【摘 要】
：
生物机器人是电子设备和生物的结合体。研究生物机器人,可以在保留生物自身习性的基础上,通过电子设备施加外部刺激,使得生物按照人类的主观意愿行动,帮助人类完成特殊任务。本文以家鸽为研究对象,设计一套生物机器人微型化主控系统,本文的具体工作包括:（1）提出一种多维度信息融合控制方法。以家鸽习性为基础,结合家鸽日常的生活规律以及天气、季节等环境因素,给出控制决策范围。通过行为训练与奖惩机制,强化家鸽的受控
论文部分内容阅读
生物机器人是电子设备和生物的结合体。研究生物机器人,可以在保留生物自身习性的基础上,通过电子设备施加外部刺激,使得生物按照人类的主观意愿行动,帮助人类完成特殊任务。本文以家鸽为研究对象,设计一套生物机器人微型化主控系统,本文的具体工作包括:（1）提出一种多维度信息融合控制方法。以家鸽习性为基础,结合家鸽日常的生活规律以及天气、季节等环境因素,给出控制决策范围。通过行为训练与奖惩机制,强化家鸽的受控飞行。基于家鸽的日常行为动作和当前姿态,避免对家鸽施加正常情况下无法实现的动作刺激。结合家鸽实时地理位置与期望飞行路线,计算出位置误差,利用基于误差的比例控制改变刺激强度,令家鸽按照期望路线飞行到目标地点。（2）设计实现一套家鸽生物机器人微型化主控装置。利用刺激电流配合深入到家鸽大脑运动核团区域的植入式微电极,对家鸽的运动方向加以控制。为光遗传学实验预留光激励接口。实时采集家鸽当前的姿态信息并显示。结合地图,实现对家鸽的远程定位以及飞行轨迹绘制。利用4G通信和云服务器,对家鸽进行远程行为控制及飞行状态监测。基于砷化镓太阳能电池板,结合高效的太阳能充电电路和主控系统的低功耗设计,支撑设备在野外长时间工作。利用多层板设计及专用的背包,加强装置的可穿戴性,使得家鸽佩戴后不会影响其正常的行为活动。（3）设计实现一套家鸽神经信号采集系统。最高支持16通道的神经信号高速采集,利用WIFI通信基于TCP协议传输到上位机软件并进行多通道数据实时显示。采集系统具备休眠和网络重连功能。整套神经信号采集系统为今后进行神经信号特征提取工作提供实验支撑。
其他文献
近年来,随着计算机软硬件水平的不断提高和人工智能新技术的快速发展,生产生活中的自动化需求也日益提高。在自动驾驶、无人机巡航等智能化任务中,环境感知与理解是核心需求之一,语义信息在其中发挥着重要作用,因此本文从实际应用场景出发,为了满足环境解析与理解任务中对语义分割的实时性和准确性需求,系统研究了图像和视频语义分割方法。针对图像语义分割问题,本文提出了一种基于自编码器的轻量级图像语义分割模型,并命名
涡流检测技术是重要的无损检测技术之一,探头是涡流传感器的关键元件,平面螺旋线圈具有一致性好、检测精度高、环境适用性好等优点,已经在涡流传感器探头中得到广泛应用。随着检测需求增加,探测线圈的小型化、精密化、阵列化和柔性化已经成为电涡流传感器探头的发展方向,本文基于MEMS技术,为电涡流探头的设计与制作,提供新的方法。本文的主要研究内容如下:（1）分析涡流检测中探测线圈阻抗变化与耦合系数的关系,研究电
近年来,由于自动驾驶行业的兴起,点云等三维数据的处理成为了其中最具有挑战性的研究任务之一。虽然深度学习相应算法处理的二维图像已经获得了优越的性能,但是在三维数据的处理上却并没有达到相应的效果。本文则是主要针对点云分类问题,结合已有点云处理方法,提出了一种全新的直接处理点云的分类网络。为了克服点云的稀疏性问题,本文提出了一种层次化的点云分类网络,从局部不断提取并聚集点云特征。为了克服点云下采样过程中
