机器人行为集成论文_肖莎

导读:本文包含了机器人行为集成论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:机器人,神经网络,构架,体系结构,硬件,论文,SA。

机器人行为集成论文文献综述

肖莎^[1]（2007）在《基于神经网络集成的进化机器人行为方法研究》一文中研究指出进化机器人是嵌入了进化算法的具有较强环境适应能力的机器人，属于智能机器人研究领域新的研究方向，能够很好的解决移动机器人学习与适应能力方面的问题。本文基于进化神经网络，对机器人硬件进化(EHW)的两个方面—形态的进化和基于FPGA的电子电路的进化进行了系统的研究。现有进化算法搜索时间长，进化速度慢，往往不能进化出个体行为的最优解，本文利用神经网络集成显着的泛化性和个体成员网络的差异性，提出了基于集成系统的并行进化学习算法。本文定义了机器人传感器组，每一个传感器组最小结构对应于一种神经网络，通过进化成员网络的权值、结构、学习规则得到最优的行为个体。仿真实验证明了基于神经网络集成系统的并行学习算法的有效性，相比较于传统的单网络控制器的设计方法，本文所提出的算法具有更高的学习效率和进化能力。本文结合自主避障的进化实验，对神经网络的硬件实现进行了探讨，提出了一种神经元连接方式，从输入层到中间层采用串行连接，从中间层到输出层采用并行连接，并对遗传算法进化神经网络的模块化结构设计进行了初步探讨。采用Altera公司的FPGA芯片—Cyclone EP1C3T144C进行实验，结果显示该方法能有效的缩短运行时间，取得较好的效果。本文根据实际机器人机械结构和运动特性，利用面向对象的编程方法，利用C++BuilderI具建立了SimRobot机器人行为学习和进化的仿真环境软件，讨论了传感器模型和地图环境构建方法，验证了行为学习和进化结果的有效性。本文希望通过模拟生物的学习和进化来研究SimRobot机器人的行为，自主地得到适合机器人工作环境和满足任务要求的机器人各种行为的动作编码值。研究中，仅赋予机器人基本的行为和动作方式，利用机器人个体的行为学习和种群的行为进化，自主地得到机器人的动作编码值，减少较多的人为设计因素，将设计者从机器人的基本行为动作设计中解脱出来，增强机器人的实际应用能力。(本文来源于《山东大学》期刊2007-05-08）

王洪燕^[2]（2000）在《基于神经网络的进化机器人行为集成方法的研究》一文中研究指出以往对机器人的研究大多是在已知的、结构化环境中进行的，研究人员对于机器人的自身以及机器人的工作环境都有精确的先验知识。这种传统的机器人设计方法必然存在一些问题，主要表现在：（1）设计者必须要具有机器人及其工作环境的先验知识，即首先要建立机器人及其工作环境的数学模型。（2）如果对机器人自身以及工作环境知识不断完善的话，那么就要不断地修改硬件和软件上的设计，给工程实现带来难以评估的工作量。（3）机器人必须精确地按照环境的内部模型进行规划的结果来运行，适应能力差。进化机器人是机器人研究领域中的一个重要分支，由于它具有简洁的结构和高度的自主能力，这一方向正受到越来越多的国内外专家学者的重视。具有代表性的行为主义思想认为，设计智能机器人的有效途径应象生物体进化那样，采用“自下而上”方式，以感知-行动作为基础，在与环境的交互中学习。在设计智能机器人过程中，一个关键问题是如何来实现“行为主义”的思想、在与环境的交互中学习行为动作。本论文则基于进化神经网络，对机器人行为模型和算法进行了系统研究。研究过程更加注重机器人的适应性，不注重对环境知识完备性的要求，让机器人就在完全未知环境下运行。通过机器人自身对环境的感知，来建立环境的模型，并且具有自恢复能力。机器人通过不断的学习，完善自身的适应能力，依靠与环境不断的交互来获得知识，并通过反复调整环境模型与自身的模型，最终学会在未知环境中运行。本文主要研究内容及创新成果包括：1、基于并行遗传算法和L-系统模拟自然进化和生长学习过程，提出一个人工神经网络结构设计算法。算法对生成网络的产生式规则进行编码来约束网络的搜索空间，并采用并行算法降低运算时间。实验证明该算法能有效提高网络结构设计的性能和收敛速度。2、提出了基于神经网络的进化机器人避碰、趋近和沿壁行为学习算法。文中首先提出了新的机器人模拟环境和机器人模型，构建了基于神经网络的进化学习系统；然后对具有进化学习机制的机器人基本行为学习系统进行了仿真实验，并对仿真结果进行分析与讨论。3、基于神经网络方法提出了进化机器人避碰、趋近、沿壁行为的高级组合行为切换学习算法。首先对机器人模拟环境进行了增强设计，给出采用神经网络实现进化学习系统的方法，然后对具有进化学习机制的机器人组合行为切换学习系统进行了仿真实验，并对仿真结果进行分析与讨论，最后指出了进一步研究方向。4、基于神经网络集成了进化多机器人编队行为及避碰、趋近、随机等基本行为，以控制摘要机器人规划路径、避开危险并同时保持队形。文中首先在研究了自主机器人构架（AU RARA）的基础上，利用神经网络实现了机器人高级组合行为的进化学习，然后对具有进化学习机制的机器人编队行为系统进行了仿真实验，并对多种模拟环境中的不同编队行为类型进行了性能分析与讨论。5、提出了一个基于生长神经网络的进化机器人行为算法，新算法的主要特点是：l）、迢过自然选择对神经同络进行进化，并能自主实沿人进磁、移动、复制和攻击等行为；2）、开发了一个自主机器人模拟环境，对所提出的算法进行运行恻试．模拟结果证明，生长神经冈络系统是研究渐增进化的有效工具，新算法能够有效地实现机召人创新行为；由于采用了生长系统，这些网络在复制过程中克服了传统进化网络的基因型相同而表现型不同的固有缺点，系统能在长期渐增进化中处于准．收敛状态． — —’—’－’”、r－一、——”‘—、一’”—”””’”’—”一’”“—一”“『”’”一’一’——”’————””“’”t 本文所研究的各种算法并不局限于上述应用，对函数优化、组合优化、板式识别、图象压络等计算机应用领域也有广泛的应用前景．(本文来源于《合肥工业大学》期刊2000-06-30）

