摘要：针对智能制造生产线中的机器人抓取需求,设计了视觉伺服抓取系统;以视觉伺服控制系统为基础,设计并构建了视觉伺服数字孪生系统,实现了数字模型与物理模型的信息同步、互操作以及数字模型对物理模型状态的预测。对于目标物体的不同运动情况制定了3种目标运动状态预测方案,通过数字孪生系统对抓取实验的模拟结果确定使用不同方案的条件,为物理实体的抓取提供最优方案。以NAO机器人为实验平台实现了系统的抓取任务,通过实验验证了方案的有效性。

摘要：有创测量血糖有强烈不适感和感染风险,所以无创血糖的研究有很强的现实意义。目前光学方法不便于实际使用,能量守恒方法要求严苛,针对以上问题,采用红外线热像图来进行血糖的检测。采集人脸的红外线热像图后,提取其灰度特征再降维,为了加快训练速度和防止过拟合改进了深度回归网络,采用改进的深度回归网络对得到的红外线热像图灰度特征进行建模,在测试集上取得了比较理想的检测效果,为以后的无创血糖检测算法的研究提供了一种新的研究方法和设计思路。

摘要：针对人眼定位中的实时性检测问题,设计了基于Viola-Jones算法的人眼实时检测系统,通过MATLAB控制外接或网络摄像头对检测到的人眼图片进行实时读取和实时定位,通过正面图、侧视图、俯仰图的检测,表明人眼实时定位系统检测效果较好并具有很好的鲁棒性。针对小数据集对头部状态的分类效果较差的情况,使用随机森林算法将俯仰角和偏航角的分别用HOG-LBP融合特征和Haar-like特征分类,再将得到的俯仰角和偏转角进行融合,在Pointing’04数据集上对比直接分类准确率提升了4.5%。

摘要：为提高机械手系统运行稳定性与关节角跟踪精度,设计一种基于改进差分进化算法的能量最优轨迹控制方法,并以双关节机械手仿真验证。首先,假设参考轨迹为摆线,以机械手运行能量最低为适应度函数,采用独立PD控制法控制机械手运动并构造Lyapunov函数证明控制律的收敛性;其次,利用混沌映射改进差分进化算法初始种群产生策略及子代重建规则,设计自适应缩放因子与交叉因子,对越界个体采用对称映射法处理,以此提高算法寻求全局最优解能力;最后,运用样条插值法将最优离散轨迹生成连续运行轨迹。MATLAB仿真结果表明,所提算法收敛速度快,优化效果好,系统运行消耗能量少,鲁棒性强。

摘要：传统基于位置的定阻抗控制器进行柔顺控制时,力跟踪性能取决于控制器对环境信息的了解程度,且阻抗参数值需经多次试验确定,一旦环境发生变化需要重新多次试验确定各参数值。为降低环境信息的未知性对力跟踪效果的影响和阻抗参数调节的不便,通过力偏差与机器人终端速度设计自适应补偿器对参考轨迹进行补偿,从而间接调整阻抗参数,提高系统对未知环境的自适应性。仿真试验结果表明:该方法相对定阻抗参数法,20 N期望力下力跟踪稳态误差在5%内,过渡到稳态时间短,能够很好地适应未知环境。

摘要：目前国内的用电与配电体系中,主站与用电信息采集终端长途通信大多数用的是GSM、GPRS等通信方案,这些无线通信模式存在通信延时长、通信可靠性差等缺点,已经不能满足国家提出的智能电网、智能物联的要求。随着物联网无线通信技术迅速发展,LoRa应运而生,它具有免费选择频段、通信距离远、信号穿透性强、数据接收与发送稳定、组网灵活的特点,因此在用电信息采集体系中更受欢迎。采用工业级别的F8L10D-E-MS-N的LoRa芯片并且结合ATMELD20设计的远程采集模块,用来实现远程通信的功能。通信模块与主站的通信采取的是面向对象的DL/T698通信协议规约,本模块创新的使用了新型的LoRa无线通信方式,并且与主控芯片之间通过USB3.0进行连接,加入NFC模块,通过NFC配合预装软件的参数配置。实验表明,该无线通信模块通信覆盖范围广、组网迅速,数据传输效率高。

