基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

基于T-S模糊神经网络的智能轮椅避障控制策略

在复杂的环境中,智能轮椅的自主避障是安全的保证。本文提出基于超声波和激光传感器的环境深度分区算法,和T-S模糊神经网路的信息融合方法,实现避障策略。提高了智能轮椅控制系统的实时性和安全性,实现避障控制的高效性。     

基于MapReduce的贝叶斯网络参数学习方法

期望最大化(Expectation Maximization,EM)算法常被应用于贝叶斯网络参数学习过程,但在处理海量数据时由于迭代计算过程的复杂性和处理器、内存等资源的限制,该算法的效能受到极大影响;通过对大数据环境下传统线性贝叶斯网络参数学习方法计算复杂性瓶颈问题的研究,提出了基于MapReduce平台的贝叶斯网络并行期望最大化(Parallel Expectation Maximization,PEM)参数学习算法;利用不完备训练样本集,对态势评估贝叶斯网络进行参数学习;仿真结果表明:在大数据条件下PEM算法能够准确的学习网络参数,同时有效减少参数学习所需时间且具有较好的可拓展性。     

基于贝叶斯网络的强鲁棒性零速检测方法

在行人惯性导航系统中,零速检测是实现速度误差清零和导航误差估计的前提,有着重要的作用。针对现有的零速检测方法检测精度低、鲁棒性差的问题,采用有效的步态周期分割方法并且引入基于惯性传感器测量值和运动学知识的贝叶斯网络模型来推断零速区间。该方法可以有效减少零速（ZV）边界的模糊性,提高零速检测的精度,增强零速检测的鲁棒性。实验表明行人以较高的速度行走时,本文提出的方法零速错误检测去除率提高,零速检测效果好。     

基于朴素贝叶斯算法的社交网络数据挖掘技术研究

近年来,随着互联网技术飞速发展与普及,大量社交网络平台迅速崛起。社交网络平台拉近了日常人际关系,提供了便捷的信息通讯交流通道。同时,针对社交网络平台数据挖掘的技术研究成为不可缺少的网络数据研究领域一部分。现有社交网络数据挖掘技术所采用的传统数据挖掘算法与数据分离模式,存在大数据多元特征条件下,数据挖掘准确度降低、挖掘分类逻辑混乱等现象。针对问题产生根源,提出基于朴素贝叶斯算法的社交网络数据挖掘技术研究。采用基于朴素贝叶斯算法设计的PCIE-FN社交网络数据挖掘平台进行全面化的深入性解决。通过实验证明,提出的基于朴素贝叶斯算法的社交网络数据挖掘技术研究,各项数据满足社交网络数据挖掘日常应用要求。     

无人船安全目标追踪与自动避障算法

设计了无人船安全目标追踪算法和双回路追踪以及自动避障控制策略,内回路是控制无人船安全目标追踪并与目标保持一定安全距离,通过Lyapunov函数证明了该控制算法的渐近稳定性。外回路是无人船在安全距离内发现障碍,将目标点虚拟化,运用模糊控制原理,实现自动避障。优化传统的Dijkstra算法,设计了无人船实时最短路径算法。仿真结果表明,提出的综合算法能够实现无人船以合理速度通过最短距离,兼顾了时间效率,并能顺利避障。     

无线传感网络节点隶属度模糊定位算法研究

无线传感网络RSSI算法定位精度很高,但易受环境干扰。本文针对其不足,提出基于节点隶属度模糊算法,并应用于RSSI定位模型之中。新算法首先利用岭形分布对RSSI初始信号模糊化取得隶属函数,再根据隶属度近似程度反馈求精,通过隶属程度以逐渐逼近方式计算节点坐标区域。仿真实验结果证明,与RSSI和DV-Hop算法相比,新算法可以减少环境干扰和信号波动带来的影响,具有更高的定位精度和稳定性。     

基于贝叶斯的智能电能表可靠性评估方法

针对具有高可靠、长寿命特点的智能电能表,应用加速退化试验方法进行可靠性评估是一种有效的方法。开展加速退化试验过程中,在高加速应力激发下,一方面可观测到智能电能表的性能退化,也可能出现智能电能表的整表失效。如何融合智能电能表加速寿命试验过程中的整表失效数据、性能退化数据转化得到的伪寿命数据,从而进行智能电能表的综合可靠性评估,是智能电能表可靠性评估急需解决的问题。本文研究提出基于贝叶斯方法的智能电能表可靠性评估方法,给出融合智能电能表的整表失效数据、伪寿命数据的数据处理方法及计算模型,探讨了伪失效数据计算方法、整表失效数据与伪失效寿命数据相容性检验方法等。     

