-
公开(公告)号：CN101239466B
公开(公告)日：2010-06-02
申请号：CN200710304536.2
申请日：2007-12-28
Applicant: 北京工业大学
IPC: B25J9/16 , B25J19/04 , B25J13/08 , G08C17/00 , G05B19/418
Abstract: 本发明是一种微型迷宫机器人，能对随机复杂迷宫进行自主搜索最优路径并实时修正机器人在迷宫中的运动，属于人工智能领域。包括有下位机和上位机。上位机包括有DSP和与DSP相连接的CCD摄像头和无线发送模块，CCD摄像头采集迷宫的全局图像并通过视频解码器解码后传送给DSP，DSP对图像进行处理后通过无线发送模块发送给下位机。下位机包括有小车和设置在小车内的控制系统，小车的底部连接有车轮和步进电机，控制系统包括有单片机无线接收模块。无线接收模块接收上位机中的无线发送模块发送的信息，对其进行解析后，通过步进电机驱动电路驱动步进电机带动小车行走。本发明实现了自主迷宫搜索最优路径并能实时修正机器人的行走轨迹。
-
公开(公告)号：CN101221554A
公开(公告)日：2008-07-16
申请号：CN200810056838.7
申请日：2008-01-25
Applicant: 北京工业大学
Abstract: 本发明是脑机接口系统想象动作脑电信号特征的提取方法，特别是基于小波变换和BP神经网络的脑电特征提取方法。本发明是以想象动作思维引起的能量变化作为区分左右手想象运动的特征，按照平均功率公式分别计算出想象左右手动作从C3、C4通道获取的脑电信号(以下简称左右手C3、C4)在0～9s内所有采样点对应的平均功率。设置时间窗，对加窗段的数据进行离散二进小波变换，选取第六尺度上的逼近信号a6，作为信号特征；以BP神经网络作为分类器进行分类。本文采用离散小波变换和BP神经网络提取想象运动电位的方法有助于提高想象动作电位的信噪比和识别正确率；另外，小波变换是一种线性变换，计算速度快，适合于在线分析。
-
公开(公告)号：CN1335544A
公开(公告)日：2002-02-13
申请号：CN01130928.8
申请日：2001-08-27
Applicant: 北京工业大学
IPC: G05B11/00
Abstract: 一种五元鲁棒控制系统及其控制方法属控制科学与工程领域。控制系统包含有三个基本模块:五元鲁棒控制器7,检测装置8及被控制对象9,其中五元鲁棒器的特征是增设了控制增量计算单元,单元中嵌入了一个五元控制计算模型6;控制方法的关键特征是五元控制计算模型6的运行,即在每一个采样时刻t,从记忆单元5中提取五元误差值,即:{e(t),e(t－T0),e(t－2T0),e(t－3T0),e(t－4T0)},作为五元控制计算模型的输入,并与五元控制计算模型的五元参数{α(i)|i=1,2,3,4,5}进行加权求和运算,生成控制函数u(t)的增量Δu(t),五元控制计算模型算法是:△u(t)=∑a(K)e(t－(k－1)To),u(t)=u(t－To)+△u(t)。本发明具有良好的抗扰动能力、较强的驱使被控制量跟踪期望轨迹的能力,同时,具有节能、安全和可靠的控制特性。
-
公开(公告)号：CN1259714A
公开(公告)日：2000-07-12
申请号：CN00100140.X
申请日：2000-01-13
Applicant: 北京工业大学
Inventor： 阮晓钢
Abstract: 一种自动识别人体染色体模式的动态神经元模糊计算模型属模式识别与信息处理技术领域,其主要特征在于:(1)神经元Nd(k)(k=1,2,…,N)构成N阶动态模糊聚类网络DFCN(N) ,Nd(k)对应染色体样本模式X(k)(k=1,2,…,N);添加对应待识别染色体模式X(O)的神经元Nd(O),将DFCN(N) 扩展为(N+1)阶动态模糊聚类网络DFCN(N+1) ;(2)DFCN(N) 对X={X(k)=1,2,…,N}进行动态模糊聚类分析,实现理想划分S={S(k)丨k=1,2,…,C}(S(k)X);(3)DFCN(N+1) ,对X={K(k)丨k=0,1,2,…,N}进行动态模糊聚类运算,在理想划分S={S(k)丨k=1,2,…,C}约束下识别X(O)。动态神经元模糊计算模型对染色体有较高的识别率且误识率为零。
-
公开(公告)号：CN118133901A
公开(公告)日：2024-06-04
申请号：CN202410169286.X
申请日：2024-02-06
Applicant: 北京工业大学
Abstract: 本发明公开了一种受鼠脑海马体前瞻预测机制启发的改进型Dyna‑Q方法，实现机器人在具有静态和动态障碍物的未知环境下的导航；该方法结合鼠脑海马体的前向扫描机制对Dyna‑Q算法进行改进，使其能够模拟未来的多步操作，同时模仿纹状体功能对前向模拟进行决策确定性评估，并动态调整扫描的深度和动作选择方式，以此来提高机器人的收敛性和决策效率；这种前瞻预测机制能够平衡探索与利用，降低机器人陷入局部最优的概率；实验结果表明，该方法具有更好的收敛性、规划出的路径长度更短，并具有生物合理性，为改进现有强化学习算法和提高机器人的导航能力提供一种崭新思路。