蔡自兴,周翔,李枚毅,雷鸣^[3]（2000）在《基于功能/行为集成的自主式移动机器人进化控制体系结构》一文中研究指出本文针对自主式移动机器人控制体系结构中两类典型方法的不足 ,提出了一种进化控制体系结构 ,实现了基于 AI模型的方法与基于行为的方法的优势互补 .文中阐述了进化控制的思想 ,并应用于移动机器人控制结构的设计 .该结构使移动机器人具备良好的学习和适应能力、较快的响应速度 ,同时拥有较好的理性和完成给定任务的能力 .(本文来源于《机器人》期刊2000年03期）

机器人行为集成论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

以往对机器人的研究大多是在已知的、结构化环境中进行的，研究人员对于机器人的自身以及机器人的工作环境都有精确的先验知识。这种传统的机器人设计方法必然存在一些问题，主要表现在：（1）设计者必须要具有机器人及其工作环境的先验知识，即首先要建立机器人及其工作环境的数学模型。（2）如果对机器人自身以及工作环境知识不断完善的话，那么就要不断地修改硬件和软件上的设计，给工程实现带来难以评估的工作量。（3）机器人必须精确地按照环境的内部模型进行规划的结果来运行，适应能力差。进化机器人是机器人研究领域中的一个重要分支，由于它具有简洁的结构和高度的自主能力，这一方向正受到越来越多的国内外专家学者的重视。具有代表性的行为主义思想认为，设计智能机器人的有效途径应象生物体进化那样，采用“自下而上”方式，以感知-行动作为基础，在与环境的交互中学习。在设计智能机器人过程中，一个关键问题是如何来实现“行为主义”的思想、在与环境的交互中学习行为动作。本论文则基于进化神经网络，对机器人行为模型和算法进行了系统研究。研究过程更加注重机器人的适应性，不注重对环境知识完备性的要求，让机器人就在完全未知环境下运行。通过机器人自身对环境的感知，来建立环境的模型，并且具有自恢复能力。机器人通过不断的学习，完善自身的适应能力，依靠与环境不断的交互来获得知识，并通过反复调整环境模型与自身的模型，最终学会在未知环境中运行。本文主要研究内容及创新成果包括：1、基于并行遗传算法和L-系统模拟自然进化和生长学习过程，提出一个人工神经网络结构设计算法。算法对生成网络的产生式规则进行编码来约束网络的搜索空间，并采用并行算法降低运算时间。实验证明该算法能有效提高网络结构设计的性能和收敛速度。2、提出了基于神经网络的进化机器人避碰、趋近和沿壁行为学习算法。文中首先提出了新的机器人模拟环境和机器人模型，构建了基于神经网络的进化学习系统；然后对具有进化学习机制的机器人基本行为学习系统进行了仿真实验，并对仿真结果进行分析与讨论。3、基于神经网络方法提出了进化机器人避碰、趋近、沿壁行为的高级组合行为切换学习算法。首先对机器人模拟环境进行了增强设计，给出采用神经网络实现进化学习系统的方法，然后对具有进化学习机制的机器人组合行为切换学习系统进行了仿真实验，并对仿真结果进行分析与讨论，最后指出了进一步研究方向。4、基于神经网络集成了进化多机器人编队行为及避碰、趋近、随机等基本行为，以控制摘要机器人规划路径、避开危险并同时保持队形。文中首先在研究了自主机器人构架（AU RARA）的基础上，利用神经网络实现了机器人高级组合行为的进化学习，然后对具有进化学习机制的机器人编队行为系统进行了仿真实验，并对多种模拟环境中的不同编队行为类型进行了性能分析与讨论。5、提出了一个基于生长神经网络的进化机器人行为算法，新算法的主要特点是：l）、迢过自然选择对神经同络进行进化，并能自主实沿人进磁、移动、复制和攻击等行为；2）、开发了一个自主机器人模拟环境，对所提出的算法进行运行恻试．模拟结果证明，生长神经冈络系统是研究渐增进化的有效工具，新算法能够有效地实现机召人创新行为；由于采用了生长系统，这些网络在复制过程中克服了传统进化网络的基因型相同而表现型不同的固有缺点，系统能在长期渐增进化中处于准．收敛状态． — —’—’－’”、r－一、——”‘—、一’”—”””’”’—”一’”“—一”“『”’”一’一’——”’————””“’”t 本文所研究的各种算法并不局限于上述应用，对函数优化、组合优化、板式识别、图象压络等计算机应用领域也有广泛的应用前景．

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。