The multi-weight neuron with geometry algorithm and its application

A novel approach for multi-dimension signals processing, that is multi-weight neural network based on high dimensional geometry theory, is proposed. With this theory, the geometry algorithm for building the multi-weight neuron is mentioned. To illustrate the advantage of the novel approach, a Chinese speech emotion recognition experiment has been done. From this experiment, the human emotions are classified into 6 archetypal classes: fear, anger, happiness, sadness, surprise and disgust. And the amplitude, pitch frequency and formant are used as the feature parameters for speech emotion recognition. Compared with traditional GSVM model, the new method has its superiority. It is noted that this method has significant values for researches and applications henceforth.

Modeling and optimization of semiconductor manufacturing process with neural networks

A neural network-based process model is proposed to optimize the semiconductor manufacturing process. Being different from some works in several research groups which developed neural network-based models to predict process quality with a set of process variables of only single manufacturing step, we applied this model to wafer fabrication parameters control and wafer lot yield optimization. The original data are collected from a wafer fabrication line, including technological parameters and wafer test results. The wafer lot yield is taken as the optimization target. Learning from historical technological records and wafer test results, the model can predict the wafer yield. To eliminate the "bad" or noisy samples from the sample set, an experimental method was used to determine the number of hidden units so that both good learning ability and prediction capability can be obtained.

移动对象数据库模型、查询语言及实时交通流分析

提出一种移动对象数据库模型——Dynamic Transportation Network Based Moving Objects Database(简称DTNMOD),并给出了DTNMOD中基于移动对象时空轨迹的网络实时动态交通流分析方法.在DTNMOD中,交通网络被表示成动态的时空网络,可以描述交通状态、拓扑结构以及交通参数随时间的变化过程;网络受限的移动对象则用网络移动点表示.DTNMOD模型包含了完整的数据类型和查询操作的定义,因此可以在任何可扩充数据库(如PostgreSQL或SECONDO)中实现,从而得到完整的数据库模型和查询语言.为了对相关模型的性能进行比较与分析,基于PostgreSQL实现了一个原型系统并进行了一系列的实验.实验结果表明,DTNMOD提供了良好的区域查询及连接查询性能.

基于现场总线的工业机器人联网

本文根据国内工业机器人技术开发和应用现状及其技术发展趋势 ,进行了基于现场总线的工业机器人联网技术的研究和开发 ,并将机器人作为生产线底层设备 ,实现了工业机器人网络的互联 .本文介绍了这个系统的硬件结构、上位监控机软件实现、控制器软件实现以及系统完成的功能 .

网络机器人遥操作系统设计与实现

本文在分析了网络环境下机器人遥操作系统的结构的基础上,介绍了一套基于网络的移动机器人遥操作实验系统的设备组成及硬软件结构的设计和实现。系统设计简洁有效,网络虚拟机的设计和使用则极大地方便了遥操作研究的开展。

基于网络的多机器人遥操作系统中的人机交互研究

针对基于网络的智能机器人遥操作系统中人机交互的主要难点和现有方法的不足,结合基于网络的多机器人遥操作系统的特点,应用多模式控制的方法丰富了操作者与机器人系统的交互途径,提高了操作效率.在此基础上,为解决网络时延给多机器人遥操作系统中的人机交互带来的问题,提出了一种带有时间标记的基于事件的方法,在保证系统稳定运行的同时提高了系统的效率和性能.实验证明了所提方法的有效性和优越性.

基于网络直角坐标机器人视觉伺服系统研究

为了实现定位抓取任务,提出基于网络的直角坐标机器人视觉控制系统。针对机器人运动控制的非线性与强耦合特性,采用神经网络控制器,构建了图像偏差与运动控制量之间的对应关系。通过对图像增强、边缘提取、特征提取等图像处理方法的综合分析,提出了一套优化组合图像处理法。在计算机网络环境下,采用自定义协议实现图像处理器与运动控制器协调控制,并将远程监控应用到机器人控制中。实验结果表明,该系统能够在视野范围内自动实现定位抓取动作。