高性能航空发动机的气动稳定性问题主要来自压气机,压气机的工作负荷能力和稳定性对整个发动机的工作效率和安全性至关重要。由于压气机中不稳定流动先兆发生机理极为复杂且变化极为迅速,因此压气机流动失稳建模与预测技术一直是压气机流动稳定性研究的关键难点。本文针对压气机失稳预测的特点和难点,创新性地引入深度学习方法,主要开展了以下几个方面的工作:1.基于压气机喘振实验数据的压气机失速特性分析。通过观察失速形态
回归模型作为数据分析领域的一个重要研究方向,已被广泛应用于医疗、航空航天和工业生产等多个领域。随着研究对象的日益复杂,为更全面刻画系统的特征,许多学者将粒计算思想引入到系统建模过程中,构造输出为不同形式信息粒的模型,相应模型不仅可以拟合建模数据,还可以为建模结果提供语义解释。本文将区间信息粒化技术用于Takagi-Sugeno（TS）模糊系统建模和可解释性分析过程中,论文主要研究内容如下:首先,本
航空发动机因工作包线宽广、工作环境多变,以及强非线性和不确定性等特性,其控制系统设计要求严格。航空发动机控制系统的研究工作一直备受航空领域和控制应用领域的重视,其中结合自适应控制的算法被认为是未来发展的趋势。因此,本课题以某型双转子涡扇发动机为被控对象,开展无模型自适应控制算法研究以及搭建硬件在环仿真系统。最后,通过开展硬件在环试验,为所研究的控制算法的实际应用提供可行性验证。本课题主要工作如下:
近些年,基于多智能体系统的分布式优化算法得到了人们的广泛关注与研究,并在越来越多的领域发挥作用。分布式优化算法充分利用多智能体网络鲁棒性高、可扩展性强的优势,将计算任务分布到各个节点上以提高处理效率。然而,在实际应用中,通信故障或者节点宕机都会引起信息传递的不均衡,即无法保证多智能体通信网络构成的图是无向图或者有向平衡图,使得分布式优化算法失效。因此,研究非平衡图下的分布式优化算法具有很高的实际应
近年来人工智能和机器人产业快速发展,利用机械臂取代人从事一些繁重的重复性劳动成为一种必然趋势。随着机械臂的工作环境越来越复杂,实际应用场景中目标的姿态复杂多变,为机械臂的精确抓取带来巨大的挑战。因此,研究目标的位姿估计和抓取控制具有很大的研究意义。本文以目标位姿估计为背景,研究了基于特征点匹配的目标位姿估计以及机械臂的抓取控制方法,内容如下:在目标位姿估计方面,引入了特征点匹配方法对目标进行识别。
航空发动机控制系统作为发动机的“大脑与神经”,是保证发动机在气动、热力和机械设计等限制条件下以及全包线内稳定工作的关键功能系统。近年来,航空发动机分布式控制系统作为一种重量轻、易维护、高可靠性的控制系统架构成为研究热点,但是分布式架构下网络通信引入了影响系统性能的时延。因此,时延补偿策略的研究具有重要意义。本文依托某研究所“分布式架构下时延稳定性分析及补偿方法研究”项目,开展涡扇发动机H∞输出反馈
优化工业能源配置、提升能源使用效率是节能降碳减排的主要途径之一,对生产过程中关键变量的预测有助于制定合理的能源使用计划。工业过程产生的大量数据为建立数据模型提供了有力支持。然而,一方面,由于工业现场情况复杂,需要根据实际需求对预测模型不断进行快速更新,另一方面,采集数据常带有随机缺失点,为预测工作带来极大挑战。作为一种具有宽度结构的神经网络,宽度学习系统能够快速有效的对模型进行更新,因此适用于工业