柔性两轮移动机器人动力学建模及模型分析

针对两轮机器人腰部柔性的结构特点,以柔性多体系统动力学理论为基础,设计了柔性两轮移动机器人,并根据假设模态法,将其抽象为平面柔性三连杆系统,利用D'Alembert-Lagrange原理建立了柔性机器人的动力学模型,得到了以机器人本体的3个杆的倾斜角度和左右轮的转角为参量的系统动力学方程和系统腰部柔性连杆的振动方程.给出了数学模型推导的具体步骤,并对该模型做了仿真分析.结果表明,该模型为柔性机器人的运动及控制研究提供了理论依据.     

小圆蓝细胞瘤预测模型研究

为研究肿瘤与基因之间的关系,分析了小圆蓝细胞瘤基因表达数据,建立了分类和预测小圆蓝细胞瘤4个亚型的多模预测模型.针对小圆蓝细胞瘤的4个亚型,该预测模型创建了4个基于神经网络的分类器,并编码4个分类器的分类结果,获得每个数据样本的最终预测结果.研究表明,将复杂的多类分类问题分解为多个2类分类问题是解决多类分类问题的有效方法,基于该方法建立的多模预测模型能够学习基因表达数据中蕴含的知识,并利用获得的知识准确地分类和预测全部83个数据样本.     

一种遗传算法的神经网络模型

提出了应用神经网络实现遗传算法的模型,将普通遗传算法中交叉操作和突变操作的概念进行推广,并提出了全交叉和多点突变的概念以及实现这两种操作的人工神经元模型。通过一组著名的测试函数将该算法与典型遗传算法就求解优化问题的性能作了比较研究。此研究对用硬件执行遗传算法,显式地实现遗传算法的内在并行性,从而提高遗传算法的实时性,拓宽遗传算法的应用领域具有重要的意义。     

用多模神经网络预测蛋白质二级结构

提出了一个由7个BP神经网络组合成的多模神经网络的预测模型,同时给多模神经网络引进了较多的生物进化信息(Evolutionary information),即一方面引入了“profile”编码,这种编码被认为携带了较多的生物信息;另一方面引入了氨基酸之间的“距离”概念．它体现了输入层临近氨基酸的相互联系和影响．对从36个蛋白质提取的4000个氨基酸的进行了预测研究．结果表明,与文献[1]的预测结果相比,本文的多模神经网络把蛋白质二级结构预测的平均精度从66．1502％提高到68．8903％．     

基于BP网络的汉语句法分析专家系统

提出了一种基于BP网络的汉语句法分析专家系统的设计方案．知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中．推理机采用神经网络进行推理．在论文的结尾给出了系统的运行实例，说明了该系统的有效性．     

多发性骨髓瘤基因表达谱分析

为了依据肿瘤基因表达谱数据提取出其中蕴含的样本分类规则,以多发性骨髓瘤的基因表达谱为例,提出了一种在基因表达数据中提取分类特征规则的方法．该方法从统计学角度出发,以基因与样本类别问的相关系数作为衡量属性包含样本分类信息量的标准,并利用神经网络进行属性规约找出分类特征属性集,最后利用决策树进行知识提取,给出样本分类的产生式规则．实验结果表明,所提取出的3条规则对实验样本正确分类率达到100％．     

基于复合协方差函数的多任务模仿学习算法的研究与实现

针对多任务下机器人模仿学习控制策略的获取问题,构建复合协方差函数,采用高斯过程回归方法对示教机器人的示教行为样本点建立高斯过程回归模型,并对其中的超参数进行优化,从而得出模仿学习控制策略,模仿机器人应用控制策略完成模仿任务.以Braitenberg车为仿真实验研究对象,对其趋光、避障多任务的模仿学习进行研究.仿真实验研究结果表明:与基于单一协方差函数的模仿学习算法相比,基于复合协方差函数的模仿学习算法不仅能够实现单任务环境下的机器人模仿学习,而且能够实现多任务环境下的机器人模仿学习,且精度更高.任务环境改变实验研究结果表明该方法有很好的适应性.     

在书写任务中的基于轨迹匹配的模仿学习

针对书写任务中运动轨迹较复杂的问题,引入基于轨迹匹配的模仿学习算法对书写轨迹进行表征和泛化,进而实现机器人书写技能的获取。机器人从示教者处获取示教数据,利用高斯混合模型( Gaussian mixture model, GMM)进行编码,学习示教行为的本质特征,通过高斯混合回归进行泛化处理,实现行为再现。实验结果表明：该方法具有良好的行为编码能力和抗干扰性,能够实现轨迹可连续的汉字书写,通过对GMM的扩展能够进行多任务学习,进而实现轨迹不可连续汉字的书写,泛化效果较好。     

手眼系统在自动装配生产线上的应用研究

介绍了一种以工业网络视觉传感器为检测核心,以六轴工业机器人为执行机构的手眼系统在自动装配生产线上的应用设计,采用基于图像的视觉伺服控制方式,可实现工件的在线检测和装配,解决了当前柔性生产线复杂工件的识别问题,在实际应用系统中取得了好的效果。     

旋翼飞行机器人的动力学建模与容错自适应控制

针对目前无人飞行器在受限环境执行作业时操控性和安全性不足的问题,设计了一种基于旋翼动力的碟式自主旋翼飞行机器人(rotor aerial robot,RAR),采用内置桨叶和冗余执行机构以增强飞行器的安全性和容错能力,采用内、外双旋翼系统和碟式机体构架以提高空气动力特性和操控性能.运用牛顿-欧拉方法建立了系统的6自由度(six-degrees-of-freedom,6-DOF)动力学模型,根据模型执行环节易受气动干扰或故障等因素影响而出现参数不稳定的问题,设计了容错自适应控制方法,在Matlab/SIMULINK环境下以飞行器的侧向通道控制为例进行了仿真实验,验证了旋翼飞行机器人具有良好的操控性和鲁棒性.