学位论文 > 优秀研究生学位论文题录展示

多层次多阶段仿人智能控制与识别方法及其应用的研究

作　者: 王建平
导　师: 张崇巍
学　校: 合肥工业大学
专　业: 电力电子与电力传动
关键词: 智能控制与识别人工智能模式识别智能观测器手写体汉字识别
分类号: TP273.5;TP391.4
类　型: 博士论文
年　份: 2007年
下　载: 506次
引　用: 3次
阅　读: 论文下载

内容摘要

近几十年来，对复杂系统过程控制的智能控制与识别的研究已经成为一种发展趋势。但是，智能控制与识别毕竟还处于开创性的阶段，许多概念和理论尚处于发展中。从总体上来看，智能控制与识别是一个新兴的学科领域，迄今为止对智能控制与识别的定义、理论、方法、结构等尚无统一的系统描述，还缺乏坚实的系统化的理论基础，所包含的技术也还没有取得比较一致共识。但可以预见，随着系统理论、人工智能和计算机技术的发展，智能控制与识别理论方法必将出现更大的发展，并在实际中获得广泛的应有。本文的主要研究内容：1．仿人智能控制与识别理论方法的研究。分析讨论了仿人智能控制与识别的研究目标不是被控对象，而是控制器或识别器如何对领域专家的经验行为和知识结构的模仿；识别和建模的目标不是对象的数学模型，而是整个系统的动态特征模型和控制器定性与定量结合的知识模型。文章结合分层递阶控制、专家系统、模式识别和系统理论，研究了仿人宏观思维和微观行为功能“认知”结构模式的一种多层次多阶段仿人智能控制与识别结构的设计理论方法，建立了三层三段仿人智能控制与识别器模型，给出了设计规范和运行机制，定义了知识模型的表达形式和获取方法。2．智能状态观测器设计。从三层三段仿人智能控制与识别器设计方法与经典观测器设计理论相结合的思想出发，讨论了智能状态观测器设计方法的基本要求，给出了设计规范和实例。并应用于带有负载转矩重构作前馈补偿控制的交流矢量控制系统中，实验效果是令人满意的。该方法突出的特点是：研究的主要目标不是对象的观测器数学模型，而是建立系统特征辨识的动态特征定性与定量结合的专家知识模型；采用多模式开环观测策略，既解决了观测精度问题，又避免了经典观测器设计中的极点配置和稳定性问题。该方法可拓展应用于不同的实际工程对象的状态重构问题，如：大纯滞后、多变量强偶合、非线性时变等复杂对象的观测器设计中。3．机器视觉测量识别与跟踪控制。从被监控目标测量识别与Kalman预测跟踪控制方法相结合的思想出发，讨论了移动机器人自动监控跟踪运动目标的识别与控制算法，给出了设计实例和实验结果。该方法突出的特点是：建立被监控运动目标模式特征的定性与定量结合知识模型，有效的适应环境变化的影响，在无背景图像条件下提取运动目标；采用Kalman滤波器对运动目标状态预测和增量式两步跟踪算法。快速平滑的实现移动机器人跟踪运动目标的驱动控制。4．图像汉字智能识别机设计。以模仿人类认字的思维过程，采用三层三段仿人智能控制与识别器设计方法与模式识别理论相结合，讨论了图像汉字智能识别机设计方法的基本要求，给出了设计规范和实例，并运用于手写体汉字识别和车牌字符识别的实际中。该方法突出的特点是：建立汉字整体性和分解性特征辨识的定性与定量结合的专家知识模型，采用多特征融合的模式识别策略，先验建立多字体模式汉字样本库，仿人容错判断识别汉字字符。