一个面向复杂任务的多机器人分布式协调系统

基于多智能体系统理论，研讨在非结构，不确定环境下面向复杂任务的多机器人分布式协调系统的实现原理，方法和技术。提出的递阶混合式协调结构，基于网络的通讯模式和基于有限状态机的规划与控制集成方法，充分考虑了复杂任务和真实自然环境的特点，通过构建一个全实物的多移动机器人实验平台，对规划，控制，传感，通讯，协调与合作的各关键技术进行了开发和集成，使多机器人分布式协调技术的研究直接面向实际应用，编队和物料搬运的演示实验结果展示了多机器人协调技术的广阔应用前景。

基于NN的人形机器人自适应H_∞位置跟踪控制

研究一种正交轮式移动车为载体的类人形机器人的建模与控制问题．首先基于分体建模的思想,采用机理建模和神经网络技术相结合的方法建立了动力学模型;然后依据该模型,提出一种新的基于 NN 的自适应 H_∞位置跟踪控制器,使鲁棒非线性 H_∞控制方法自然地与模型的直接自适应神经网络技术集成为一体,并证明了其鲁棒稳定性．最后,仿真研究验证了该方法的正确性和有效性．

基于网络的机器人遥操作系统：运动描述语言方法

基于网络的机器人遥操作系统是互联网技术与机器人技术相结合的产物，其基本特点是操作者的决策能力与远端机器人系统精确、快速运动能力的有机结合，这种结合通过互联网这种廉价的通讯媒介得以实现。这类系统较之于传统机器人系统的优点主要体现在两个方面：一方面延伸了操作者的感知和操作能力，使操作者可以置身于安全的环境中而完成危险环境中的作业任务；另一方面提高了机器人对工作环境的适应能力，辅之以操作者的决策，机器人可以工作于非结构化的工作环境中。随着互联网技术的飞速发展，基于网络的机器人遥操作技术在远程医疗、远程服务、远程制造等领域得到了广泛的应用。 互联网技术为机器人遥操作技术的应用开辟了广阔的应用前景，但同时也带来了新的挑战，互联网数据传输的特征——有限带宽、随机时延、丢包和乱序等——降低了遥操作系统的性能，甚至造成系统的不稳定。传统的主从式控制策略增加了操作者的工作负担，而且需要占用大量网络带宽，造成网络资源的浪费；而协作式控制策略虽然可以减少通信量，但操作者对机器人系统的影响降低，而且只能依据经验设计。另外，传统的控制策略并没有考虑机器人遥操作系统的混杂本质特征。一个理想的机器人网络遥操作系统应该能够实现系统计算、通信等功能的合理划分。合理划分的原则是：把操作者从控制闭环中解放出来，适当减轻操作者的工作压力；充分利用机器人系统的计算能力和运动能力，降低系统对网络带宽的需求；适当保留操作者对机器人系统的决策能力，从端机器人系统要有一定的自主能力。基于以上基本原则，本文提出了基于运动描述语言（Motion Description Language, MDL）的机器人网络遥操作系统设计方法，针对该方法在以下几个方面进行了深入研究： 1. 针对现有的机器人网络遥操作系统结构存在的问题，提出了基于运动描述语言的机器人网络遥操作系统控制结构。该控制结构充分考虑了机器人网络遥操作系统的构成特点，实现了系统计算、通信等功能的合理划分，为系统设计奠定了基础。 2. 结合基于事件的规划与控制理论，提出了新的运动描述语言模型，并以轮式移动机器人的镇定问题为例说明了基于运动描述语言的机器人系统控制方法。为了分析运动描述语言的网络环境特征，我们对基于运动描述语言的机器人网络遥操作系统进行了仿真研究，并与传统的遥操作方法进行了对比分析，仿真结果表明，基于运动描述语言的控制方法对网络随机延迟具有鲁棒性。 3. 在基于网络的机器人遥操作系统中，操作者依据系统运行过程中特定的事件进行决策，据此提出了遥操作系统中的信息变换和运动描述语言框架中的增强信息反馈方法。在信息变换方法中，针对各种媒体信息的特点以及操作者的感知特征，把视频信息转换为力信息，引导操作者提供和系统状态对应的控制命令。运动描述语言框架中的增强信息反馈方法反映了操作者感知离散事件的本质特征，对操作者感兴趣的离散事件进行了凸显，增强了操作者的感知能力。实验结果验证了两种方法的有效性。 4. 针对具体的遥操作目标抓取任务，建立了基于运动描述语言的机器人网络遥操作原型系统，定义了一致可操作性的概念，并探讨了运动描述语言框架中的优化问题。通过实验对传统的控制方法与基于运动描述语言的控制方法进行了对比分析，实验结果说明，基于运动描述语言的机器人网络遥操作系统在降低操作者工作负担以及减少对通信网络带宽需求方面具有很大的优势。 基于运动描述语言的机器人网络遥操作系统克服了传统控制方法的缺点，通过抽象实现了数据的压缩，这种特点较之于传统的控制方法在降低通信量以及操作者的工作负担方面具有很大的优势，对于提高机器人网络遥操作系统的性能具有现实意义。