-
Patent Agency Ranking
公开(公告)号：CN112699954B
公开(公告)日：2024-04-16
申请号：CN202110024649.7
申请日：2021-01-08
Applicant: 北京工业大学
IPC: G06V10/74 , G06V10/762 , G06V10/44 , G06V10/46 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习和词袋模型的闭环检测方法，将VGG16网络提取的多个含有语义信息的特征图作为多个语义描述子代替ORB描述子传给词袋模型，使提取的特征更适用于闭环检测；构建词袋模型的单词表，用K‑means对前面提取的语义特征描述子进行聚类运算，获得聚类的中心从而当做词袋模型的单词表；提取该算法下的特征向量，利用VGG网络，从每幅图像中提取很多个语义描述子，这些语义描述子都用单词表中的单词近似代替，通过统计单词表中每个单词在图像中出现的次数；最后利用特征向量计算相似度矩阵。本发明在数据集上实验表明,相较于传统的视觉词袋模型方法,该算法具有更强的泛化性,可以在闭环检测中达到更高的准确率。
-
公开(公告)号：CN109443382B
公开(公告)日：2022-05-17
申请号：CN201811231732.6
申请日：2018-10-22
Applicant: 北京工业大学
Abstract: 本发明公开了基于特征提取与降维神经网络的视觉SLAM闭环检测方法，本发明采用卷积神经网络模型，通过在大量数据集上进行训练，从而使网络具有特征学习的能力。这样将图片之间的相似度比较转换成特征向量之间的相似度对比。为了进一步提高检测的速度，在卷积神经网络的最后加上一层自编码器网络，用来对提取的图像特征进行降维。卷积神经网络具有平移不变性，尺度不变性等多种特性，可以有效克服传统人工特征对环境变化敏感的缺点，并且具有更快的特征提取速度。该方法可解决传统视觉SLAM闭环检测方法存在的特征提取时间短，受环境变化和光照变化影响大的缺点，可以有效提高闭环检测的准确率和召回率，对于构建全局一致的环境地图具有重要作用。
-
公开(公告)号：CN114186112A
公开(公告)日：2022-03-15
申请号：CN202111426707.5
申请日：2021-11-27
Applicant: 北京工业大学
IPC: G06F16/909 , G06F16/29 , G06F17/18 , G06K9/62
Abstract: 本发明公开了一种基于贝叶斯优化多重信息增益探索策略的机器人导航模型，属于移动机器人领域和人工智能领域。本发明基于ROS编程实现，设定一个带有里程计与RGB‑D相机等传感器的仿真机器人。首先，在候选点提取方法上采用融合前沿点聚类与可通行区域方式综合衡量提取；在候选点评估方法上利用改进的贝叶斯优化计算多重信息增益，综合考虑地图熵值与距离成本，进而选取最佳候选点，避免机器人在环境中不断走重复的路径。本发明在ROS操作系统中利用gazebo进行仿真实验验证，利用RGB‑D信息构建二维栅格地图与八叉树地图，移动机器人可以利用较少的步数快速有效的探索未知环境，高质量完成建图任务。
-
公开(公告)号：CN112558605A
公开(公告)日：2021-03-26
申请号：CN202011419778.8
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于纹状体结构的机器人行为学习系统及其学习方法，属于仿生学技术领域。机器人行为学习系统由感觉皮质、运动皮质、海马体、丘脑、黑质致密部、腹侧被盖区和纹状体组成，其中纹状体包括纹状小体和基质。纹状小体接收由海马体位置细胞产生的定位信息和由黑质致密部和腹侧被盖区产生的多巴胺信息，同时根据操作条件反射机制更新机器人的取向性信息。基质接收纹状小体的取向性信息，同时根据改进的ε‑greedy算法进行动作的选取。机器人与环境进行一段时间交互后可以形成行为习惯。本发明不仅给出动物习惯性行为生成的一种可能的解释，而且可以指导机器人自主行为学习。本发明的方法可应用到机器人导航、生理学、动物行为学等诸多领域。
-
公开(公告)号：CN110298440A
公开(公告)日：2019-10-01
申请号：CN201910268918.7
申请日：2019-04-04
Applicant: 北京工业大学
Abstract: 本发明公开了基于皮质柱网络波前传播的多尺度面向目标导航方法，属于仿生导航范畴，皮质柱网络属于认知地图，每个皮质柱单元包含接受奖励信息、位置信息等多种神经元。本发明以皮质柱网络为基础，利用波前传播算法进行路径规划和导航。通过网络权值STDP学习律，此系统能够计算出通向目标的最短路径，并且对环境的变化产生记忆。波前传播采用整合激发式神经元，属于非衰减导航算法，适用于多种尺度环境下的导航。在导航实验中，此方法可以在各种规模、实时变化的环境中成功导航，具有较好的实用效果。
-
-
-
-
-
-
-
-
-
Search Results
228
records
(took 0.022 seconds)
