基于滑模思想和Elman 网络的操作条件反射学习控制方法

针对一类单输入单输出高阶非线性控制系统,提出一种基于滑模思想和Elman网络的操作条件反射（OCR）学习控制方法．该方法采用Elman网络构造滑模面-行为对的评价函数,通过滑模面的变化设计奖赏函数,根据奖赏信号更新评价函数,实现行为选择概率的更新．通过每轮次熵的定义,定量分析了所学知识的变化量．针对行走倒立摆系统的仿真实验结果表明,采用该仿生的OCR学习控制方法,可实现行走倒立摆的平衡控制．     

基于Skinner 操作条件反射的抽样一致性算法

针对基础矩阵的估计问题,提出一种基于Skinner概率自动机的抽样一致性算法(Skinner-Ransac)。该算法对数据样本集合中的每个样本赋予权值,并根据当前的抽样结果对每一个样本的权值进行更新;同时,针对先验知识缺乏的情况提出了3种迭代终止条件。以一组模拟数据和一组真实图像作为实验对象,与4个现有算法进行对比的实验结果表明, Skinner-Ransac无论在迭代次数,还是在计算精度上均优于其他算法。     

一种迷宫机器人的人工脑系统

提出一种迷宫机器人的人工脑系统,包括迷宫路标感知单元与行为决策单元.其中,感知单元基于ARTI神经网络,用于识别迷宫导向路标;决策单元基于行为概率实现矩阵,并以强化学习更新行动策略.机器人所在迷宫的特征为每个路口设有导向路标,路标为含噪声的符号图像.在仿真实验中,令机器人在迷宫中随机行走,通过调节人工脑系统的试验参数,经过一段时间的自主探索学习过程机器人能最终穿越迷宫.仿真实验结果表明,该人工脑系统能够自组织地理解迷宫中导向路标的含义,并引导机器人成功穿越迷宫.同时,该人工脑系统对于基于路标导航的城市巡逻机器人、高危复杂环境下的抢险机器人的研究发展有一定的推动作用.     

一种基于操作条件反射原理的学习模型

针对认知机器人的自主学习问题,提出一种基于操作条件反射原理的学习模型(OCLM).该模型采用状态空间、操作行为空间、概率分布函数、仿生学习机制、系统熵等进行描述,给出状态的"负理想度"的概念,定义了取向函数的计算方法.运用模型对机器人避障导航问题进行仿真实验,并对参数设置进行了讨论.实验结果表明,基于OCLM模型的机器人能通过与环境的交互获得认知,成功避障到达目的地,具有一定的自学习能力,从而表明了模型的有效性.     

受脑启发的机器人认知抓取决策模型

为了让机器人获得更加通用的能力,抓取是机器人必要掌握的技能.针对目前大多数机器人抓取决策方法存在物品特征理解浅显,缺乏抓取先验知识,导致任务兼容性较差的问题,同时受大脑中分区分块功能结构的启发,提出了将物品感知、先验知识和抓取任务融合的认知决策模型.该模型包含卷积感知网络、记忆图网络和贝叶斯决策网络三部分,分别实现了物品能供性(affordance)提取、抓取先验知识推理和联想,以及信息融合编码决策,三部分之间的信息流以语义向量的形式传递.利用UMD part affordance数据集、该文构建的抓取常识图和决策数据集对3个网络分别进行训练,认知决策模型的测试准确率达到99.8％,并且抓取位置可视化结果展示了决策的正确性.该模型还能判断物品是否属于当前任务场景,以决策是否抓取以及选择什么部位抓取物品,有助于提高机器人实际场景的应用能力.     

柔性两轮直立式自平衡仿人机器人的建模及控制

研究了柔性两轮直立式自平衡仿人机器人的动力学建模问题．运用拉格朗日方法和动力学原理建立了柔性两轮自平衡仿人机器人的动力学模型．使用弹簧模仿人的腰椎,并考虑了机器人的柔性腰椎弯曲;这是与以前机器人的不同之处．对得到的动力学模型进行了线性化处理,并建立其状态空间方程;由此建立的动力学模型结构简单,易于对机器人进行有效控制．仿真实验验证了系统的稳定性,对其实验结果进行的详细分析验证了系统建模和LQR控制器设计的合理性和有效性．     

自平衡机械系统匀速行走模糊控制

针对自平衡机械系统的研究很少着眼于速度控制,设计一种简单的模糊控制器,应用于一级直线倒立摆的匀速行走控制中。对于设定的速度整定值,通过调整几个比例环节的系数,系统具有很好的动态性能指标,而且控制器在有外界扰动时体现了很好的抗扰能力。考虑到实际物理系统中倒立摆行程的限制,设计的自动切换开关实现了倒立摆在一段给定的行程上匀速来回行走的控制目标,通过手动切换开关也能实现倒立摆的位置控制,因而使得该模糊控制器能完成平衡控制、位置控制、匀速行走控制。经多次试验,给出了比例环节系数大小调整与系统动态性能指标之间关系的大致规律,实验结果验证了该控制器的有效性。     

双轮自平衡机器人行走伺服控制算法

为解决双轮自平衡机器人行走伺服控制问题,针对其动力学特性,提出使用分层模糊控制的方法对双轮自平衡机器人运动进行控制,并且设计一种基于mamdani型模糊推理规则的模糊控制器.使用这种模糊控制器在双轮自平衡机器人硬件平台上完成了2个实验.一是以恒定倾斜角行走为控制目标的行走伺服控制;二是以恒定速率行走为控制目标的行走伺服控制.实验结果表明,设计的模糊控制器模糊规则简洁,可以很好地解决双轮自平衡机器人行走伺服控制问题.     

基于基因表达谱胃癌特征基因选取研究

基于基因表达谱运用信息科学的方法和技术建立胃癌的分类模型,关键在于准确找出决定样本类别的一组特征基因.针对该问题在分析胃癌的基因表达谱基础上研究了胃癌特征基因选取问题.本文提出了一种新的特征基因选取方法--CLUSTER_S2N法,并用支持向量机作为分类器,以分类错误率为标准进行了胃癌的分类预测实验,实验结果表明了该方法的可行性和有效性.     

立方体机器人自抗扰平衡控制方法

针对立方体机器人动力学模型多变量、强耦合的问题,提出一种基于自抗扰控制的平衡控制器设计方法.引入虚拟控制量,并在控制量与输出向量之间并行地嵌入多个自抗扰控制器,从而实现对多变量系统的解耦控制,将系统的动态耦合和外部扰动视为各自通道上的自抗扰控制器的总扰动,在为期望姿态安排过渡过程基础上,设计扩张状态观测器对总扰动进行估计并实时补偿.综合采用经验试凑法和带宽法对控制器参数进行整定,对自抗扰控制器系统进行稳定控制、姿态跟踪、抗扰性和鲁棒性实验,并与PID控制系统进行定量对比分析.仿真结果表明,所设计的自抗扰控制器不仅能有效实现立方体机器人的平衡控制,而且较PID控制器具有更好的响应速度、控制精度和强鲁棒性.