基于模糊逻辑的机器人动态避障方法

本文提出了一种动态环境下基于模糊逻辑的机器人动态避障方法。该方法采用包容式结构中基于优先度的行为决策方法,通过模糊规则将机器人工作空间中的动态信息模糊,再转化为对机器人在动态环境中的控制,同时提出接近度的概念,简化了模糊控制输入状态空间,从而减少模糊规则的数量,提高算法的实时性。实验表明,该动态避障方法能够使机器人躲避动态障碍物,并快速准确到达目标位置。     

智能科学与技术专业实践教学体系改革

针对智能科学与技术专业存在综合性和创新性实践教学环节相对薄弱的问题,在分析智能科学与技术专业特点的基础上,提出以"智能康复装置与检测技术"教育部工程研究中心为平台,以各种竞赛为契机,建立以培养人才工程能力和创新能力为主线的实践教学体系的观点。     

群体机器人觅食任务Eulerian建模与分析

为了提高觅食任务性能,根据蚂蚁觅食原理引入了觅食概率的概念,机器人按照该概率决定是否离开Home区域,通过改变该概率值来调整环境中机器人的数量。为了研究觅食概率对系统性能的影响,利用Eulerian数学建模方法建立了觅食任务模型,并通过仿真实验分析了觅食概率对系统整体性能的影响。实验结果表明:觅食概率越大,环境中机器人数量越增加,机器人之间的干扰也增加,从而降低系统性能。最后通过实验分析给出了觅食概率与环境中任务数量以及机器人数之间的大致关系。     

大规模多移动机器人合作任务的分布自主协作系统

以大规模多移动机器人觅食任务为背景,探讨了在分布式协作体系结构下系统任务级的协作与行为级的协调问题．提出了一种动态任务分配机制,在缩短任务完成时间的基础上减少了系统通信量并解决了任务死锁问题．同时,设计了一种基于预测的冲突消解方法,使机器人能够对动态障碍物进行精确避障．最后,通过仿真实验验证了上述方法的有效性．     

基于LMS的广义互相关时延估计

针对复杂环境下听觉系统中对声音信号先验知识获取较难的问题,提出了一种基于最小均方自适应滤波的广义互相关时延估计方法。对传声器接收到的声源信号先进行自适应滤波,提高信号的相似度,再对滤波器权值进行平滑相干加权得到广义互相关函数来估计时延。该方法具有较强的鲁棒性,又不依赖于统计先验知识。试验证明其适用于复杂的噪声环境,提高了精度。     

基于Clite-YOLOv5的鸡状态检测算法

异常鸡的及时发现和处理能够极大地避免规模化养殖中传染病的传播,异常鸡常见的表征状态为鸡闭眼或眯眼;为实现肉鸡养殖过程中问题鸡只的实时监测,提出一种基于YOLOv5的鸡状态检测算法Clite-YOLOv5,该算法以YOLOv5为基础,进行了如下改进：提出融合了CBAM的lite-CBC3模块并用其重构了YOLOv5主干网络,提高了复杂背景下小目标的检测能力;采用改进后的Fuse-NMS抑制算法,降低了检测框的误删率并微调最终检测框;采用深度可分离卷积替换主干网络中的普通卷积,减少了模型的参数量,使模型更易在移动端部署;实验结果表明,提出的Clite-YOLOv5算法均值平均精度(mAP)为92.88%,视频帧率为92FPS,性能超过现有其他算法,能够满足鸡状态实时监测的需求。     

移动机器人听觉定位技术研究

将声源定位技术应用于机器人,使其具有听觉感知定位能力,这为机器人感知技术的研究提供了新的思路。本文综述智能移动机器人听觉感知技术的研究现状、主要问题及发展趋势,对声音信息的获取、初始声音信息的处理、声源定位、多传感器信息融合等技术进行详细介绍,并对其优缺点进行比较。     

基于分层强化学习的多移动机器人避障算法

介绍了一种基于分层思想的强化学习方法,即将机器人的复杂行为分解为一系列简单的行为进行离线独立学习,并分别设计了每个层次的结构、参数及函数。这种学习方法能够减小状态空间并简化强化函数的设计,从而提高了学习的速率以及学习结果的准确性,并使学习过程实现了决策的逐步求精。最后以多机器人避障为任务模型,将避障问题分解为躲避静态和动态障碍物以及向目标点靠近3个子行为分别进行学习,实现了机器人的自适应行为融合,并利用仿真实验对其有效性进行了验证。     

声源定位系统中可控声源的设计

基于DDS芯片的可控声源较其它的声源装置在信号精度以及信号转换速度上有比较大的提高,可以在声源定位系统、新型声纳等研究方面作为比较好的信号源.     

一种基于神经网络滤波的广义互相关时延估计方法的设计

针对在混合噪声环境中,在未知噪声先验信息的情况下提高基于广义互相关时延估计方法的准确性和适应性的问题,提出了基于神经网络滤波的广义互相关时延估计方法。该方法通过对多个具有特定统计特征的预滤波器进行组合优化来实现对混合噪声的滤波。该时延估计方法具有自调整能力,能够适应动态变化的环境,还能够通过相关函数峰值的大小来优化神经网络滤波器,提高了适应性和精度。