期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于生物激励神经网络的室内实时激光SLAM控制方法 被引量：7
1
作者 向玉云 黄铝文 《信息与控制》 CSCD 北大核心 2021年第6期709-721,共13页
传统RBPF(Rao-Blackwellised particle filter)-SLAM(simultaneous localization and mapping)在机器人室内导航过程中因里程计读数产生的累计误差使得机器人定位和建图的精度大大降低,且传统的路径规划方法在突发环境中的动态避障效果... 传统RBPF(Rao-Blackwellised particle filter)-SLAM(simultaneous localization and mapping)在机器人室内导航过程中因里程计读数产生的累计误差使得机器人定位和建图的精度大大降低,且传统的路径规划方法在突发环境中的动态避障效果差、实时性低.针对这一问题,提出了一种基于生物激励神经网络(biological inspired neural network,BINN)的室内实时激光SLAM控制方法,结合了RBPF-SLAM的高计算效率、高精准性与BINN的实时动态避障特性.首先在RBPF-SLAM抽取新粒子的过程中用机器人当前时刻与前一时刻的位姿差代替里程计读数作为建议分布函数的输入.然后使用BINN在动态突发环境中进行实时路径规划及避障.最后,在动态实时路径规划中利用BINN再次定位机器人,校准机器人的位姿.仿真和实际实验结果表明,基于BINN的室内实时激光SLAM控制方法的定位误差小于10%,建图误差小于9%,且规划的路径质量与传统的A;和Dijkstra算法相比,BINN算法规划的路径长度、转折次数及规划时间分别减少了7.09%、14.29%、6.97%,有效地提高了室内导航控制的定位和建图精度及动态规划的实时性.该方法同样适用于无人驾驶和物流运输等领域. 展开更多
关键词 激光SLAM 生物激励神经网络(binn) 室内导航 实时控制 位姿估计
原文传递
砾石土心墙摊铺CA-BINN动态路径规划模型研究 被引量：3
2
作者 孙加恩 王佳俊 +3 位作者 余佳 王晓玲 李其虎 林威伟 《水力发电学报》 CSCD 北大核心 2022年第8期92-103,共12页
现有砾石土心墙摊铺作业路径多采用静态规划,未能考虑推土机、自卸汽车等复杂作业环境障碍物的动态变化。针对上述问题,本文提出了一种考虑复杂动态作业环境的砾石土心墙摊铺CA-BINN动态路径规划模型。该模型基于元胞自动机(cellular au... 现有砾石土心墙摊铺作业路径多采用静态规划,未能考虑推土机、自卸汽车等复杂作业环境障碍物的动态变化。针对上述问题,本文提出了一种考虑复杂动态作业环境的砾石土心墙摊铺CA-BINN动态路径规划模型。该模型基于元胞自动机(cellular automata,CA)建模理论,将实时感知的复杂作业环境数据抽象为动态障碍物、摊铺厚度等元胞状态以实时重构动态施工环境;并以元胞状态信息作为生物激励神经网络(biological inspired neural network,BINN)算法的外部输入,同时重构CA框架下BINN算法的神经活性值计算分流方程,实现多料堆整体摊铺作业动态路径规划。其中,单料堆摊铺作业采用以摊铺平整度、无效路径比等指标为目标函数,并结合现场三刀法(三次推移料堆)施工工艺提出的三刀法CA规则实现动态路径规划。工程应用结果表明:所提模型不仅能够在复杂动态作业环境下表现出高安全性、高适应性,而且相较于静态规划模型,路径长度、转折次数和无效路径比分别降低1.9%、42.9%和48%,摊铺平整度提高7%;相较于人工作业,摊铺平整度提高28%,无效路径比降低47%,有效改善了摊铺质量和摊铺效率。 展开更多
关键词 砾石土心墙摊铺 复杂动态作业环境 元胞自动机 生物激励神经网络(binn) 动态路径规划
下载PDF
基于威胁评估与生物激励神经网络的机器人路径规划研究 被引量：2
3
作者 代亚兰 熊禾根 +1 位作者 陶永 李公法 《高技术通讯》 EI CAS 北大核心 2019年第6期585-593,共9页
针对未知动态环境下移动机器人的路径规划问题,考虑传感器检测范围的有限性与动态障碍物运动的不确定性,提出一种基于动态威胁评估的改进生物激励神经网络算法。采用栅格法与基于虚拟目标点的滚动优化方式进行路径寻优。进一步地,提出... 针对未知动态环境下移动机器人的路径规划问题,考虑传感器检测范围的有限性与动态障碍物运动的不确定性,提出一种基于动态威胁评估的改进生物激励神经网络算法。采用栅格法与基于虚拟目标点的滚动优化方式进行路径寻优。进一步地,提出一种基于直觉模糊集的动态属性决策方法,评估动态障碍物对机器人的威胁程度,并根据生物激励神经网络(BINN)的特点,在动态威胁模型中引入导向传递方式建立子激励模型,引入神经元“亲近值”改进神经元动态变化方程。最后,通过仿真实验验证了该改进算法的有效性。 展开更多
关键词 路径规划 动态障碍 虚拟目标 威胁评估 生物激励神经网络(binn)
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部