力觉临场感遥控机器人系统的时延问题

通信时延问题是力觉临场感遥控机器人研究中急需解决的问题，它直接影响到遥控机器人应用的稳定性和操作性能，文中就该问题并针对操作环境的时变性，提出了基于自适应预测理论的多层递阶预报方法，在线对时变环境进行实时预报，实验证明，该方法是可行的。     

机器人视觉光电混合处理系统软硬件制作技术研究

研究了光电混合处理系统的仿真方法及其软硬件制作阶段和制作技术，并探讨了该技术在机器人中的各种应用。     

基于Marr理论的机器人视觉光电混合处理系统人脸识别研究

对联合变换相关器光电混合处理系统进行了Marr视觉计算理论分析,并将机器人视觉空间域法和频率域 法预处理与联合变换相关器相结合识别人脸取得了明显效果。     

支持短时交通流量预测的概率图模型构建与推理

短时交通流量预测,是交通系统信息化和智能化交通运输管理技术领域研究的关键问题.目前的方法对历史数据具有较高的依赖程度,或者具有较高的计算成本,或者不能有效反映实际中较复杂的交通网络及各结点之间的相互关系、以及依赖的不确定性,或者多种模型的组合使得预测方法较复杂.贝叶斯网是一种重要的概率图模型,本文以交通网络结构为基础,利用概率图模型在不确定性知识表示和推理方面的良好性质,考虑路口交通流量及其预测的时序依赖特征,构建了带有时序条件依赖关系的交通贝叶斯网.进而针对短时交通流量预测的实时性和高效性要求,提出了基于Gibbs采样的交通贝叶斯网近似概率推理算法,并进行交通流量的短时预测.实验结果表明,本文提出的交通贝叶斯网构建、近似推理以及相应的短时交通流量的预测方法,具有高效性、准确性和可用性.     

基于虚拟现实的临场感遥控作业系统的研究动向

本文阐述了虚拟现实技术在临场感遥控作业系统中的研究和应用背景、状况和 内容．综述了临场感遥控作业虚拟现实系统的最近进展．重点介绍了它在监控和协作控制、 劣质视觉反馈的遥作及具有通信时延的遥作方面的研究动向．指出临场感遥控作业虚拟现实 系统是今后临场感技术研究和发展的主潮流,并对我国今后在这方面的研究应遵循的基本原 则提出了建议．     

精密仪表用隔离电源系统设计

介绍了电池供电的高精度仪表中，低纹波多组输出的隔离DC/DC变换电路及其微功耗电池保护电路的设计，为解决普通DC/DC变换电路存在的问题，利用晶体振荡器取得稳定的开关频率，通过开关控制把直流电压转换为驱动隔离压压器的交流方波电压，以变换成所需的多组输出，并通过合理的整流，滤流，稳压电路的设计得到高性能直流电压，以满足精密仪表的电源系统要求，在电荷平衡原理的七位半A/D转换器应用中，此电源系统引入的误差可以忽略。     

机器人临场感的电触觉再现技术研究􀀁

本文在阐述机器人触觉临场感再现技术的相关原理及实现技术的基础上,指出了目前电触觉再现技术中存在的问题,提出了实现电刺激电流在线调节的新构想。文章最后述及了国专家学者关于触觉概念的新观念,并认为在未来一段时间内,与此相关的课题将是触觉研究的重点方向。     

基于遗传神经网络的传感器输出特性拟合􀀁

针对最小二乘法和分段线性化等传统方法的不足,提出了解决传感器输出特性拟合和在线标定问题的遗传神经网络算法,实验验证了其有效性,本文的论述不但可以用于传感器,而且可以用于其它类似系统。     

基于互联网的遥控机器人系统

基于互联网的远程遥控机器人是当前智能机器人研究的前沿和热点,它对于危险一半下的远程作业及远程医疗、远程教育、远程制造等技术具有深刻的现实意义。本文阐述了基于互联网远程遥控机器人的起源、发展状况和所涉及到的关键技术,着重分析了涉及到网络通讯的若干问题（主要是通讯协议）,并对它的应用作了介绍。     

基于边界的Markov网的发现

一、引言 Bayesian网是一种进行不确定性推理的有力工具,被广泛应用于人工智能、专家系统以及数据挖掘等领域。近年来,越来越多的研究者开始研究如何从大量的样本数据中发现Bayesian网络,提出了许多Bayesian网的学习算法。这些算法大致可以分为两类:基于搜索和打分的算法与基于依赖分析的算法。基于搜索和打分的算法的基本思想是根据评分函数搜索得到对样本数据拟合得最好的Bayesian网络。评分函数主要对待选的网络结构进行打分,选择与数据拟合得最好的网络结构。由于不可能对所有的网络结构进行测试,所以需要运用局部搜索算法进行网络结构的搜索,通常是从初始网络结构(可以是空结构,随机指定的结构或先验网络结构等)开始,通过增加、删除或转向操作使得局部最优化(根据评分函数),再逐渐扩展到整个网络最优化。常用的局部搜索算法是爬山法和模拟退火法。