摘要：心力衰竭是各种心血管系统疾病的终末阶段,发病率高。心力衰竭患者在睡眠时常伴有中枢性睡眠呼吸暂停综合征（CSA）,其患病率高达25%~50%[1]。反复呼吸暂停使心血管系统缺氧,交感神经兴奋,心率增快,血压升高,另一方面产生过多自由基,损害血管内皮功能,可能是导致心力衰竭发生的独立危险因素[2]。越来越多的研究表明采用无创机械通气治疗中枢性呼吸暂停能有效改善心功能,其主要使用持续气道正压通气（CPAP）、双水平气道正压通气（BiPAP）和适应性伺服通气（ASV）这三种模式，不同通气模式对治疗中枢性呼吸暂停的效果还存有一定争议，其中ASV是为实现稳定通气所设计的新型无创通气模式，能根据患者呼吸的实际情况自动调节通气量和压力。

摘要：以大规模多移动机器人觅食任务为背景,探讨了在分布式协作体系结构下系统任务级的协作与行为级的协调问题.提出了一种动态任务分配机制,在缩短任务完成时间的基础上减少了系统通信量并解决了任务死锁问题.同时,设计了一种基于预测的冲突消解方法,使机器人能够对动态障碍物进行精确避障.最后,通过仿真实验验证了上述方法的有效性.

摘要：为了将双足机器人的混沌步态控制收敛到稳定的周期步态,提出一种控制策略.首先用庞卡莱截面法研究斜坡倾角变化对步态的影响,结果表明,坡度增大会导致倍周期步态到混沌步态的产生;然后以人类步行的生物力学为仿生依据,根据延迟反馈控制的基本思路,设计了自适应常值驱动与传感反馈相结合的仿生行走控制策略,并依据当前步和前两步初始状态对控制器参数进行逐步调节,最终将混沌步态控制收敛到周期步态.仿真结果表明了所提出算法的有效性.

摘要：针对路面坡度变化后,如何使被动行走机器人在有限时间内只需一步即可完成低能耗的行走模式转换问题,提出一种控制策略.首先基于胞映射思想,提出了估计机器人稳定行走初始状态的变胞胞映射法;然后利用Lyapunov稳定性理论和鲁棒控制思想,设计了变路况切换控制算法.该算法既能实现不同坡度路面上稳定行走模式的转换,又能提高转换过程的鲁棒性.仿真结果验证了所提出算法的有效性.

摘要：介绍了一种基于分层思想的强化学习方法,即将机器人的复杂行为分解为一系列简单的行为进行离线独立学习,并分别设计了每个层次的结构、参数及函数。这种学习方法能够减小状态空间并简化强化函数的设计,从而提高了学习的速率以及学习结果的准确性,并使学习过程实现了决策的逐步求精。最后以多机器人避障为任务模型,将避障问题分解为躲避静态和动态障碍物以及向目标点靠近3个子行为分别进行学习,实现了机器人的自适应行为融合,并利用仿真实验对其有效性进行了验证。