一种新型模块化自重构机器人的运动仿真和试验

根据自重构机器人的特点,设计了一种新型的同构阵列式自重构机器人M-Cubes,其每个单元模块由6个旋转关节和1个立方体连杆组成,具有12个自由度,旋转关节上设计了一种机械式的连接分离机构,连杆内部设计了一种空间传动系统,用一个电机分别带动6个空间均布的关节旋转,机构整体结构上更加简洁、紧凑.对设计的模块进行的基本运动试验表明传动更加高效,连接分离更加可靠,控制更加简单方便.同时开发了一个自重构机器人仿真平台,可以图形化地设计系统的构型、模块的运动和系统的重构过程.利用元胞自动机的局部作用特性,将每个单元模块简化为元胞,结合遗传算法来进化元胞自动机的转移规则,将转移规则作用于每个单元模块,实现分布式控制,仿真结果表明该方法是有效和可行的.     

BP神经网络在山楂预处理中的应用

采用能任意精度逼近任意函数的BP神经网络对用熏硫法预处理山楂中Vc含量进行建模.建模结果表明,BP神经网络能很好地逼近Vc含量与熏硫量和熏硫时间的函数关系,能够确定最佳熏硫时间和熏硫量,并确定在此条件下的Vc含量.     

径向基函数神经网络与稀土卤化物标准生成焓的研究

研究并应用径向基函数神经网络(RBF-network)对稀土卤化物标准生成焓进行定量建模,相关系数r达到0.9985,样本误差较小,显现了神经网络方法在该领域的优势.交互预测结果证明模型具有好的稳定性和泛化性能,对7个未知样本所作的预测有一定参考价值.     

摘星少年陈星希

年仅17岁的香港大学学生陈易希获“世界因你而美丽——2006影响世界华人盛典”大奖．在香港．很多人都知道陈易希．因为天上有一颗以他的名字命名的小行星．[第一段]     

盲信号分离的细胞神经网络方法

本文用双层的细胞神经网络(CNN)进行盲信号分离.提出CNN的拓扑结构和内部参数.CNN的第一层功能是一只自适应渐近收敛于平衡点的滤波器.一个平稳随机的模型,是第一层收敛的细胞,用于探测的必要条件,也是对标准的平衡状态解的主要条件.第二层的功能是一个信号分离器.仿真显示,CNN盲信号分离器具有良好的鲁棒性,而且工作平稳.     

边缘检测和证据理论在机器人目标识别中的应用

以NAO机器人为平台,在机器人视觉算法的基础上,研究了NAO机器人的有色目标识别方法。采用基于HSI颜色空间的离散小波变换方式,利用可自动适应阈值Canny算子边缘检测方法和双阈值法提高了图像边缘的准确性和容错性。通过NAO机器人双摄像头系统进行图像的颜色标定,提出的基于模糊系统下证据理论的双摄像机融合策略能够有效地减少颜色之间的标定冲突,将目标图像的识别性能提高约29%。     

基于自由市场机制的多机器人探索的仿真实现

多机器人探索的目标是多个机器人共同完成对未知区域的地图描绘。自由市场机制上的多机器人体系结构为多机器人的探索任务定义了收益函数,目的是使得各个机器人在执行任务时能为了获得最大收入产生合作,从而实现目标。对基于自由市场机制的多机器人探索过程中个体机器人下一步探索目标点的确定、机器人之间的拍卖过程、拍卖过程中的冲突等几个关键步骤的具体实现进行了说明。     

基于GA-BP神经网络控制的电热型流量调节阀

针对供暖系统在实际运用中为一个滞后过程,难以保证其供暖介质流量控制精度的问题,利用感温石蜡的热胀冷缩效应作为电热型流量调节阀执行结构的动力源,获取石蜡温度与流量之间的关系,提出基于遗传算法的BP神经网络（GA-BP）方法。首先获取供暖系统温度,通过电热器加热石蜡得到其温度变化量与流量,然后应用GA-BP神经网络方法,对流量进行预测。通过与3次B样条函数递推最小二乘法、BP神经网络法对流量的预测结果对比试验验证,预测值和真实值的最大绝对误差分别为0.19、0.35、0.87,且均能满足实际应用的控制周期。结果表明,GA-BP神经网络对流量的控制更为精确。     

一个遗传神经网络预测模型

BP算法是人工神经网络研究的一个常用方法，但从本质上说是属于局部寻优法，容易陷入局部极小点，且存在着学习速度与精度之间的矛盾；遗传算法是一种全局优化算法，具有并行计算能力．本文采用遗传算法来训练前向神经网络，建立一个基于遗传算法和BP算法的神经网络预测模型．试验结果表明它是一个成功较高的预测模型．     

机器人开发平台中语音交互系统的实现

讨论了基于远程脑概念的机器人开发平台中语音交互系统功能、平台选择,介绍了基于组件技术的语音交互系统设计,详细讨论了其中语法设计以及语音交互系统与专家系统的无缝集成。实际应用表明,该子系统具有较好的灵活性、智能性和实用性。