所谓材料设计，是指通过理论上地计算来设计新型材料，并预测新材料的成 分、组织结构与性能，也可以认为是一种通过理论上的计算来设计具有特定性能 材料的方法。由于涉及的计算量非常大，通常需要在计算机环境下进行，因此也 可称为计算机材料设计。
标签： 计算机材料
上传时间： 2021-12-21
上传用户：zhanglei193
神经网络在智能机器人导航系统中的应用研究1神经网络在环境感知中的应 用 对环境 的感 知 ，环境模型 妁表示 是非常重要 的。未 知 环境中的障碍物的几何形状是不确定的，常用的表示方浩是 槽格法。如果用册格法表示范围较大的工作环境，在满足 精度要求 的情况下，必定要占用大量的内存，并且采用栅 格法进行路径规划，其计算量是相当大的。Kohon~n自组织 神经瞬络为机器人对未知环境的蒜知提供了一条途径。 Kohone~冲经网络是一十自组织神经网络，其学习的结 果能体现出输入样本的分布情况，从而对输入样本实现数 据压缩 。基于 网络 的这些特 性，可采 用K0h0n曲 神经元 的 权向量来表示 自由空间，其方法是在 自由空间中随机地选 取坐标点xltl【可由传感器获得】作为网络输入，神经嘲络通 过对大量的输八样本的学习，其神经元就会体现出一定的 分布形 式 学习过程如下：开 始时网络的权值随机地赋值 ， 其后接下式进行学 习： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神经元 1在t时刻对 应的权值 ；a(∽ 谓整系 数 ； (『l网络的输八矢量；Ⅳ()：学习的 I域。每个神经元能最 大限度 地表示一 定 的自由空间 。神经 元权 向量的最 小生成 树可以表示出自由空问的基本框架。网络学习的邻域 (，) 可 以动 态地 定义 成矩形 、多边 形 。神经 元数量 的选取取 决 于环境 的复杂度 ，如果神 经元 的数量 太少 ．它们就 不能 覆 盖整十空间，结果会导致节点穿过障碍物区域 如果节点 妁数量太大 ．节点就会表示更多的区域，也就得不到距障 碍物的最大距离。在这种情况下，节点是对整个 自由空间 的学 习，而不是 学习最 小框架空 间 。节 点的数 量可 以动态 地定义，在每个学习阶段的结柬．机器人会检查所有的路 径．如检铡刊路径上有障碍物 ，就意味着没有足够的节点 来 覆盖整 十 自由窑 间，需要增加 网络节点来 重新学 习 所 138一 以为了收敛于最小框架表示 ，应该采用较少的网络 节点升 始学习，逐步增加其数量。这种方法比较适台对拥挤的'E{= 境的学习，自由空间教小，就可用线段表示；若自由空问 较大，就需要由二维结构表示 。 采用Kohonen~冲经阿络表示环境是一个新的方法。由 于网络的并行结构，可在较短的时间内进行大量的计算。并 且不需要了解障碍物的过细信息．如形状、位置等 通过 学习可用树结构表示自由空问的基本框架，起、终点问路 径 可利用树的遍 历技术报容易地被找到 在机器人对环境的感知的过程中，可采用人】：神经嘲 络技术对 多传 感器的信息进 行融台 。由于单个传感器仅能 提 供部分不 完全 的环境信息 ，因此只有秉 甩 多种传感器 才 能提高机器凡的感知能力。 2 神经 网络在局部路径规射中的应 用 局部路径 规删足称动吝避碰 规划 ，足以全局规荆为指 导 利用在线得到的局部环境信息，在尽可能短的时问内
上传时间： 2022-02-12
上传用户：qingfengchizhu
