的模糊双向联想记忆网络的性质研究

基于模糊取大算子和三角模T的模糊合成,构建了一类模糊双向自联想记忆网络Max-T FBAM.利用三角模T的伴随蕴涵算子,为这类Max-T FBAM提出了学习算法,并理论上证明了该学习算法确定的连接权矩阵是网络最大的连接权矩阵.对任意输入能使Max-T FBAM迭代一步内就进入稳定态,该类网络具有全局稳定性和可靠的存储能力.当三角模T满足利普希兹条件时,采用上述学习算法时自联想Max-T FBAM对训练模式的摄动全局拥有好的鲁棒性.最后用实验证实了理论研究,也为图像的可靠存储提供了参考.     

训练模式对的摄动对模糊双向联想记忆网络的影响及其控制

训练模式对的小幅摄动可能对模糊神经网络的性能产生副作用,为此文中提出了一般性的模糊神经网络对训练模式对摄动的鲁棒性概念,并就典型的模糊双向联想记忆网络FBAM进行了具体分析,理论研究表明FBAM采用模糊赫布学习算法时该鲁棒性好,而采用新近提出的另一学习算法时,该鲁棒性较差,为此,作者为后一算法提供了一种训练模式对摄动的控制方法,以保证FBAM的这种鲁棒性较好,最后用FBAM在图像联想方面的实验证实了文中的某些理论结果,文中工作对FBAM系统的性能分析、学习算法的选择和模式对获取过程的指导有一定意义。     

自适应Tent混沌搜索的人工蜂群算法

为了有效改善人工蜂群算法(artificial bee colony algorithm,ABC)的性能,结合Tent混沌优化算法,提出自适应Tent混沌搜索的人工蜂群算法.该算法使用Tent混沌以改善ABC的收敛性能,避免陷入局部最优解,首先应用Tent映射初始化种群,使得初始个体尽可能均匀分布,其次自适应调整混沌搜索空间,并以迄今为止搜索到的最优解产生Tent混沌序列,从而获得最优解.通过对6个复杂高维的基准函数寻优测试,仿真结果表明,该算法不仅加快了收敛速度,提高了寻优精度,与其他最近改进人工蜂群算法相比,其性能整体较优,尤其适合复杂的高维函数寻优.