本文選題：移動機(jī)器人 + 地面分類�。� 參考：《哈爾濱工程大學(xué)學(xué)報(bào)》2017年04期

【摘要】：為了提高移動機(jī)器人地面分類的準(zhǔn)確率,采用奇異值分解和功率譜密度估計(jì)兩種方法對振動信號進(jìn)行特征提取。針對極限學(xué)習(xí)機(jī)的隱層節(jié)點(diǎn)冗余問題,給出改進(jìn)的算法,并采用改進(jìn)的極限學(xué)習(xí)機(jī)對地面分類。針對模糊積分參數(shù)耗時和積分函數(shù)不確定的問題,給出改進(jìn)的方法,并基于2種特征采用改進(jìn)的模糊積分對2個改進(jìn)的極限學(xué)習(xí)機(jī)進(jìn)行融合。在四輪移動機(jī)器人左前輪輪臂上安裝三向加速度計(jì)和z向傳聲器,使之在沙、碎石、草、土、瀝青地面上分別以5種速度行駛,采集車輪與地面相互作用的加速度和聲壓信號。根據(jù)改進(jìn)的極限學(xué)習(xí)機(jī)和模糊積分融合算法,分別對每種速度下的5種地面進(jìn)行分類,分類平均準(zhǔn)確率為95.22%。實(shí)驗(yàn)驗(yàn)證了算法的有效性。
[Abstract]:In order to improve the accuracy of mobile robot ground classification, singular value decomposition (SVD) and power spectral density estimation (PSD) are used to extract the feature of vibration signal.Aiming at the hidden layer node redundancy of LLM, an improved algorithm is presented, and the improved LLM is used to classify the ground.In order to solve the problem of time consuming of fuzzy integral parameters and uncertainty of integral function, an improved method is presented, and two improved extreme learning machines are fused by improved fuzzy integral based on two characteristics.A three-direction accelerometer and a Z-direction microphone are installed on the left front wheel arm of a four-wheel mobile robot to drive on sand, gravel, grass, soil and asphalt at five speeds, respectively. The acceleration and sound pressure signals of the interaction between the wheel and the ground are collected.According to the improved extreme learning machine and fuzzy integration fusion algorithm, five kinds of ground are classified at each speed, and the average accuracy of classification is 95.22.The effectiveness of the algorithm is verified by experiments.
【作者單位】： 哈爾濱工程大學(xué)機(jī)電工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(60775060) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20122304110014)
【分類號】：TP242

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賀升平;覃征;;實(shí)時模糊積分融合的快速求解λ算法[J];模式識別與人工智能;2007年04期

2 馮圣洪,周心權(quán),徐敬德;基于模糊積分理論的多指標(biāo)綜合評價(jià)合成技術(shù)研究[J];系統(tǒng)工程理論與實(shí)踐;1999年04期

3 李保洲,鄧雁萍,李介谷;基于模糊積分的信息融合研究[J];紅外與激光工程;1999年04期

4 肖剛,敬忠良,李建勛,劉磊,王淑;一種基于模糊積分的圖像最優(yōu)融合方法[J];上海交通大學(xué)學(xué)報(bào);2005年08期

5 孔志周;蔡自興;;分類器融合中模糊積分理論研究進(jìn)展[J];小型微型計(jì)算機(jī)系統(tǒng);2008年06期

6 梁繼民,楊萬海,蔡希堯;決策融合的模糊積分方法[J];西安電子科技大學(xué)學(xué)報(bào);1998年02期

7 吳昊;;基于模糊積分的彈藥處廢機(jī)構(gòu)智能安全評測系統(tǒng)[J];四川兵工學(xué)報(bào);2008年01期

8 石東源;熊國江;陳金富;李銀紅;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和模糊積分融合的電網(wǎng)分區(qū)故障診斷[J];中國電機(jī)工程學(xué)報(bào);2014年04期

9 傅s，

本文編號：1738318