嵌入式智能机器人平台研究摘 要：针对传统工业机器人采用的封闭式结构的局限性，在WindowsCE．NET系统基础上，通过剪裁定制 ，去 除冗余的功能，搭建嵌入式智能机器人平台．该智能机器人系统具有移动机器人需要的主要感知模块，并有丰富的 运动控制接口及驱动模块．同时 ，设计了多传感器数据融合 、轨迹规划、运动控制、无线网络通信 、图形人机界面等智 能机器人的测试软件和应用模块．该智能机器人平台具有模块化、易扩展、可移植、可定制、硬件体积小、功耗低、实 时性强、可靠性高等优点． 关键词：智能机器人平台；WindowsCE．NET；实时控制；自主机器人；双目视觉；语音识别引言(Introduction) 随着计算机技术 的快 速发展 ，机器 人技术也得 到了飞速发展．然而 ，现有机器人系统在硬件 和软件 开发方面虽然已经趋于成熟，但依然存在一些问题． 它们的硬件多是专用的，软件系统也多采用 Windows 2000或者 WindowsXP系统…．这些机器人系统 主要 存在以下一些缺点 ： (1)系统的实时性差．机器人控制系统是一个实 时性要求非常高的控制系统，作为一般桌面应用的 Windows和 Linux操作系统很难达到高实时性的要 求． ． (2)开放性 以及扩展性差．常见的机器人控制系 统存在的一个 问题就是 系统 的冗余大、开放性扩展 基金项 目：国家 自然科学基金 资助项 目(60475036) 收稿 日期 ：2005—05—16 性差，系统适用于特定的应用 ，不便于在硬件和软件 上进行扩展和剪裁． (3)软件的独立性差．软件结构及其逻辑结构依 赖于处理器硬件 ，难以在不同的系统 间移植． (4)缺少友好的人机交互界面． 2 系统概述(System description) 为促进当前智能机器人研究和应用，迫切需要 开发“具有开放式结构 的、模块化 、标准化 的嵌 入式 智能机器人平台”．这种智能机器人平台具
上传时间： 2022-02-12
上传用户：zhaiyawei
基于人工神经网络实现智能机器人的避障轨迹控制摘 要：利用人工神经网络中的二级 BP网。模拟智能机器人的两控制参数(左 、右轮速)间的函数关系。实现避 障轨迹为圆弧或椭圆弧的轨迹控制 。并且通过调整椭圆长、短轴大小。能实现多个及多层障碍物的避障控制．该方法 的突出特点是方法简单、算法容易实现 。使机器人完成多个及多层避障动作时。不滞后于动态环境里其它机器人(障 碍物)位置的变化．在仿真实验中。取得了理想的效果． 关键词；BP神经网络I多个及多层避障控制I椭圆轨迹1 弓I言(Introduction) 在机器人中，避障轨迹的生成是一个重要的问 题．对于不确定的动态环境下的实时避障轨迹生成， 是较为困难的．有关这方面的研究，目前已有许多方 法．一些神经网络模型被设计出来，产生实时的轨迹 生成．文献113[23提供的神经网络模型产生的轨迹 生成仅能处理在静态环境下及假设空间中没有障碍 物的情况．[3]提供的神经网络模型，能为智能机器 人产生导航的避障轨迹，然而模型在计算上相当复 杂．文献[43提供了Hopfield神经网络模型，能在动 态环境下产生时实的避障轨迹生成，并在文献[5] 中，严格证明了因该方法生成的轨迹没有遭受局部 极小点逃离问题．并且文献[63用两个神经网络层叠 加起来，每层构造相似于[43中的网络结构．它是利 用第二层网络来发现下一个机器人位置的无监督模 型，然而它却加倍了计算量，尽管文献[4，6]提供的 方法能在动态环境下，产生时实避障轨迹，但都具有 较慢的运动速度，在快速变化的环境下不能恰当地 完成动作执行，因为机器人要比较好地完成避障动 作，必须不能滞后于障碍物动作变化
上传时间： 2022-02-12
上传用户：得之我幸78