网络遥操作机器人采样系统模型与控制研究

网络遥操作机器人系统是网络技术与机器人技术相结合的产物。它延伸了操作者的感知和操作能力，使操作者可以置身于安全的环境中而完成危险环境中的作业任务；提高了机器人对工作环境的适应能力，辅之以操作者的决策，机器人可以工作于非结构化的工作环境中。网络遥操作机器人技术作为机器人学的一个重要分支，近十几年来受到许多研究机构和研究人员的关注和重视。 本文针对网络遥操作机器人采样控制结构，通过控制策略解决非结构环境下网络遥操作机器人的实时控制问题。为此，首先研究了网络遥操作机器人采样系统建模问题。目前，关于网络遥操作机器人采样系统模型大多是针对单采样周期的，主从端不同采样周期的统一模型目前还没有相关报道。由于操作者是网络遥操作机器人采样系统的组成部分，因此若建立网络遥操作机器人采样系统模型首先要建立操作者模型。然而由于操作者建模问题比较复杂，目前在遥操作系统建模时，一般都避开了操作者建模问题。本文在分析了现有的遥操作控制方式和遥操作系统模型的基础上，主要针对网络遥操作机器人采样系统模型和控制问题进行研究。 操作者模型研究方面，主要以操作者用小臂操作具有力反馈功能的操纵杆为例，研究操作者操作操纵杆过程的动态模型建模方法。首先对人体骨骼肌肌肉力学模型中不可测量，即肌肉激活度，通过实验进行研究，得出在操作者保持紧张程度不变情况下“肌肉激活度”与肌肉收缩长度的关系。在此基础上，考虑手臂的动力学特性、操纵杆的动力学特性，建立了肌肉力驱动的手臂—操纵杆系统动力学模型。在操作者模型的基础上，设计动态补偿器，补偿操作者操作操纵杆的动态过程，解决由于肌肉动态特性被污染所造成的操作者所想与所做不一致的问题，克服操作者操作时延，提高网络遥操作机器人系统的性能。 遥操作机器人采样系统模型研究方面，首先针对主从端不同采样周期的网络遥操作机器人采样控制结构，通过引入双端口RAM的方法，实现网络遥操作机器人系统主从端的采样同步；在网络遥操作机器人采样同步控制结构模型的基础上，建立从端离散状态空间表达式，利用提升技术对从端离散状态空间表达式按遥操作周期提升，利用采样系统理论得到主从端统一的网络遥操作机器人采样系统模型；最后对从端系统提升前后的稳定性、可控性、可观测性进行分析，得出从端系统提升前后稳定性、可控性、可观测性不变的结论。 遥操作控制策略研究方面，提出基于时延预测的采样切换控制方法。首先对互联网节点间的网络时延进行测试分析，得出任意两个网络节点间时延分布规律，即任意时间段内网络时延的概率密度都可以用平移Gamma分布曲线描述。采用拟合样本概率密度曲线的方法，对平移Gamma参数进行预估，得出平移Gamma分布的种类，进而根据平移Gamma分布的种类，确定出网络时延的均值，最后确定出期望的采样周期；为了实现任意采样周期下切换系统的稳定控制，对采样切换系统的稳定性进行了研究，得到如下结论，即如果从端系统一致渐进稳定，则对从端实行任意采样切换控制时网络遥操作机器人采样系统是稳定的。 为了对所研究内容进行实验验证，以移动机器人为被控对象，搭建了一个具有力反馈控制和局部自主功能的网络遥操作机器人采样系统实验平台。用人工势场法建立了虚拟力模型并给出了虚拟力在力反馈操纵杆上的实现方法；以移动机器人自主避障为例，给出了从端自主的模糊控制设计方法和实验系统遥操作软件设计方法。 实验结果证明了所提出的模型和控制方法是有效的、可行的，对于建立性能良好的网络遥操作机器人系统具有现实意义。本文所研究的许多结论，对于一般网络遥操作机器人系统的理论研究和实际应用也具有一定的参考价值。

