-
公开(公告)号：CN110000781B
公开(公告)日：2021-06-08
申请号：CN201910255732.8
申请日：2019-03-29
申请人： 郑州大学
摘要： 本发明属于机器人智能控制技术领域，公开一种基于发育网络的移动机器人运动方向预先决策方法，包括以下步骤：1)发育网络的创建、训练和测试；2)在每次执行任务后的非工作状态下，由动作输出层激活次数最高的某个神经元触发发育网络中间层神经元的侧向激励机制，实现机器人运动方向的预先决策：计算Z层神经元的激活概率pi：其中，按照激活概率大小排序，激活前几个概率不为0的Z层神经元；激活每个Z层神经元时，依次执行如下过程：由Z层向Y层输入数据→激活Y层神经元→侧向激励→在新激活的神经元中保存新知识→建立保存有新知识的Y层神经元与Z层对应的神经元之间的权值连接。本发明可提高机器人的行为决策效率。
-
-
公开(公告)号：CN113589695B
公开(公告)日：2023-11-10
申请号：CN202110880499.X
申请日：2021-08-02
申请人： 郑州大学
IPC分类号： G05B13/04 , G06N3/0442 , G06N3/048 , G06N3/091 , G06N3/063
摘要： 本申请提供一种基于记忆序列回放机制的机器人行为决策方法及设备，本申请通过获取目标任务和当前环境信息，所述当前环境信息包括所有障碍物信息；构建神经网络模型，在发育网络中设置动态自适应竞争机制，增加高级特征表示层进行在线自主学习，并基于记忆序列回放机制不断更新输出层中动作神经元的突触连接权重直至网络稳定；基于所述当前环境信息，通过所述神经网络模型计算得到全局最优行为决策，即该方法可以在在线和离线状态下自主学习或识别复杂环境下不规则障碍物的信息，使机器人能够适应复杂多变的环境，实现机器人的全局最优决策，提升神经网络的收敛速度。
-
公开(公告)号：CN113537318B
公开(公告)日：2023-04-07
申请号：CN202110745854.2
申请日：2021-07-01
申请人： 郑州大学
IPC分类号： G06F18/214 , G06F18/22 , G06N3/0464 , G06N3/049 , G06N3/06 , G06N3/084
摘要： 本申请的目的是提供一种仿人脑记忆机理的机器人行为决策方法及设备，本申请通过获取目标任务和当前环境信息；计算当前环境信息与所有长期记忆环境信息的相似度值，确定最相似长期记忆环境信息；当前环境信息与所述最相似长期记忆环境信息的相似度值小于相似度阈值时，在短期记忆层存储当前环境信息，并进行离线学习直至转移至长期记忆层；基于目标任务和当前环境信息，通过神经网络模型输出行为决策并执行，即在机器人处于动态变化的环境中，在通常的在线学习外增加离线学习的能力，实现机器人未知环境中的增量式学习，提高了学习效率，可以快速收敛到稳定状态，从而提高机器人在新环境中的行为决策的效率和精确度。
-
公开(公告)号：CN113848946A
公开(公告)日：2021-12-28
申请号：CN202111219149.5
申请日：2021-10-20
申请人： 郑州大学
IPC分类号： G05D1/02
摘要： 本申请提供一种基于神经调节机制的机器人行为决策方法及设备，本申请通过设计新的碰撞危险度指标，该指标不仅考虑了障碍物的距离，同时也考虑了障碍物速度对移动机器人运动的影响，通过碰撞危险度引导移动机器人的注意力网络在背侧注意力机制和腹侧注意机制之间切换，同时对机器人运动方向以及运动速度大小进行调节，使机器人灵活应对环境中的不确定性事件，并且设计了一种新的神经元学习率，增强调节发育网络隐含层神经元的学习能力，提高机器人应对突变环境的快速响应能力。
-
公开(公告)号：CN113589695A
公开(公告)日：2021-11-02
申请号：CN202110880499.X
申请日：2021-08-02
申请人： 郑州大学
