多传感器苹果采摘机器人定位系统研究

本文研究了一种适用于苹果园中自主移动机器人的定位系统.该系统采用以CCD传感器为感应元件的数码相机获取苹果园场景视频信息,以作者开发的图象处理软件实现路标的提取和识别,并利用激光测距传感器测定机器人与路标的精确距离,结合以上信息,应用直接推理的路标全局定位方法,实现苹果园中移动采摘机器人的定位.仿真实验表明,该系统具有较高的定位精度和鲁棒性,定位精度介于95.6～99.0%之间,符合苹果采摘机器人定位要求.     

基于OMAP5910的智能家居监控系统的设计

提出一套基于嵌入式的数字视频监控系统,在高性能双核芯片OMAP5910(ARM核和DSP核)的基础上,以Intemet为支撑,以V4L为基础,对USB接口的摄像头采集的数据进行处理,在OMAP5910和Linux2.6.14上实现了USB蓝牙驱动,并介绍了Linux2.6下蓝牙通信的实现过程,即实现视频的采集并送至监控中心,同时将视频图像做运动检测,如果检测到有人入侵,就通过蓝牙传送至家庭内PC,并同时启动GPRS短信功能报警系统,实现远程监控.     

基于连续消除的正方形-菱形运动估计算法

在基于搜索起点预测和正方形-菱形算法(SDS)的基础上,结合连续消除算法(SEA),提出了一种新的运动估计算法:基于连续消除的正方形.菱形运动估计算法(SEA-SDS).实验结果表明,该算法以比较小的代价取得了与全搜索算法(FS)相当的效果;在搜索次数和精度方面均优于菱形(DS)和正方形-菱形(SDS)快速运动估计算法.     

基于神经网络的运动参数估计

分别就两种约束使用神经网络对三维刚体运动进行参数估计.一是基于三维点匹配,将预测的运动参数作用于运动前的坐标,与运动后坐标进行比较;二是基于二维运动场,将使用预测的运动参数计算得出的二维运动场与图像序列中计算得出的二维运动场进行比较.两个神经网络均使用Newton-Raphson方法更新权值,以达到目标误差最小化.通过实验验证了该神经网络方法.     

基于本体的态势估计方法研究

作为一种有效表现概念层次结构和语义的模型,本体被广泛运用到信息科学的众多领域.态势估计在军事领域的意义日渐凸显,针对其智能推理的需求,将本体的知识框架和推理规则应用于态势估计系统的基础概念表示上,通过对本体及态势估计的研究,提出了自己的底层可形式化态势概念模型,综合众多的战场因素,描述组成态势的各个相关元概念和简单刻画其间的关系,并就在此基础上发展态势估计系统作了进一步探讨和展望.     

具有深度自适应估计的视觉伺服优化

在手眼机器人视觉伺服中,如何确定机器人末端摄像机移动的速度和对物体的深度进行有效的估计还没有较好的解决方法.本文采用一般模型法,通过求解最优化控制问题来设计摄像机的速度,同时,利用物体初始及期望位置的深度估计值,提出了一种自适应估计的算法对物体的深度进行估计,给出了深度变化趋势,实现了基于图像的定位控制.该方法能够使机器人在工作空间范围内从任一初始位置出发到达期望位置,实现了系统的全局渐近稳定且不需要物体的几何模型及深度的精确值.最后给出的仿真实例表明了本方法的有效性.     

一类有序化多移动机器人群集运动控制系统

群集运动控制(flocking control)是一种新型的多移动机器人运动协调控制, 目前的研究多集中于无leader模式下群集运动控制器的设计. 为此, 本文阐述了一类多移动机器人有序化群集运动系统控制方案及其性能评价方法. 首先, 在前人的研究基础上, 本文介绍了基于Agent的有序化编队控制机制; 然后, 运用非完整约束下移动机器人的动力学原理, 设计了由Agent到移动机器人的控制转化方法; 并进一步提出了基于“最小稳定时间”的群集运动分析法, 可对有序化群集运动系统进行分析; 最后, 运用仿真实例, 描述了多移动机器人有序化群集运动的控制及分析过程. 实验结果验证了此控制方案的有效性.     

Histogram-Based Estimation of Distribution Algorithm: A Competent Method for Continuous Optimization

Designing efficient estimation of distribution algorithms for optimizing complex continuous problems is still a challenging task. This paper utilizes histogram probabilistic model to describe the distribution of population and to generate promising solutions. The advantage of histogram model, its intrinsic multimodality, makes it proper to describe the solution distribution of complex and multimodal continuous problems. To make histogram model more efficiently explore and exploit the search space, several strategies are brought into the algorithms： the surrounding effect reduces the population size in estimating the model with a certain number of the bins and the shrinking strategy guarantees the accuracy of optimal solutions. Furthermore, this paper shows that histogram-based EDA （Estimation of distribution algorithm） can give comparable or even much better performance than those predominant EDAs based on Gaussian models.     

核ICA在电流传感器相位差监测中的应用

介绍了核独立分量分析(ICA)的基本原理和算法,并将其用于对电流传感器输出的混合信号进行分离,通过比较分离出的单频测试信号输入前后的相位差,来标定传感器本身的相位差对其检测对象的影响。此外,还采用最大似然法对核ICA的分离效果进行评价。实验证明:在输入信号的信噪比为18.73dB的情况下,核ICA分离出的信号与源信号相位差在0.002 rad以内,达到了实际应用中所要求的误差范围。     

改进协同微粒群优化的模糊神经网络控制系统设计

针对协同微粒群算法不能保证收敛到局部或全局最优值的问题,提出一种改进协同微粒群算法(ICPSO),并证明了该算法能以概率1收敛干全局最优解.应用ICPSO建立一类非线性对象的神经网络辨识模型,并对系统的模糊神经网络自适应控制器的参数进行了离线和在线优化.仿真结果表明,ICPSO能提高系统的建模精度,增强模型的泛化能力,而且由ICPSO训练的控制器可以达到良好的控制效果.