【摘 要】
：
为使全自主足球机器人能快速准确地跟踪目标,依据仿人智能控制理论,设计基于特征模型的目标跟踪多模态运动控制器,对全自主足球机器人的线速度和角速度进行控制。实验结果表明该控制器比传统控制器的控制性能更好,更能满足全自主足球机器人运动快速性和准确性的要求,并成功地应用于RoboCup中型组全自主足球机器人比赛.
【机 构】
：
重庆大学,智能自动化研究所,重庆,400044 重庆大学,智能自动化研究所,重庆,400044;重
论文部分内容阅读
为使全自主足球机器人能快速准确地跟踪目标,依据仿人智能控制理论,设计基于特征模型的目标跟踪多模态运动控制器,对全自主足球机器人的线速度和角速度进行控制。实验结果表明该控制器比传统控制器的控制性能更好,更能满足全自主足球机器人运动快速性和准确性的要求,并成功地应用于RoboCup中型组全自主足球机器人比赛.
其他文献
为了满足图像自动监控系统的自动化、高可靠性、低成本的要求,采用只传输与模式识别相关信息的方法降低码率,减少终端机的计算量及成本,模式识别等高计算量部分在控制中心完成。采用小波对图像进行压缩时,考虑到人眼对图像的低频分量敏感,而识别对图像细节信息较敏感,不再考虑传统方法使用的LL低频分量,而只传输与目标模式识别相关的HL、LH及HH高频细节分量。实验结果表明:在以模式识别为目标的前提下,小波分解的高
认知过程分析是当前信息科学研究的前沿与热点。而目前对在认知过程中所涉及问题如何表示及相互关系莫衷一是.本文基于商空间理论,从结构粒度的定义出发,认为认知过程本质上是对问题对象根据其先验知识与相应的信息量进行分析推理的过程,也就是获取结构粒度系的过程,从而从粒度分析的角度对认知过程中的问题表示加以分析。这样不仅对Zadeh提出人类认知的3个主要概念即粒度、组织与因果阐述了其内在关系,而且进一步说明分
AdaBoost通过对错分样本增加权重来调整在后续单分类器序列中这些样本的重要度,使得错分样本能被正确分类,从而提升学习精度。但如果样本点。存在噪声或错误,会导致最终的分类器集成缺乏稳定性,泛化能力下降.针对这个问题,提出了一种权值阈值设定的方法来限制噪声样本的权值上限,并用入侵检测数据对算法改进前后进行了评估.实验结果表明,噪声样本抑制的AdaBoost算法具有很强的稳定性和泛化能力。
在一个异种多机器人系统中,由于不同种类机器人的特征和功能不同,使得要实现它们的协作行为变得很困难.采用基于网络知识平台(K-ICNP),并定义异种多机器人系统基于框架表示的知识模型的方法可以实现异种多机器人系统的智能协调控制。由于用来表示异种多机器人系统的知识需要不断更新,因此有必要开发有关新知识的学习功能。这些新知识包括新的用户、新的机器人特征和行为、新的协调控制策略等等。通过人机交互进行新知识
提出了一种层次化、结构化防守策略。划分了从前场到后场、从中路到两边的层次化、结构化防守结构,分析了各种典型情况。介绍了一种防守反击策略。试验结果表明,新的防守策略与其他防守策略相比,整体防守成功率更高,且算法层次清晰,实时性好。
针对微小型无人机在执行飞行任务中易受外部干扰、且硅MEMS传感器测量精度不高等问题,设计了变增益积分分离PID控制器和简化策略控制器,将其应用于微小型无人机定点。航行的纵向和横侧向控制任务中,实验验证了滚转和航向通道的稳定性。实验结果表明,所设计的控制方法能满足低精度MEMS测量装置条件下微小型无人机定点、定航线飞行任务要求,且可获得很好的动态跟踪性能。
详细介绍了2种常见的灰色预测模型建模方法,即GM(1；1)模型和新陈代谢模型,对这2种预测模型的变化范围和发展趋势进行分析。利用相对误差法将2种模型的预测值与实际值进行精度比较,并对某省未来几年中火灾死亡人数进行预测。研究结果表明:灰色预测模型简单实用,预测精度较高；GM(1,1)模型在此实例中的变化范围更小,预测精度更高,预测误差更小；预测出该省未来几年内火灾死亡人数呈下降趋势。
采用非线性回归模型、二次型调合模型以及基于RBF神经网络的并联模型等多种模型,对汽油调合过程的稳态特性进行建模与参数辨识.在此基础上,利用仿真结果,对这些模型的优缺点及其适用场合进行总结和比较。研究结果表明:二次型调合模型和基于RBF神经网络的并联模型可以精确地反映调合过程的稳态输入一输出关系,而且参数估计具有较好的收敛性和稳定性,适用于汽油辛烷值的在线优化控制。
从诱导的路线行程时间信息与交叉口采集的点信息着手,研究点、线信息采集获取的机理,剖析不同控制方式点、线信息的集成影响,建立不同控制方式信息集成机制以及互享理论模型；选择1个含有4个交叉口的路线进行诱导与控制的信息分析处理实验,研究交叉口延误对路线行程时间的影响,得出交叉口延误对交叉口间距较小的路段行程时间影响很大,占路段时间的40％以上；提出用交叉口信号控制检测器数据拟合估计路线行程时间的方法,验
针对动态环境下移动机器人路径规划,提出一种基于反馈神经网络的实时规划方法。移动机器人的结构空间由神经网络组成的拓扑结构来表示,神经网络中所有神经元之间只存在局部的侧连接,每个神经元的活性值表示其相应位置的势场值。通过神经元活性值的传播,目标点。全局地吸引机器人,障碍物则在局部推开机器人,从而能够保证机器人在整个运动空间中找到最优路径.此算法不需要进行学习,也不需要整个工作空间的先验知识,网络权值根