机器人视觉中的线条解释技术研究

机器人视觉中，对多面体物体图像的线条解释技术一直沿用Huffman的线条解释方法。通过对Huffman方法的研究，指出了其中的缺陷。例如，它无法识别某些类型的简单物体；在给线条作标记时亦不具备逻辑上的统一性，使得有时出现信息冗余，有时又出现信息不足。该文提出克服缺陷弥补不足的改进办法，在标记面临几种选择时引入了优先级的概念，并对Huffman线条模型进行了调整。     

自学习在模拟连续退火过程控制中的应用

以理论分析为基础,构建了模拟连续退火的冷却过程控制数学模型.为了提高自学习效率,提出了将冷却过程中辐射散热等效转化为对流散热系数的观点.模型对试样温度进行层别的划分,并且针对各个温度层别,采用指数平滑处理的方法确定各个温度层别的调整系数.在实际冷却过程中,过程控制系统根据自学习得到的各个温度层别的调整系数实时地调整冷却气体的流量.实际应用表明,以自学习为基础的过程控制系统可使模拟连续退火的冷却过程的温度精度控制在10℃以内.     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略.利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真.仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高.     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略。利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真。仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高。     

发育学习在足球机器人基本动作技能中的应用

研究了发育学习算法及其在机器人足球比赛技术动作学习问题中的应用。结合发育学习算法的优点,选用合适的强化学习算法,并将其应用于足球机器人动作技能的学习中。无需任何先验知识和环境模型,通过不断与环境交互获得知识,自主地进行动作选择,具有自主学习能力,在自主机器人行为学习中受到广泛重视。最后,给出了试验结果分析,并验证了该算法的优越性和有效性,并且能够满足高水准机器人足球比赛的需要。     

基于RBFNN的强化学习在机器人导航中的应用

在复杂连续环境下,强化学习系统的状态空间面临维数灾难问题,需要采取量化的方法,降低输入空间的复杂度。径向基神经网络(RBFNN:Radial Basis Function Neural Networks)具有较强的函数逼近能力及泛化能力,由此提出了基于径向基神经网络的Q学习方法,并将其应用于单机器人的自主导航。在基于径向基神经网络的强化学习系统中,用径向基神经网络逼近状态空间和Q函数,使学习系统具有良好的泛化能力。仿真结果表明,该导航方法具有较强的避碰能力,提高了机器人对环境的适应能力。     

测量过程控制在校准装置中的应用

校准装置是实验室质量体系的要素，其质量是否受控直接影响到实验室校准数据的准确、有效。对其实施测量过程控制是保证实验室校准质量的重要手段。本文给出测量过程控制方法和应用步骤，并通过实例验证其正确性.     

统计过程控制在生产中的应用

统计过程控制（Statistical Process Control）是一种预防性方法,强调全员参与和整个过程,重点在于P（Process）,即过程。是应用数理统计方法对过程中的各个阶段进行评估和监控,建立并保持过程处于可接受的且稳定的水平,从而保证产品与服务符合规定的要求的一种质量管理技术。从而确保控制过程持续稳定．可预测提高产品质量,生产能力,降低威本。为过程拉制分析提供依据。     

SPC技术在机械零件加工过程控制中的应用

统计过程控制(Statistical Process Control),简称SPC,是美国休哈特博士(Dr.Showhart)在二十世纪二十年代所创造的理论.该理论把数理统计应用于工业生产中,由此把产品的质量控制从事后检验改变为事前预防,这对保证产品质量,降低生产成本,提高生产率开辟了广阔的前景.本文介绍了SPC技术原理,以某传动轴外径Φ45mm为控制对象,提出应用SPC技术,对机械零件加工过程进行管理和控制,从而达到过程失控预警、过程不断改进、过程能力不断提高的目的,继而保证产品质量的稳定和不断提高.     

