基于强化学习和模糊逻辑的移动机器人导航

自主导航是移动机器人的一项关键技术。该文采用强化学习结合模糊逻辑的方法实现了未知环境下自主式移动机机器人的导航控制。文中首先介绍了强化学习原理,然后设计了一种未知环境下机器人导航框架。该框架由避碰模块、寻找目标模块和行为选择模块组成。针对该框架,提出了一种基于强化学习和模糊逻辑的学习、规划算法：在对避碰和寻找目标行为进行独立学习后,利用超声波传感器得到的环境信息进行行为选择,使机器人在成功避碰的同时到达目标点。最后通过大量的仿真实验,证明了算法的有效性。     

连续状态自适应离散化基于K-均值聚类的强化学习方法

使用聚类算法对连续状态空间进行自适应离散化．得到了基于K-均值聚类的强化学习方法．该方法的学习过程分为两部分：对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习．使用替代合适迹Sarsa学习算法．对连续状态的强化学习基准问题进行仿真实验,结果表明该方法能实现对连续状态空间的自适应离散化,并最终学习到最优策略．与基于CMAC网络的强化学习方法进行比较．结果表明该方法具有节省存储空间和缩短计算时间的优点．     

基于多超声波传感器的自主移动机器人探测系统

超声波传感器在自主式移动机器人领域有着广泛的应用.本研究根据自主式移动机器人对实时探测未知环境的要求以及超声波传感器的特点,设计并实现了一种适用于自主式移动机器人的声纳环探测系统.首先,采用了多超声波分组循环发射的方法,极大地降低了多超声波传感器之间的回波干扰;然后在对原始数据进行初步处理的基础上,给出了多种距离信息表示形式;测试结果及其分析证明了本系统的鲁棒性及实用性.     

土壤微生物对环丙氟虫胺的降解研究

为了明确微生物对环丙氟虫胺的降解情况，采用高效液相色谱法测定实验室现有2种放线菌、2种细菌和1种真菌对环丙氟虫胺的降解作用；并通过平板分离技术，从土壤样品中筛选出12株对环丙氟虫胺有耐药性的菌株，测定它们对环丙氟虫胺的降解能力。研究结果表明，实验室已有的放线菌MtRt-6和CoT10、细菌CSS-02处理2 d后对环丙氟虫胺的降解率分别为62.28%、57.18%、69.70%，真菌PO1处理3 d后对环丙氟虫胺的降解率为78.86%。从土壤中分离的菌株1-21、2-6、2-16处理2 d后对环丙氟虫胺的降解率分别为77.67%、51.17%、59.17%，经16S rRNA基因序列进行比对分析发现，它们均与芽孢杆菌有较高的相似性。结果表明无论是实验室已有微生物，还是环境中分离得到的微生物，均具备环丙氟虫胺降解能力，且微生物对其的利用度较高，降解周期短。