基于无线传感器网络的智能LED灯控制系统设计

针对无线传感器网络为基础的控制系统中其板载电池的能量有限,从而影响无线传感器节点的运行寿命问题。本文设计并采取了嵌入式与分布式智能无线传感器网络（WSN）,目的是优化和使控制照明系统更加高效,为了克服这个问题,基于能量感知的通信协议被引入,以减少为了延长其使用时间的无线传感器网络的功耗。本文中的以智能无线传感器网络为基础的LED照明系统,经过实验结果表明,无线传感器节点都能够运行的时间较长,从87天至102天,而增加了约20％的工作寿命。     

远程分布式无线智能路灯监控系统设计

提出一种融合无线传感器网络、GPRS/GSM网络和Internet的智能路灯监控系统设计方案,该系统由远程计算机终端、手机、无线网关及路灯子节点组成。在智能模式下,路灯能够根据周围环境光照度自动亮灭或调整亮度;在控制模式下,值班人员可通过计算机实现对路灯进行单独、部分或整体定时开关灯控制及亮度调节,或通过手机查询系统运行状况。系统具备路灯故障自动检测功能,确保故障路灯得到及时修复,路灯电源则可在市电和太阳能蓄电池供电两种方式间自动切换以节约电能。     

适用于实时避障的新型智能化机器人敏感皮肤的研究

在未知环境中,实时避障是实现智能化机器人自主工作的关键技术。敏感的皮肤可以使智能机器人具有环境感知和实时决策的能力。研制的敏感皮肤南模块化和带有强数据处理能力的微型红外传感器阵列构成,可以粘贴在机器人表面,依赖于皮肤上的红外传感器来感知外部环境。系统采用了几何光学模型法来测量敏感皮肤与障碍物间的距离。实验结果表明,在感知区域内,敏感皮肤能够实时准确地给出多关节机器人周围的障碍物存在和距离信息,为解决机器人避障问题提供新的范例。同时敏感皮肤的研制也是机器人在传感和控制领域中应用的一次尝试,对促进机器人和各相关科学的发展及提高机器人智能化的水平具有深远的意义,并将有着广阔的应用前景。     

基于激光雷达的多旋翼飞行器实时避障系统

针对多旋翼飞行器的障碍物规避问题,提出一种基于激光雷达的自主飞行多旋翼飞行器避障系统,实现多旋翼飞行器自主飞行的实时避障;该避障系统针对静态、低速运动障碍物,综合飞行器本体姿态、速度、加速度等状态信息,建立基于改进势场法的避障模型和算法;在机器人操作系统(ROS,Robot Operating System)平台进行该避障系统的软件实现,其通过串口与飞控进行通信,完成多旋翼飞行器的自主避障飞行;同时,为了使该系统能在强光环境正常工作,在不影响系统实时性的前提下,对激光雷达的干扰问题进行优化设计;大量实验表明:该避障算法计算量小,能够保证避障系统的实时性,在机体慢速以及低速运动(机体与障碍物之间的相对运动速度小于等于3 m/s)的场景中能够正确检测范围6 m内,并迅速规避障碍物。     

Stochastic Control for Bayesian Neural Network Training

In this paper, we propose to leverage the Bayesian uncertainty information encoded in parameter distributions to inform the learning procedure for Bayesian models. We derive a first principle stochastic differential equation for the training dynamics of the mean and uncertainty parameter in the variational distributions. On the basis of the derived Bayesian stochastic differential equation, we apply the methodology of stochastic optimal control on the variational parameters to obtain individually controlled learning rates. We show that the resulting optimizer, StochControlSGD, is significantly more robust to large learning rates and can adaptively and individually control the learning rates of the variational parameters. The evolution of the control suggests separate and distinct dynamical behaviours in the training regimes for the mean and uncertainty parameters in Bayesian neural networks.     

Reinforcement Learning-Based Reactive Obstacle Avoidance Method for Redundant Manipulators

Redundant manipulators are widely used in fields such as human-robot collaboration due to their good flexibility. To ensure efficiency and safety, the manipulator is required to avoid obstacles while tracking a desired trajectory in many tasks. Conventional methods for obstacle avoidance of redundant manipulators may encounter joint singularity or exceed joint position limits while tracking the desired trajectory. By integrating deep reinforcement learning into the gradient projection method, a reactive obstacle avoidance method for redundant manipulators is proposed. We establish a general DRL framework for obstacle avoidance, and then a reinforcement learning agent is applied to learn motion in the null space of the redundant manipulator Jacobian matrix. The reward function of reinforcement learning is redesigned to handle multiple constraints automatically. Specifically, the manipulability index is introduced into the reward function, and thus the manipulator can maintain high manipulability to avoid joint singularity while executing tasks. To show the effectiveness of the proposed method, the simulation of 4 degrees of planar manipulator freedom is given. Compared with the gradient projection method, the proposed method outperforms in a success rate of obstacles avoidance, average manipulability, and time efficiency.     