统计过程控制在软件过程度量中的应用

统计过程控制是一种借助数理统计科学进行过程控制的方法,它利用统计工具对过程进行分析和控制,来保证过程稳定性并且改进过程质量和能力.统计过程控制在工业和商业等领域应用广泛,但在软件行业的应用才刚刚起步.主要讨论统计过程控制在软件过程度量中的应用,及统计过程控制在过程量化管理中的重要作用,最后给出了1个应用实例.     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

嵌入式系统在机器人控制中的应用

简要介绍嵌入式系统的概念，技术特点及分类。着重阐述嵌入式开发在机器人控制中的应用。     

模糊控制在机器人柔顺装配中的应用

提出了一种模糊柔顺的控制方法来控制机器人的装配作业，本方法不需要装配作业的模型参数，省去了大量的计算，并且在控制过程中不需要引入受力信息的变化量，实验证明，这种方法实用性强，实时性好。     

基于加速度传感器的机器人最优学习控制

为工业机器人提出了一种最优学习控制法。这种控制法用加速度误差校正驱动器运动。并提出了一种基于几何级数的极限条件估计学习控制过程收敛条件的理论方法。所提出学习控制法的有效性通过PUMA562机器人的计算机仿真结果得到了证实。     

位置/力的自学习混合控制及其应用

综合了Raibert和Craig提出的机器人位置/力的Hybrid Control及Yoshikawa提出的机器人动态混合控制算法的基本思想,针对作业环境及其力学扰动难以辨识及机构振动等问题,提出了基于机器人装配作业的PI自学习混合控制方法,并根据此方法实现了三自由度机器人的圆柱二维插入作业。实验结果表明,该方法可以有效地实现机器人的销孔装配作业并抑制或缓冲机构的振动现象。     

工业过程控制系统迭代学习算法的增益确定

应用频域和时域（非状态空间法）相结合的方法对简单工业过程控制系统迭代学习算法进行了收敛性分析,在频域得出了用系统参数显示表示的收敛性条件,避免了收敛条件的验证对系统时域模型参数的依赖性,使验证更简洁,用平方积分鉴定法确定了首次学习时误差平方积分最小意义下学习增益的最优值,明确了学习增益选取的目标,数字仿真表明：所确定的学习增益不仅是最优的,而且相应的迭代学习控制能显著改善控制系统的动态品质。     

工程建模下过程控制的迭代学习控制算法及其收敛性

针对过程控制中工程化建模方法 ,得到的对象模型为传递函数形式 ,而目前的研究是化为状态空间表示 ,因而迭代学习算法及收敛性条件是以矩阵的形式表示 ,不太适合于实际应用的事实。文章用时频结合的方法给出了设定值变化下的迭代学习算法 ,并以系统参数形式地给出几种学习算法的收敛性定理 ,同时通过仿真表明其正确性     

液压并联机器人的动态神经网络控制研究

针对液压并联机器人运动过程中各单缸伺服系统的参数时变和耦合力扰动问题,利用在前馈型网络增加反馈环节的方法,设计了一种新型动态神经网络,并将该动态网络作为智能控制器应用于单缸伺服系统,同时根据能全面衡量系统性能的综合目标函数,推导出网络控制学习算法.仿真及试验结果表明,这种控制器的设计不依赖于系统模型,对于单缸系统的参数时变具有自适应性,对于耦合力扰动具有强鲁棒性,控制结果显示系统具有良好的静动态性能.     

移动机器人路径跟踪控制方法的研究

介绍了移动机器人的基本硬件组成，基于预测控制的思想，提出了一种参考路径产生的新方法，这种方法可根据对机器人的运动预测，提前实现相应的控制动作，能在2～3个控制周期内准确逼近参考路径，且不存在一般反馈控制器的振荡问题，能够完成移动机器人路径跟踪的智能控制。实验表明：此控制方法可保证移动机器人沿各种参考路径行走且具有理想的鲁棒性。该技术也可应用到实用自主车的自动导航。     

工业过程稳态优化中的PID型迭代学习控制

给出一种PID型迭代学习算法．对工业过程稳态优化中的动态施行迭代学习控制，加快了动态响应，提高了控制效果．从理论上分析了算法的收敛性，并给出数字仿真结果．