《基于神经网络的多传感器信息融合及其在机器人中的应用》PDF+DOC

📙 相关资料

1. 《基于神经网络的多传感器信息融合及其在机器人中的应用》PDF+DOC 多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息，可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法，探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。...
2. 《基于BP神经网络的移动机器人避障设计及仿真》PDF+DOC 为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题，提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统；分析了机器人在运动过程中与障碍物的位置关系，使用超声波传感器采集距离信息，进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果......
3. 《一种基于多组传感器信息移动机器人的避障方法》PDF+DOC 提出了一种基于多组传感器信息的移动机器人避障的新方法．该方法把多组传感器信息作为ＡＲＴ－２神经网络的输入，实现移动机器人对当前感知环境的快速识别和分类．在此基础上，设计了用于移动机器人在未知环境下避障的模糊控制器．试验证明了这一方法的有效性和实时性...
4. 《模糊神经网络信息融合方法在机器人避障中的应用》PDF+DOC 基于Takagi -Sugeno(T -S)模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点 ，又具有很好的学习能力。将基于T -S模型的模糊神经网络的信息融合算法应用在移动机器人的避障运动中 ，采用了多个超声测距传感器探测障碍物的距离和方向 ，经过模糊神经网络信息融合后 ，实现了机器人对障碍......
5. 《全自主智能机器人多传感器融合感知方法的研究》PDF+DOC 全自主智能机器人采用多超声波传感器来感知周围的环境信息，并利用卡尔曼滤波对获取的信息进行分析和融合，从而达到对前方障碍方位的准确判断，以完成机器人避障功能。...
6. 《基于多传感器的移动机器人安全区域研究》PDF+DOC 针对移动机器人导航中因障碍物信息复杂的不确定性，为了成功实现自主导航，应用一种多超声波传感器对障碍物进行信息采集，并通过BP神经网络对超声波传感器采集的信息进行处理。根据BP神经网络输出层的结果可确定机器人移动的安全区域。通过实验证明了多传感器信息处理法获得的移动机器人安全区域的可行性，为今后移动机......
7. 《基于多传感器数据融合的智能小车避障的研究》PDF+DOC 针对智能小车避障问题，提出了一种将模糊逻辑和神经网络相结合的融合方法—Takagi-Sugeno(T-S)模糊神经网络方法。基于此方法的数据融合算法应用在智能小车避障运动中，采用多只超声波传感器和红外线传感器探测障碍物的距离和方向，采集的各种数据利用T-S模糊神经网络进行融合。通过实验仿真表明：此方......
8. 《两级传感器信息融合的移动机器人避障研究》PDF+DOC 针对移动机器人的避障问题，以AS-R移动机器人为研究平台，提出了一种将神经网络和模糊神经网络相结合的两级融合方法。采用BP神经网络对多超声波传感器信息进行融合，以减少传感器信息的不确定，提高对障碍物识别的准确率；采用模糊神经网络实现移动机器人的避障决策控制，使之更适合系统的避障要求。该方法使移动机器......
9. 《拟人多信息融合在机器人避障中的应用》PDF+DOC 介绍了拟人多信息融合思想，人工神经网络信息融合的原理和过程。结合实际情况，对智能移动机器人多传感器采集的信息进行了融合处理，将拟人多信息融合的方法应用到了智能移动机器人平台避障实验中。与传统逻辑判断避障的方法进行比较，总结了拟人多信息融合方法在移动机器人避障中的优越性。...
10. 《移动机器人室内场景主动识别的强化学习方法》PDF+DOC 为了在传统场景分类器基础上进一步提高场景识别准确率，提出了一种采用Q学习(Q-learning)实现室内场景主动识别的算法.该算法采用极限学习机(Extreme Learning Machine，ELM)与反向传播梯度下降相结合的方式近似Q-learning值函数的神经网络.算法基于Q-learni......