基于传感器和模糊规则的机器人在动态障碍环境中的智能运动控制基于传感器和模糊规则的机器人在动态障碍环境中的智能运动控制 oIlI～0(、r> 王 敏 金·波斯科 黄心汉 ，O、l、L (华i 面面辜写j幕．武汉，43074) ＼I。L上、o 捌要：提出了一种基于传感器和模糊规则的智能机器人运动规划方法 ．该方法运用了基于调和函数分析的人 工势能 场原 理 ．采用模糊规则 可减少推导势能函数所 必须的计算 ，同时给机器人伺服 系统发 出指令 ，使它能够 自动 地寻找通向目标的路径．提出的方法具有简单、快速的特点，而且能对 n自由度机械手的整个手臂实现最碰．建立 在非线性机器人动力学之上的整 个闭环系统和模糊控制器 的稳定性 由李雅普诺 夫原理 保证 ．仿真结 果证明 了该方 法 的有效性 ，通 过比较分析显示 出文 中所提 出的最障算法的优越性 ． 美t词：基于传感器的机器人运动控制；模糊规则；人工势能场；动态避障；机器人操作手 1 叫哑oducd0n R。boIsarewjdelyusedfor诅sb inchasma~ia]b柚· 血 ， spot ： ng， spray Ijl岫 1g， mech卸icaland elec咖 icas搴enlb1y，ma al埘 IIovaland wa时 cut· ring 咖 ． ofsuch tasks_堋 llldea pri|柚ary ptd 眦 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles． s 曲km，de． notedasthefDbotm ∞ pJan，liDgp∞ 舶1，hasbeen the倒 娜bj0ct锄l哪gIeseat℃ll∞ ． Every method o0血∞rI1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts． Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s． 0州 d眦 ：1999—07—29；Revised~ ：2000一∞ 一丝 In conU~astto many n~ hods，rob
上传时间： 2022-02-15
上传用户：
华为AI安全白皮书2018-cn近年来，随着海量数据的积累、计算能力的发展、机器学习方法与系统的持续创新与演进，诸如图像识别、语音识 别、自然语言翻译等人工智能技术得到普遍部署和广泛应用。越来越多公司都将增大在AI的投入，将其作为业务发展 的重心。华为全球产业愿景预测：到2025年，全球将实现1000亿联接，覆盖77%的人口；85%的企业应用将部署到 云上；智能家庭机器人将进入12%的家庭，形成千亿美元的市场。 人工智能技术的发展和广泛的商业应用充分预示着一个万物智能的社会正在快速到来。1956年，麦卡锡、明斯基、 香农等人提出“人工智能”概念。60年后的今天，伴随着谷歌DeepMind开发的围棋程序AlphaGo战胜人类围棋冠 军，人工智能技术开始全面爆发。如今，芯片和传感器的发展使“+智能”成为大势所趋：交通+智能，最懂你的 路；医疗+智能，最懂你的痛；制造+智能，最懂你所需。加州大学伯克利分校的学者们认为人工智能在过去二十年 快速崛起主要归结于如下三点原因[1]：1）海量数据：随着互联网的兴起，数据以语音、视频和文字等形式快速增 长；海量数据为机器学习算法提供了充足的营养，促使人工智能技术快速发展。2）高扩展计算机和软件系统：近 年来深度学习成功主要归功于新一波的CPU集群、GPU和TPU等专用硬件和相关的软件平台。3）已有资源的可获得 性：大量的开源软件协助处理数据和支持AI相关工作，节省了大量的开发时间和费用；同时许多云服务为开发者提供 了随时可获取的计算和存储资源。 在机器人、虚拟助手、自动驾驶、智能交通、智能制造、智慧城市等各个行业，人工智能正朝着历史性时刻迈进。谷 歌、微软、亚马逊等大公司纷纷将AI作为引领未来的核心发展战略。2017年谷歌DeepMind升级版的AlphaGo Zero横 空出世；它不再需要人类棋谱数据，而是进行自我博弈，经过短短3天的自我训练就强势打败了AlphaGo。AlphaGo Zero能够发现新知识并发展出打破常规的新策略，让我们看到了利用人工智能技术改变人类命运的巨大潜能。 我们现在看到的只是一个开始；未来，将会是一个全联接、超智能的世界。人工智能将为人们带来极致的体验，将 积极影响人们的工作和生活，带来经济的繁荣与发展。