一种复杂环境下移动机器人避障新方法

基于传统人工势场法的机器人避障算法虽然计算量小、实时性好,但在陷阱区域或在障碍物前可能产生震荡,导致机器人不能到达目标点,为解决上述缺陷,提出一种带记忆功能的沿边法。通过记录和分析障碍物边缘人工势场法的局部最小点来判断目标点是否被障碍物包围,从而避免机器人来回震荡和围着目标点旋转的发生。该方法步骤分为沿边行为激活和退出条件、局部最小点记录条件以及目标点被障碍物包围的判断准则。通过实验,结果表明该方法解决了复杂环境下机器人的避障问题。该方法用于复杂环境下的机器人避障是可行的、有效的。     

基于贝叶斯神经网络的近红外光谱实木地板表面缺陷检测

实木地板的表面缺陷直接影响其力学性能和产品等级,表面缺陷的快速检测对实木地板的在线分选具有重要的现实意义。针对视觉方法检测实木地板表面缺陷识别率低的问题,提出了一种基于近红外光谱分析技术的检测方法。首先,分别采集规格为200 mm×100 mm×20 mm的表面带有活节、死节以及无缺陷的实木地板的光谱数据各60份,其中30份作为训练样本,30份作为测试样本;其次,使用高斯滤波(GSF)、分段多元散射校正(PMSC)和去趋势法(DT)等方法对采集到的光谱数据进行预处理,降低光谱噪声、消除光谱的散射影响;然后,利用改进遗传算法从处理后的光谱中提取特征波长用于构建缺陷识别与分类模型;最后,使用基于贝叶斯理论改进的神经网络构建实木地板缺陷识别和分类模型。实验使用含有活节、死节以及无缺陷的实木地板样本对模型进行训练和测试,结果表明：通过贝叶斯神经网络构建的缺陷识别与分类模型能够准确识别活节、死节和无缺陷三类实木地板,识别率分别为92.20%, 94.47%和95.57%。证明了实木地板表面缺陷类型与其近红外吸收光谱密切相关,并为下一步实现实木地板表面缺陷的准确定位提供快速检测方法。     

基于BP神经网络的智能轮胎标签仿真研究

轮胎中植入的RFID标签,可以长时间的很好的存储轮胎的型号、胎压、出厂日期等信息。RFID标签在空气中的阅读距离可以达到很大的距离,但是一旦植入轮胎中,很容易受到轮胎中的金属层和炭黑等电介质的影响,导致读取距离下降。所以,需要寻找合适的方法来预测不同RFID标签情况下的阅读器读取距离,就显得尤为重要了。 为了更加快捷方便的研究两者之间的关系,在天线长度、轮胎的介电常数、与钢丝层的距离都变化的情况下,利用FEKO电磁仿真软件建立了不同情况下的天线,并仿真得到反射系数S_11,然后利用弗林斯传输方程（Friis）计算得到仿真读取距离。MATLAB中有可供调用的神经网络工具箱,利用MATLAB强大的数据处理能力,建立BP神经网络预测模型,从而建立起标签天线长度、轮胎中标签与钢丝层的距离、轮胎介电常数和已得到的仿真读取距离之间的BP神经网络模型。实际测量值与训练后得到的预测仿真值在误差允许的范围内可以认定为实际测量距离。 因此,可以通过建立BP神经网络模型的方法,快速方便的在一定精度范围内预测阅读器的阅读距离。     

基于模糊递归小波神经网络的葡萄酒品质预测

针对葡萄酒品质预测模型难以建立的问题,提出一种基于模糊递归小波神经网络的葡萄酒品质预测模型。利用葡萄酒物理化学指标和品酒师打分作为模型的输入输出,采用梯度下降算法在线学习隶属函数层中心、宽度和小波函数平移因子、伸缩因子、自反馈权重因子以及输出层权值。仿真实验时,首先利用Mackey-Glass混沌时间序列进行了性能测试,然后利用UCI数据集葡萄酒品质数据对所建立的品质预测模型进行了验证。结果显示,与多层感知器、径向基函数神经网络等传统前馈神经网络相比,构建的模糊递归小波神经网络品质预测模型具有更高的预测精度,更加适合于葡萄酒的品质预测。