一种新颖的多agent强化学习方法

提出了一种综合了模块化结构、利益分配学习以及对手建模技术的多agent强化学习方法,利用模块化学习结构来克服状态空间的维数灾问题,将Q-学习与利益分配学习相结合以加快学习速度,采用基于观察的对手建模来预测其他agent的动作分布.追捕问题的仿真结果验证了所提方法的有效性.     

并联六坐标测量机的研究

介绍了开发并联坐标测量机的意义。讨论了可实现六坐标运动的各种并联机构 ,确定以演化的Stew art平台作为并联六坐标测量机的结构 ,并按空间闭环机构对其进行了自由度分析。介绍了并联六坐标测量机的工作原理 ,设计了控制与测量系统。     

双目视觉坐标测量系统中网格点的分割与编码

在基于编码网格点的视觉坐标测量系统中,由计算机控制的LCD投影仪向被测目标投射两组正交的黑白相间的条纹,最终形成编码唯一的网格点,这些网格点就作为被测物体表面的特征点经过计算机匹配后由双目视觉原理求取该点的空间坐标.因此完成网格点的编码和分割是测量的重要一步.本文探讨了网格点的编码和分割方法,并确定了网格点的质心,为下一步进行网格点匹配和坐标计算提供了必要的条件.     

基于遗传算法的圆度公差评定法与采用最小二乘法评定的比较

根据提出的计算模型,对基于遗传算法的圆度误差评定和传统上采用最小二乘法的评定算法进行了比较分析,根据方法本身的特点和计算结果,分析了二者的不同点以及在工程应用中的适用场合.所构造的模型包括边界控制点和区域随机点,其中边界控制点模拟了由圆度误差最小区域条件所定义的最大内切圆和最小外切圆,而区域随机点模拟了实际情况下测试点的随机性和不确定性.计算结果表明基于遗传算法的圆度评定法精度较高,优于基于最小二乘法的评定算法.     

全自主足球机器人的超声波定位避障系统

为实现全自主足球机器人的定位和避障，介绍了超声波定位避障系统的体系结构，说明了超声波传感器的这种分布应用于足球机器人的必要性及这种结构的优点．针对超声波传感器测量数据变化较大和时常出现粗大误差的特点，引入了剔除不合理数据后再进行平均的思想，可以明显地提高测量数据的准确性和可靠性．实验数据证明了算法的可行性．     

六自由度关节式坐标测量机关节零位偏差的标定算法

关节式坐标测量机的关节零位偏差是由装配工艺误差引起的,对测头末端的空间位姿误差影响极大。本文在建立六自由度关节式坐标测量机数学模型的基础上,应用全微分、最小二乘法和迭代算法等数学方法,建立了关节零位偏差的线性标定算法,并通过计算机仿真计算验证了该标定算法的正确性     

多关节坐标测量机的误差模型

按Denavit-Hartenberg方法,建立了多关节坐标测量机末端测头中心相对于机座参考坐标系的测量运动的数学模型。在此基础上,运用矩阵函数的全微分方法,建立起末端测头中心坐标误差与测量运动模型参数误差之间的传递关系。为进一步研究多关节坐标测量机的标定和补偿奠定了理论基础。     

全自主足球机器人的运动控制系统研究

全自主足球机器人要完成踢球任务,需要一个快速可靠的运动控制系统,但是大多数以前的电机控制系统都是基于MCU或DSP系统的．为此,提出基于PC104总线控制的直流伺服电机控制系统,介绍了运动控制系统的组成、电动机控制板和系统控制软件．该控制系统具有体积小、功能强、反应速度快和控制简单等特点,完全可以满足足球机器人的运动要求,并可应用于其他小型装置的电动机控制系统上．     

Determination of the workspace of a new coordinate-measuring machine using parallel-link mechanism

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｎａｃｃｕｒａｔｅｃｏｏｒｄｉｎａｔｅ ｍｅａｓｕｒｉｎｇｍａｃｈｉｎｅ (ＣＭＭ )ｉｓａｎｉｍｐｏｒｔａｎｔｔｏｏｌｔｏｍｅａｓｕｒｅｓｐａｔｉａｌｃｏｏｒｄｉｎａｔｅｓ .Ｉｔｉｓａｔｙｐｅｏｆｈｉｇｈｐｒｅｃｉｓｉｏｎａｎｄｉｎｔｅｌｌｉｇｅｎｔｍｅａｓｕｒｅｍｅｎｔｅｑｕｉｐ ｍｅｎｔｔｈａｔｅｎｃｏｍｐａｓｓｅｓｍｅｃｈａｎｉｃａｌ ,ｅｌｅｃｔｒｉｃａｌ,ｏｐｔｉｃａｌ,ｎｕｍｅｒｉｃａｌｃｏｎｔｒｏｌａｎｄｃｏｍｐｕｔｅｒｔｅｃｈｎｏｌｏｇｉｅｓ .Ｉｔｉｓｉｎｄ…     

基于最小交叉熵的相关向量机

研究了传统相关向量机(RVM)的性能,分析了传统RVM的性能完全取决于先验假设的连接权值和参数的平滑性,因而其稀疏性实际上仍受核函数或核参数选择的控制,这在某些情况下可能会导致严重的欠拟合或过拟合现象的问题,在此基础上,提出了明确地给出基函数优化过程中的目标数量,并通过最小化训练阶段前向“假定”概率分布和测试阶段反向“真实”概率分布间的交叉熵来构建RVM的方法.实验结果表明,这种方法不但可以构建最小复杂度的基于最小交叉熵的RVM结构,而且构建的RVM能很好地对数据进行拟合,提高预测的准确性,增强其稀疏性.