摘要：强化学习(Reinforcement Learning,RL)作为机器学习领域中与监督学习、无监督学习并列的第三种学习范式,通过与环境进行交互来学习,最终将累积收益最大化。常用的强化学习算法分为模型化强化学习(Model-based Reinforcement Lear-ning)和无模型强化学习(Model-free Reinforcement Learning)。模型化强化学习需要根据真实环境的状态转移数据来预定义环境动态模型,随后在通过环境动态模型进行策略学习的过程中无须再与环境进行交互。在无模型强化学习中,智能体通过与环境进行实时交互来学习最优策略,该方法在实际任务中具有更好的通用性,因此应用范围更广。文中对无模型强化学习的最新研究进展与发展动态进行了综述。首先介绍了强化学习、模型化强化学习和无模型强化学习的基础理论;然后基于价值函数和策略函数归纳总结了无模型强化学习的经典算法及各自的优缺点;最后概述了无模型强化学习在游戏AI、化学材料设计、自然语言处理和机器人控制领域的最新研究现状,并对无模型强化学习的未来发展趋势进行了展望。

摘要：车载边缘计算(Vehicular Edge Computing, VEC)是移动边缘计算(Mobile Edge Computing, MEC)在车联网中的一个重要应用。在VEC中,请求服务的车辆可以通过付费的方式,将计算任务卸载到VEC服务器或者空闲计算资源丰富的服务车辆上,从而满足车辆任务对计算服务的需求。然而,对于VEC运营商来说,收益最大化是其追求的目标之一。由于系统中的计算需求和计算资源是动态变化的,因此如何在车辆协同场景下确定一个合理的定价策略是一个不容忽视的问题。针对该问题制定了一个动态定价策略,使VEC服务器和服务车辆的价格随着计算资源的供需关系而动态调整。基于此,设计了运营商收益最大化的车辆协同计算卸载方案,通过将时延约束下的VEC运营商收益最大化问题转化为多用户匹配问题,使用Kuhn-Munkres(KM)算法求得卸载结果。仿真实验表明,相比已有定价策略,该动态定价策略下VEC服务器和服务车辆的价格均可以根据计算资源供需关系动态调整,从而实现运营商收益最大化;相比已有卸载方案,该方案可以在满足任务时延约束的前提下提高运营商的收益。

摘要：针对存在外部扰动情形下离散多智能体系统的H∞一致性问题,利用二人零和博弈方法,一致性协议和外部扰动分别被看作博弈双方参与者,通过寻找二人零和博弈的纳什均衡点,可以设计出针对最坏情形干扰时的最优一致性协议.而获得博弈问题的纳什均衡需要求解耦合Hamilton-Jacobi-Isaacs(HJI)方程,因此给出了解耦方法,并且使用强化学习中的双环策略迭代算法对解耦后的HJI方程进一步求解.最后给出的算例仿真结果验证了提出方法的有效性.

摘要：传统的技术趋势分析工作需要由经验丰富的从业者完成,涉及到大量的文献调研和分析,工作耗时耗力。针对上述问题,提出一种基于深度学习与文本计量的技术趋势分析模型,设计基于BERT_BiLSTM_CRF模型的领域文献命名实体识别算法,优化BERT的掩码机制。以集成电路领域的新闻和论文为数据集,开展BiLSTM_CRF、BERT_BiGRU_CRF等模型以及文中所提BERT_BiLSTM_CRF*模型的对比研究,研究命名实体识别技术在集成电路等领域的数据识别效果。相比于其他算法,文章所提的领域文献命名实体识别算法在F1值上达到了88.6%,奠定了技术趋势分析的基础。基于知识图谱易表达关联关系的特点,创新性提出知识图谱与文本计量技术结合的方法,并从不同角度以可视化的形式展示技术趋势分析效果,最终辅助从业者开展技术趋势智能分析工作。