摘要： 本申请提供一种基于记忆序列回放机制的机器人行为决策方法及设备，本申请通过获取目标任务和当前环境信息，所述当前环境信息包括所有障碍物信息；构建神经网络模型，在发育网络中设置动态自适应竞争机制，增加高级特征表示层进行在线自主学习，并基于记忆序列回放机制不断更新输出层中动作神经元的突触连接权重直至网络稳定；基于所述当前环境信息，通过所述神经网络模型计算得到全局最优行为决策，即该方法可以在在线和离线状态下自主学习或识别复杂环境下不规则障碍物的信息，使机器人能够适应复杂多变的环境，实现机器人的全局最优决策，提升神经网络的收敛速度。
-
公开(公告)号：CN111325481B
公开(公告)日：2023-02-24
申请号：CN202010180949.X
申请日：2020-03-16
申请人： 郑州大学
摘要： 本发明具体公开了一种智能的自动化集装箱码头节能综合调度方法，所述方法包括以下步骤：S1、基于遗传算法的框架，将集装箱装卸任务进行随机编码以形成一个初始种群；S2、计算种群中每个个体的适应度值作为当前代解；S3、判断当前代解的最小值是否为当前最优解；S4、将每个个体的适应度值从小到大排序，并取前1/8的个体作为优秀个体；S5、将所选取的1/8优秀个体作为父体进行翻转、交叉、变异和随机操作，获取1/8的父代所对应7/8的子代，然后将该1/8父代和7/8子代组合构成一个完整的种群并遗传至下一代；S6、判断步骤S5中得到的下一代是否达到终止条件，若是则终止算法，否则返回步骤S2。本发明不仅提高了集装箱装卸作业效率，而且显著降低了设备的能耗。
-
公开(公告)号：CN113537318A
公开(公告)日：2021-10-22
申请号：CN202110745854.2
申请日：2021-07-01
申请人： 郑州大学
摘要： 本申请的目的是提供一种仿人脑记忆机理的机器人行为决策方法及设备，本申请通过获取目标任务和当前环境信息；计算当前环境信息与所有长期记忆环境信息的相似度值，确定最相似长期记忆环境信息；当前环境信息与所述最相似长期记忆环境信息的相似度值小于相似度阈值时，在短期记忆层存储当前环境信息，并进行离线学习直至转移至长期记忆层；基于目标任务和当前环境信息，通过神经网络模型输出行为决策并执行，即在机器人处于动态变化的环境中，在通常的在线学习外增加离线学习的能力，实现机器人未知环境中的增量式学习，提高了学习效率，可以快速收敛到稳定状态，从而提高机器人在新环境中的行为决策的效率和精确度。
-
公开(公告)号：CN113848946B
公开(公告)日：2023-11-03
申请号：CN202111219149.5
申请日：2021-10-20
申请人： 郑州大学
IPC分类号： G05D1/02
摘要： 本申请提供一种基于神经调节机制的机器人行为决策方法及设备，本申请通过设计新的碰撞危险度指标，该指标不仅考虑了障碍物的距离，同时也考虑了障碍物速度对移动机器人运动的影响，通过碰撞危险度引导移动机器人的注意力网络在背侧注意力机制和腹侧注意机制之间切换，同时对机器人运动方向以及运动速度大小进行调节，使机器人灵活应对环境中的不确定性事件，并且设计了一种新的神经元学习率，增强调节发育网络隐含层神经元的学习能力，提高机器人应对突变环境的快速响应能力。
-
公开(公告)号：CN108663995B
公开(公告)日：2020-11-06
申请号：CN201710203038.2
申请日：2017-03-30
申请人： 郑州大学
IPC分类号： G05B19/418
摘要： 本发明涉及一种工业过程变量趋势异常检测方法及装置，通过实时采集某一个工业过程变量的数据，利用变量数据在长时间段具有一定变化趋势的特点、在短时间段具有随机波动的特点，分别建立长周期均值和短周期均值，构造趋势特征量，根据不同采集点的趋势特征量自适应的设定阈值上下限，当某一采集点的趋势特征量超出该采集点对应的阈值上限和阈值下限的范围时，判定该趋势变量对应的工业过程变量趋势异常。本发明的原理简单，不需要对历史数据进行训练，只需对实时采集的数据进行简单的统计处理，就能够由趋势特征变量的变化来反映工业参数的异常变化特征，并且用于判定异常的阈值设定是根据当前采集点能自适应变化的，具有较强的自适应能力。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.023 秒)
