作者:李飞,孟庆浩,李吉功,曾明 单位:中国自动化学会;中国科学院自动化所 出版:《自动化学报》2009年第12期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFMOTO2009120140 DOC编号:DOCMOTO2009120149 下载格式:PDF + Word/doc 文字可复制、可编辑
《多传感器稳健融合跟踪算法》PDF+DOC2005年第04期 胡士强,敬忠良,胡洪涛,田宏伟,李建勋 《多传感器模糊融合跟踪算法》PDF+DOC2004年第10期 胡士强,敬忠良 《基于模糊推理的多传感器数据融合方法》PDF+DOC2003年第16期 韩红,韩崇昭,朱洪艳,文戎 《基于雷达和红外传感器的目标检测方法》PDF+DOC2003年第08期 程进军,肖明清,谢希权 《基于空天信息的异类传感器模糊航迹关联算法》PDF+DOC2012年第05期 毛艺帆,王睿,张金成 《基于粒子滤波的分布式目标跟踪算法》PDF+DOC2011年第04期 黄小平,王岩,陈冰洁 《多传感器自适应滤波融合算法》PDF+DOC2008年第08期 高嵩,潘泉,肖秦琨,Chen Xiang 《基于虚拟力的混合感知网节点部署》PDF+DOC2007年第06期 周彤,洪炳镕,朴松昊 《基于移动机器人的主动嗅觉技术研究》PDF+DOC2014年第02期 张东,程磊,刘波,周明达 《基于ZigBee无线传感器网络的变电站人员定位的改进算法研究》PDF+DOC2013年第17期 周小艳,何为,胡国辉
  • 受湍流影响,室内通风环境下的烟羽分布表现出波动变化且不连续的特性;在一些角落处,较大的漩涡会产生长时间的局部浓度极值区;另外室内的障碍物也会改变烟羽的分布状况.因此室内有障碍通风环境下的机器人气味源搜索问题变得很复杂.本文提出了基于概率适应度函数的粒子群优化(Probability-fitness-function based particle swarm optimization,P-PSO)算法并用于多机器人气味源搜索.P-PSO算法的特点是采用概率而非确定数来表达适应度函数值.针对气味源搜索问题,P-PSO算法的适应度函数值由贝叶斯和变论域模糊推理估计的气味源概率表达.为验证提出的搜索策略,构建了对应实际边界条件的室内通风环境的烟羽模型.仿真研究证明了本文提出的P-PSO搜索算法用于解决气味源搜索问题的可行性。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。