上传时间： 2022-03-06
上传用户：
智能家居体验馆建设方案.pdf智能家居体验馆建设方案 一、前言 1．背景 随着科技的不断发展，高校教学的不断改进，目前高校实验教学方面，不再像以往 那样，只需要实验箱，实验平台等实验设备，而是需要与实际体验场馆配合使用，开展 教学，本系统采用了智能家居系统采用了物联网技术、嵌入式技术、Zigbee 技术、自 动控制、网络通讯、无线通讯、视频处理等多项先进技术，将各种家居智能化功能轻松 的融合成一个整体，是家居智能化的完整解决方案，将使您正真享受到高科技为我们带 来的舒适、惬意、时尚的现代化数字生活。 智境系统、定位系统、照明控制系统、中央控制系统、远程控制系统。本方案以应 用技术最全面、学能家居体验馆系统涵盖八大子系统：家电控制系统、安防系统、门禁 系统、家居环境系统、定位系统、照明控制系统、中央控制系统、远程控制系统。本方 案以应用技术最全面、学习开发最方便、操作最简单、体验效果最舒适为设计目标，在 提供全方位功能的前提下，为老师、同学提供最全面的技术支持。 2．智能家居体验馆定位 伴随物联网技术风靡全球的热潮，我公司采用物联网技术、嵌入式技术、无线传输 技术、传感器技术等当前热门技术，研发出智能家居实训平台，并推出智能家居体验馆 与智能家居实训平台结合使用的实施方案。致力于改变高校人才培养现状，帮助高校完 善培养计划。 3．高等学校人才培养现状 近几年，随着全球计算机技术的高速发展，电子、传感器、工控、通讯、网络、生 物科学快速发展，并且以人工智能为代表呈现出多学科交叉应用趋势。为了适应科学技 术的高速发展，为了提高产品竞争力，企业对毕业生的要求越来越高，但是毕业生的实 践经验远远不能满足企业的要求。造成教育与企业需求脱节的主要原因有： 第一，企业不仅需要毕业生具有较深的理论修要，更青睐具有综合实践经验、有较
标签： 智能家居
上传时间： 2022-03-11
上传用户：
摘要: 智能机器人仿真系统，由于智能机器人受到自身多传感器信息融合和控制多样性等因素的影响，仿真系统设计主要都 是以数学建模的形式化仿真为主，无法实现数学建模与场景实现协调仿真。为此，首先分析两轮移动机器人数学运动模型， 然后设计与机器人控制系统相关的传感器数据采集分析、机器人智能自动控制和人工控制等模块，以实现机器人控制的真 实场景。仿真系统利用 LabVIEW 设计控制界面，并结合 Robotics 工具包的建模、计算和控制功能。仿真结果表明设计的平 台更适合教学和实验室研究，并可为实际的物理过程提供数据参考和决策建议。 关键词: 机器人; 虚拟; 系统仿真 中图分类号: TP242 文献标识码: B1 引言 随着测控技术的发展，虚拟仪器技术已成为工业控制和 自动化测试等领域的新生力量［1］。而机器人作为一种新型 的生产工具，应用范围已经越来越广泛，几乎渗透到各个领 域，是一项多学科理论与技术集成的机电一体化技术。目前 机器人仿真系统主要集中在复杂的机器人数学模型构建与 形式化仿真，无法实现分析机器人运动控制的静态和动态特 性，更加无法实现控制的真实场景［2］。为了改善专业控制软 件在硬件开发周期较长的缺点，本文拟建立一个基于通用软 件的实时仿真和控制平台，以更适合教学和实验室研究。本 文以通用仿真软件 LabVIEW 和 Robotics ［3］为实时仿真与控 制平台，采用 LabVIEW 搭建控制界面，利用 Robotics 在后台 进行系统模型和优化控制算法计算，使其完成机器人控制系 统应有的静态和动态性能分析，不同环境下传感器变化模拟 显示以及目标路径形成等功能。 2 系统构成 仿真系统的构成主要包括了仿真界面、主控制界面、障 碍检测、智能控制和人工控制模块。其中主要对人工控制和 智能控制进行程序设计。仿真运行时，障碍检测一直存在， 主要是为了在智能控制模式下的智能决策提供原始数据。 在人工控制模式下，障碍检测依然存在，只不过对机器人行 动不产生影响，目的是把环境信息直观
