基于动态系统的机器人模仿学习方法研究

针对当前机器人模仿学习过程中,运动模仿存在无法收敛到目标点以及泛化能力差的问题,引入一种基于动态系统（dynamical system,DS）的模仿学习方法。该方法通过高斯混合模型（gaussian mixture model,GMM）将示教运动数据建模为一非线性动态系统;将DS全局稳定的充分条件作为约束,以保证DS所生成的所有轨迹收敛到目标点;将动态系统模型的参数学习问题转化为求解一个约束优化问题,从而得到模型参数。以7bot机械臂为实验对象,进行仿真实验和机器人实验,实验结果表明:该方法学习的DS模型从不同起点生成的所有轨迹都收敛到目标点,轨迹平滑,泛化能力好。     

基于DHNN的移动域控制策略及应用

为避免基于Riccati方程求解移动域控制问题时复杂的矩阵求逆运算,提出一种基于离散Hopfield网络(DHNN)的移动域控制策略.对每个离散时刻,通过建立DHNN能量函数与移动域线性二次(LQ)性能指标间的等价关系,在线构建相应时刻的DHNN,理论设计能够保证该网络具有稳定性,而且由其稳态输出可获得移动域控制输入.应用于倒立摆平衡控制的仿真实验说明了论文提出的移动域控制策略的正确性及与滚动优化思想相结合实现无限域闭环最优控制的可行性.     

机械臂视觉伺服系统中的高精度实时特征提取

以机械臂视觉伺服系统为背景,立体视觉所需要的特征点为目标,提出一种基于颜色块的实时特征提取方法．特征点的定位分为粗定位和精定位两个过程,粗定位用来跟踪目标颜色块,精定位在粗定位的基础上,切出小图像并提取目标轮廓,利用犓犔变换对轮廓点进行分类,并通过最小二乘法对边缘点进行拟合．根据直线方程计算顶点的亚像素精度坐标,为下一步的目标位姿测量提供基础．实验结果验证了该方法的有效性．     

基于小脑-基底神经节机理的行为认知计算模型

针对智能体的行为认知问题,提出一种小脑与基底神经节相互协调的行为认知计算模型。该模型核心为操作条件学习算法,包括评价机制、行为选择机制、取向机制及小脑与基底神经节的协调机制。初期的学习信号来自于下橄榄体和黑质两部分,在熵的意义上说明该算法是收敛的。采用该学习方法为自平衡两轮机器人建立运动神经认知系统,利用RBF网络逼近行为和评价网络。仿真实验表明该方法改善仅有基底神经节作用的行为-评价算法学习速度慢和失败次数多的问题,学习后期通过温度的不断降低,加快学习速度,震荡逐渐消失,改善学习效果。     

一种桌面机器人及其自主地图绘制算法

利用嵌入式技术设计了一种桌面机器人系统,机器人体积不到200 cm3,系统利用全局摄像机采集图像,通过无线通信组件对机器人定位导航,从而进行面向地图绘制的智能行为研究;从桌面机器人系统采集到地图信息,并生成神经网络训练样本,利用可增长自组织特征映射图GSOM(Growing Self-organizing Map)的地图绘制算法,通过不断增加新的神经元实现网络规模的增长,从而生成以少数SOM图神经元分布描述环境特征信息的拓扑地图;在机器人系统上进行了基于GSOM模型的自主地图的绘制实验,并利用所得拓扑地图进行了准确的机器人导航实验.实验结果表明基于GSOM的自主地图绘制方法可行,机器人系统表现出类似生物的自主智能行为.该方法可以应用于大环境下机器人的自主地图测绘与导航.     

基于改进的BP网络的语法分析系统设计

针对汉语语法分析问题提出了一种基于改进的BP网络的语法分析专家系统的设计方案。其核心是构造存储和管理文法知识的知识库及具有语言专家智能行为和语法分析能力的推理机。本系统中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。最后给出了系统的运行实例，说明该系统的有效性。     

基于数据模拟和HMM自适应的电话语音识别研究

该文研究了基于数据模拟方法和HMM(隐马尔科夫模型)自适应的电话信道条件下语音识别问题。模拟数据模仿了纯净语音在不同电话信道条件下的语音行为。各基线系统的HMM模型分别由纯净语音和模拟语音训练而成。语音识别实验评估了各基线系统HMM模型在采用MLLR算法(最大似然线性回归)做无监督式自适应前后的识别性能。实验证明,由纯净语音转换生成的模拟语音有效地减小了训练语音和测试语音声学性质的不匹配,很大程度上提高了电话语音识别率。基线模型的自适应结果显示模拟数据的自适应性能比纯净语音自适应的性能最大提高达到9.8%,表明了电话语音识别性能的进一步改善和系统稳健性的提高。     

一种基于混合学习策略的移动机器人路径规划方法

针对未知环境下移动机器人路径规划问题,以操作条件反射学习机制为基础,根据模糊推理系统和学习自动机的原理,提出一种应用于移动机器人导航的混合学习策略.运用仿生的自组织学习方法,通过不断与外界未知环境交互从而使机器人具有自学习和自适应的功能.仿真结果表明,该方法能使机器人学会避障和目标导航任务,与传统的人工势场法相比,能有效地克服局部极小和振荡情况.     

基于非线性PID的柔性两轮机器人运动控制

柔性两轮机器人是一种不稳定、非线性、强耦合系统。该系统的突出特点是在机器人的腰部装有柔性的机体结构,能够更好地模拟人和动物的生物动力学特性,具有更好的仿生性质,同时,系统的控制难度显著增大,为使机器人能够平衡直立运动,且具有较强的鲁棒性,提出了非线性PD的姿态平衡控制方法,实现了机器人的姿态平衡,并同时设计了PID航向差动控制结构驱动左右轮电机,使机器人能够完成直线行进、自旋、环绕等多种运动平衡模式。实验结果表明,机器人具有优良的平衡能力和机动性能,从而验证了方法的有效性。     

独轮机器人的建模与自抗扰控制算法

独轮机器人前后平衡由一车轮保持并驱动其前后运动, 侧向平衡则由一基于空气阻力的风轮保持, 以此结构为被控对象建立该系统动力学模型. 以一种非线性的控制方法—–自抗扰控制方法控制其平衡运动, 在系统的纵向和侧向上分别设计一个自抗扰控制器, 系统的内扰和外扰被视为自抗扰控制器的总扰动. 以PID 控制方法作对比实验, 仿真结果表明了自抗扰控制算法的强鲁棒性和有效性.