全文目录

摘要  8-10
Abstract  10-12
致谢  12-19
第一章绪论  19-33
  1.1 智能控制与识别理论方法的研究意义  19-20
  1.2 智能控制与识别理论方法的发展与现状  20-31
    1.2.1 智能控制与识别的研究对象、主要特征以及研究的数学工具  22-27
    1.2.2 智能控制与识别理论的发展趋势  27-31
  1.3 本课题研究的意义及论文的内容  31-33
第二章三层三段仿人智能控制与识别器的设计  33-44
  2.1 多层次多阶段智能控制与识别器的结构和功能分析  33-34
  2.2 三层三段仿人智能控制与识别器的功能和结构设计  34-38
    2.2.1 三级层次递阶结构的设计理论方法  34-35
    2.2.2 三段过程专家控制功能的设计理论方法  35-36
    2.2.3 三层三段仿人智能控制与识别器模型  36-38
  2.3 设计规范和运行机制  38-43
  2.4 系统稳定性监控机制  43
  2.5 小结  43-44
第三章交流矢量控制负载转矩(M|^)_f智能观测器设计方法及其应用的研究  44-62
  3.1 智能观测器设计方法  44-47
    3.1.1 智能观测器的结构和功能  44-45
    3.1.2 智能观测器特征模型的构造与辨识  45-46
    3.1.3 智能观测器状态和参数多观测模式的表示与获取  46
    3.1.4 智能观测器观测策略的决策与推理  46-47
  3.2 交流矢量控制负载转矩(M|^)_f智能观测器设计实例  47-52
    3.2.1 负载扰动的非线性状态观测  47-48
    3.2.2 (M|^)_f的智能观测器多观测模式获取与表示  48-49
    3.2.3 (M|^)_f的智能观测器观测级设计  49-51
    3.2.4 (M|^)_f的智能观测器参数校正级设计  51-52
  3.3 交流矢量控制负载转矩(M|^)_f智能观测器实验系统  52-59
    3.3.1 系统传递函数  53-57
    3.3.2 系统仿真  57-59
  3.4 系统实验  59-61
  3.5 小结  61-62
第四章机器人视觉检测与目标跟踪的智能识别与控制机设计及其应用的研究  62-78
  4.1 引言  62
  4.2 移动机器人运动目标自动跟踪的智能识别与控制机模型结构设计  62-64
  4.3 运动目标特征检测算方法  64-66
    4.3.1 运动目标图像HSI差值模型  64-65
    4.3.2 运动目标图像噪声的处理  65
    4.3.3 运动目标阴影部分自适应分割  65-66
    4.3.4 运动目标的自适应分割提取  66
  4.4 执行级知识模型表示与获取  66-69
    4.4.1 运动目标的模式特征提取  66-67
    4.4.2 执行级模式特征模型  67-68
    4.4.3 执行级检测模式算法  68-69
  4.5 任务级知识模型表示与获取  69
    4.5.1 任务级模式特征表示与获取  69
    4.5.2 任务级多任务分配模式集的表示与建立  69
  4.6 运动目标的预测跟踪控制  69-72
    4.6.1 运动目标的运动轨迹估计  69-71
    4.6.2 自主机器人运动控制策略  71-72
  4.7 实验结果分析  72-76
    4.7.1 运动目标检测和识别实验  72-74
    4.7.2 运动目标检测和识别跟踪实验  74-76
  4.8 小结  76-78
第五章汉字图像智能识别机设计方法的研究与应用  78-119
  5.1 汉字图像智能识别机的提出  78-80
  5.2 汉字图像智能识别机的设计  80-89
    5.2.1 汉字图像智能识别机的结构设计  80-82
    5.2.2 决策控制级的多模态定性识别  82-85
    5.2.3 模式识别级的候选字加权多分类器结果融合识别  85-87
    5.2.4 识别结果的可信度判断与反馈校正  87-88
    5.2.5 识别机的参数选取及应用  88-89
    5.2.6 汉字图像智能识别机的识别特点  89
  5.3 汉字图像智能识别机应用实例  89-95
    5.3.1 汉字图像小波特征识别应用实例  90-94
    5.3.2 汉字图像编码特征识别应用实例  94-95
  5.4 脱机手写体汉字的仿生模式识别方法  95-105
    5.4.1 手写体汉字的笔段提取和笔段图形神经元获取  95-98
    5.4.2 汉字笔划的笔段合成及其容错形状  98-99
    5.4.3 汉字笔划的神经元网络合成  99
    5.4.4 汉字笔划相合相交结构类型判断  99-100
    5.4.5 手写体汉字的特征知识获取  100-101
    5.4.6 手写体汉字的识别方法  101-102
    5.4.7 手写体汉字的识别步骤  102-104
    5.4.8 手写体汉字的识别实验分析  104-105
  5.5 车牌字符识别应用平台  105-111
  5.6 小结  111-112
  5.7 附录  112-119
第六章总结与展望  119-121
  6.1 总结  119-120
  6.2 展望  120-121
参考文献  121-126
攻读博士学位期间发表的论文  126

多层次多阶段仿人智能控制与识别方法及其应用的研究

内容摘要

全文目录

相似论文