标签： 智能机器人
上传时间： 2022-03-11
上传用户：
压电材料由于其力电耦合特性，能有效地将机械能与电能进行转换，于是人们将其作为激励/传感器广泛地应用于各类工程领域。压电材料常常与受控柔性结构粘接成一体，作为传感器以及激励器，以达到抑制受控结构振动的目标。因此，研究压电智能结构的振动以及振动控制有重要的科学意义和实用价值本文基于压电材料与宿主结构之间的力电耦合特性，推导了拉普拉斯变换形式卜的压电智能梁结构的阻抗矩阵，并基于阻抗矩阵研究如何建立压电智能梁结构的频率响应数值模型以及由此模型计算系统动态响应的方法，本文还研究了速度负反馈控制器作用下压电梁的控制系统性能：PPF控制器下不同系统输入时，系统的动态性能；不同控制器参数下，控制系统的效果。计算结果表明，本文模型能有效地与各种控制策略相结合，研究压电梁的振动控制问题。最后，本文还尝试由阻抗矩阵模型建立系统的TF控制模型，对于单个矩阵元素，此方法能在指定频域内得到很好的近似模型，对于由许多单元组成的压电梁，本文方法得到的结果能识别部分阶频率，因此需要进一步研究。振动是大自然中最普遍的现象，在现实的工业工程及实际生活中，人们常常遇到各种与振动有关的问题。譬如，我们常用的各种音响设备、医疗超声检测设备、雷达等设备及设施中，就利用了振动含有积极意义的一方面；另一方面，机床的剧烈振动导致工件的加工精度达不到要求、飞机机翼的颤振、飞机轮船等振动噪声过大导致乘客感到不舒适等则是振动消极一面的具体体现。为此，人们常常对这些设备的系统模型进行分析、研究，以期对振动进行控制：一方面提高起积极作用的振动的强度或将其控制在人们希望的程度上：另一方面尽可能地将起消极作用的振动削弱，达到不影响工业生产及生活的效果
标签： 阻抗法
上传时间： 2022-03-11
上传用户：qingfengchizhu
近些年来，云计算与移动云计算迅速发展，随之而来出现的问题是由于智能终端的数量和处理器计算能力能力的增加，越来越多的计算密集型应用应用被卸载到云端，这样就给核心网络造成很大的负载，从而不能满足那些对延迟敏感的应用，所以移动边缘计算就因此产生。它通过将计算、存储等资源部署在网络的边缘，能快速地处理任务并传输。但是由于用户终端的移动性，需要考虑的一个很重要的问题就是当服务厥量受到位置影响时应当采取什么措施。合理的计算切换能够很好地解决这个问题。在移动边缘计算中，什么时候进行计算切换以及切换到哪里是切换问题的关键。本文研究了计算切换的具体过程、影响计算切换的因素及管理体系，提出了计算切换的管理框架。在考虑任务完成时间、移动终端能耗和任务完成成本这些因素影响的基础上并根据切换管理的框架和具体的判决准则，提出了简单加权法、熵值法和基于理想解排序的这三种多属性决策计算切换筧法。最后在实验部分对这三种多属性决策计算切换算法进行仿真实验，在根据实验结果对三种算法的性能进行分析，然后再研究计算量与数据量变化对算法性能的影响。实验结果表明：采用多属性切换决策的方法要优于不切换和总是发生切换的决策，并且在多属性决策的方法中，班想解排序的方法要优于简单加权法和值法，并且任务的完成时间、移动终端能耗、和任务的执行成本随着终端移动速度的增大而有明显减少，说明基于阈值的判决准则和多属性切换决策算法适用于移动边缘计算中的计算切换。关键词：移动边缘计算：计算切换：判决准则；多属性决策
标签： 移动边缘计算
上传时间： 2022-03-11
上传用户：ttalli