基于网络的SOMR遥操作系统的研究

基于网络的SOMR（单操作者操作多机器人）遥操作系统可以通过网络将人的智能与多机器人系统的智能相结合，弥补多机器人自主性的不足，从而使得多机器人能够在复杂的非结构环境下执行任务，大大拓展多机器人系统的应用，因而有着广阔的应用前景。 多机器人系统的复杂性决定了操作者很难直接控制多机器人系统，因而多机器人系统需要具有一定的局部自主协调能力，同时操作者和多机器人系统之间还需要具有良好的交互能力，从而达到人机之间的协调工作。以网络作为操作者与多机器人系统进行交互的媒介，网络的时延、时延抖动、多通道传输等问题将给多机器人遥操作系统带来许多困难。目前，对于单操作者通过网络遥操作多机器人系统的研究还较少。本文在分析了现有的遥操作技术和理论的基础上，对基于网络的SOMR遥操作系统主要进行了以下深入细致的研究： 1. 根据基于网络的SOMR遥操作系统的特点，提出了基于网络的SOMR遥操作系统的体系结构ANSOMR（Architecture for Network based SOMR teleoperation system）。ANSOMR体系结构结合了自上而下和自下而上两种体系结构的优点，并充分考虑了系统中的人机交互，意义明确，易于扩展。 2. 围绕ANSOMR体系结构研究系统中多机器人的局部自主和协调，通过基于行为的方法实现了基于网络的SOMR遥操作系统中机器人的基本自主能力，并为多机器人系统的自主协调建立了分层混杂自动机模型。 3. 在ANSOMR体系结构的交互层中，应用多模式控制的方法丰富了操作者对多机器人系统的操作和控制手段，并通过集成多模式控制接口、超媒体反馈和操作界面构成了基于网络的SOMR遥操作系统的人机交互接口，实现了多机器人系统的自主与操作者能力的结合。 4. 研究了网络时延对多机器人遥操作系统的影响，应用基于事件的方法保证了系统的稳定性，并在此基础上提出了一种带有时间标记的基于事件的方法，将基于事件的方法与基于时间的多机器人系统的局部自主规划结合了起来，解决了事件之间的时延对操作者与多机器人系统之间交互的影响，从而提高了系统的效率。 5. 将网络遥操作技术应用于足球机器人系统，建立了基于网络的遥操作足球机器人系统作为实验平台，应用ANSOMR体系结构，封装了足球机器人的基本行为，分析了机器人足球比赛的状态空间，应用分层混杂自动机模型实现了足球机器人的角色分配和行为选择，并为系统设计了人机交互接口，从而使实验系统成为了一个典型的基于网络的SOMR遥操作系统。 通过在实验系统中应用各种模型和方法，对理论和方法的研究进行了实验验证，实验结果证明了所提出的方法是有效可行的，对于建立性能良好的基于网络的SOMR遥操作系统具有现实意义。

水下机器人神经网络自适应逆控制

水下环境的复杂性以及自身模型的不确定性,给水下机器人的控制带来很大困难。针对水下机器人的特点和控制方面所存在的问题,提出了基于预测 校正控制策略的水下机器人神经网络自适应逆控制结构及训练算法。通过在线辨识系统的前向模型,估计出系统的Jacobian矩阵,然后采用预报误差法实现控制器的自适应。同时,为了提高系统对于外扰的鲁棒性,在伪线性回归算法的基础上,在评价函数中引入微分项。理论分析和仿真结果表明,与原来的算法相比,微分项的引入改善了系统对于外扰的鲁棒性和动态性能。

基于神经网络的一类非线性系统模型参考控制

针对一类非线性系统,提出了一种神经网络模型参考控制方案。在训练实现对象模型的网络和实现控制器的网络时,由状态方程产生训练样本。通过对倒立摆系统的仿真实验验证了控制方案和样本生成策略的有效性,在仿真实验中用不同初始状态验证了训练后的神经网络的泛化能力。