搜索结果: 121-135 共查到“控制科学与技术 学习”相关记录168条 . 查询时间(1.009 秒)
本项目采用计算机串口数据无线发射和接收技术，通过人――计算机――机器人的三向对话，青少年在学习编程语言的过程中，以机器人为软件承载体，从我们公司的网站或者配套的光盘上，选择需要的实现玩具功能的语言编程软件，自己编程后下载到机器人，使其实现有关机械动作、情景模拟、环境信息数据回传等功能，同时也可在我们网站上，下载学习资料到机器人，借助机器强大的语言复读功能轻轻松松学习外语。该项目的开发研制全面考虑...
自学习模糊逻辑推理网络及模糊控制器的构成
自学习网络 模糊控制 RCE模型
2008/10/22
提出了一种自学习模糊逻辑推理网络和自学习模糊控制器的构成方法.这种方法是
把RCE(Restricted Coulomb Energy)模型进行扩展.使其能够进行模糊逻辑推理,并用于构
成基于RCE模型的自学习模糊控制器RLFC(RCE—based Learning Fuzzy controller).这种
方法有以下特点:a)学习速度高.追加学习容易;b)网络的信息处理工作单元的个数由自学...
第八届机器学习与控制论国际会议在昆明召开（图）
第八届 机器学习 控制论 国际会议
2008/9/1
2008年7月12日至15日, 由河北大学、IEEE SMC和云南大学等联合主办的第八届机器学习与控制论国际会议（ICMLC2008）在昆明隆重举行。
国内外机器学习与控制论及相关领域的专家和研究人员共300多人参加了会议。其中国际知名专家有：IEEE SMC 前主席 Michael Smith 博士和William Gruver教授，加拿大阿尔伯塔大学电子与计算机工程系Witold Ped...
仿射非线性系统自学习控制器的研究
仿射非线性系统 学习控制 收敛性
2008/7/28
提出了一种针对仿射非线性系统的学习控制新算法，
给出该算法收敛性证明．将该算法用于两连杆机械手的轨迹跟踪，仿真结果表明该算法能达
到很高的控制精度．
含有非驱动关节机器人的学习控制
非驱动关节 欠驱动系统 学习控制 非线性优化
2008/7/21
含有非驱动关节的机器人的运动控制比一般的机器人要困难得多．因为非驱动关节
不能直接控制，系统属于非完全可控系统，一般的光滑反馈控制方法对这样的系统是无效的
．本文提出了一种学习控制的方法，通过学习获得高精度的前馈控制，实现欠驱动机器人的
高精度运动控制，并在一台实际的欠驱动机器人上进行了实验，给出了实验结果．
机器人的一种离散学习控制算法的研究
机器人 运动控制 学习控制
2008/7/18
本文基于关节空间提出了机器人的一种离散学习控制算法．此算法仅仅利用了部分机器人动力学模型知识，基于关节空间的加速度信号构成迭代学习律，并给出了算法的收敛性证明．仿真表明了算法的有效性．
机器人足球赛中基于增强学习的任务分工
Q算法 无限作用范围衰减奖励优化模型 平均奖励优化模型
2008/7/18
本文研究了机器人足球赛中利用增强学习进行角色分工的问题，通过仿真试验
和理论分析，指出文［1］中采取无限作用范围衰减奖励优化模型(infinitehorizon discou
nted model)的Q学习算法对该任务不合适，并用平均奖励模型(averagereward model)对
算法进行了改进，实验表明改进后学习的收敛速度以及系统的性能都提高了近一倍．
基于模糊神经网络的多移动机器人自学习协调系统
移动机器人 运动规划 模糊神经网络 专家系统
2008/7/18
研究多移动机器人的运动规划问题．针对机器人模型
未知或不精确以及环境的动态变化，提出一种自学习模糊控制器（FLC）来进行准确的速度
跟踪．首先通过神经网络的学习训练构造FLC，再由再励学习算法来在线调节FLC的输出，以
校正机器人运动状态，实现安全协调避撞．
基于内模的机器人迭代学习控制
机器人 运动控制 迭代学习 内模控制
2008/7/18
本文根据内模控制的概念，设计一个扰动控制器，使机器人系统表现为固定参数的解耦线性化系统．基于此线性系统，提出了一种迭代学习控制律，给出了算法收敛的充分条件．算法的参数选择非常简单，从而易于满足收敛条件．仿真结果表明了算法的有效性．
基于强化学习的智能机器人避碰方法研究
强化学习 智能机器人 避碰
2008/7/18
本文采用强化学习方法实现了智能机器人的避碰行为学习．文中首先介绍了强化学习
原理，讨论了采用神经网络实现强化学习系统的方法，然后对具有强化学习机制的智能机器
人避碰行为学习系统进行了仿真实验，并对仿真结果进行了分析．
基于T-S模糊再励学习的稳定双足步态生成算法
双足机器人 T-S模糊再励学习网络 稳定
2008/7/18
提出了一种基于T-S模糊再励学习的稳定双足步态生成算法．将再励学习引入T-S模糊神经网学习增益参数，从而采用较少的模糊规则充分逼近了由ZMP曲线到髋关节轨迹的非线性变化关系，并将连续空间的多变量变化转换为一维独立动作增益的并行搜索．仿真结果和双足机器人Luna的实验数据都验证了算法的可行性．
基于扩散原理的冗余机器人逆运动学的学习方法
冗余机器人 扩散方程 运动学逆变换 学习算法
2008/7/18
本文介绍一种基于扩散原理的机器人逆运动学学习方法．首先运用偏微分扩散方程，
只需少量的试验运动即可求解在有限作业空间上拥有同样拓扑关系的机器人逆运动学变换．
然后应用反馈误差学习法修正学习误差．在此基础上，提出一种并行分布结构用于冗余机器
人逆运动学计算．分析与仿真结果表明，该方法不仅算法简单、精度高，而且可获得连续的
逆运动学映射．
未知动态环境中基于分层强化学习的移动机器人路径规划
移动机器人 未知动态环境 路径规划 分层强化学习
2008/7/16
提出了一种基于分层强化学习的移动机器人路径规划算法．该算法利用强化学习方法的无环境模型学习能力以及分层强化学习方法的局部策略更新能力，克服了路径规划方法对全局环境的静态信息或动态障碍物的运动信息的依赖性．仿真实验结果表明了算法的可行性，尽管在规划速度上没有明显的优势，但其应对未知动态环境的学习能力是现有其它方法无法比拟的．
本文提出了一种新的迭代学习策略并详细报告了在1台实验用机器人上的实验结果．这
个方法的特点是对于动力学参数未知的系统, 可以通过实验方便地确定满足收敛条件的学习
控制器参数． 因此,它具有实用价值, 并有可能将其使用范围推广到除机器人规迹控制外的
其它控制领域.