機器人應用技術論文(2)
機器人應用技術論文
機器人應用技術論文篇二
人工智能技術在足球機器人中的應用
摘要： 人工智能研究的一個重要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。隨著人工智能理論與技術的發(fā)展，以及其在機器人領域中的應用，機器人的智能化水平得到了大幅度的提高。本文分析了國內外人工智能的研究現狀，闡述了足球機器人及人工智能中的關鍵技術。用專家系統技術進行不同層次的機器人路徑規(guī)劃，隨著遺傳算法、蟻群算法等的具體應用，獲得了較為理想的路徑搜索效率，達到了較好的規(guī)劃效果。引入人工神經網絡對足球機器人目標物空間位置進行精確測量，從而較好地實現了機器人導航中的目標定位與軌跡追蹤。
關鍵詞： 人工智能 足球機器人 人工神經網絡 智能控制
引言
足球機器人系統是一個典型的多智能體系統和分布式人工智能系統，涉及機器人學、計算機視覺[1]、模式識別、多智能體系統[2]、人工神經網絡[3]等領域，而且它為人工智能理論研究及多種技術的集成應用提供了良好的實驗平臺。機器人球隊與人類足球一樣，它的勝負不但取決于機器人本身的性能，而且取決于比賽策略，只有將可靠的硬件與先進的策略結合才能取勝。人工智能技術在足球機器人的平臺上有著重要的作用。從機器人的外觀到機器人最重要的核心部分——控制、決策，都無不起著重要的作用。專家系統[4]、人工神經網絡在機器人的路徑規(guī)劃[5]上得到充分的應用。
1.人工智能研究現狀
人工智能[6-8]是一門研究人類智能機理，以及如何用計算機模擬人類智能活動的學科，該領域的研究包括機器人、語言識別[9]、圖像識別、自然語言處理和專家系統等，涉及數理邏輯、語言學、醫(yī)學和哲學等多門學科。人工智能學科研究的主要內容包括：知識表示[10][11]、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
幾乎所有的編程語言均可用于解決人工智能算法，但從編程的便捷性和運行效率考慮，最好選用“人工智能語言”[12]。常用的人工智能語言有傳統的函數型語言Lisp、邏輯型語言Prolog及面向對象語言Smalltalk、VC++及VB等，Math-Works公司推出的高性能數值計算可視化軟件Matlab中包含神經網絡工具箱，提供了許多Matlab函數。另外，還有多種系統工具用于開發(fā)特定領域的專家系統，如INSIGHT、GURU、CLIPS、ART等。這些實用工具為開發(fā)人工智能應用程序提供了便利條件，使人工智能越來越方便地運用于各種領域。
智能機器人是信息技術和人工智能等學科的綜合試驗場，可以全面檢驗信息技術和人工智能等各領域的成果，以及它們之間的相互關系。人工智能技術中的視覺、傳感融合、行為決策、知識處理等技術，需要使無線通訊、智能控制、機電儀一體化、計算機仿真等許多關鍵技術有機、高效地集成統一。人們在很多領域都成功地實現了人工智能：自主規(guī)劃和調度、博弈、自主控制、診斷、后勤規(guī)劃、機器人技術、語言理解和問題求解等。
2.人工智能主要研究領域
人工智能的研究領域非常廣泛，而且涉及的學科非常多。目前，人工智能的主要研究領域包括：專家系統、機器學習、模式識別、自然語言理解、自動定理證明、自動程序設計、機器人學、智能決策支持系統及人工神經網絡等。下面主要介紹在足球機器人設計、制造、控制等過程中常用的人工智能技術[13]。
2.1專家系統
專家系統是一個智能計算機程序系統，是一個具有大量專門知識與經驗的程序系統，它應用人工智能技術和計算機技術，根據某領域一個或多個專家提供的知識和經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題。專家系統一般具有如下基本特征：具有專家水平的專門知識;能進行有效的推理;具有獲取知識的能力;具有靈活性;具有透明性;具有交互性;具有實用性;具有一定的復雜性及難度。
2.2人工神經網絡
人工神經網絡是由大量處理單元互聯組成的非線性、自適應信息處理系統，采用了與傳統人工智能和信息處理技術完全不同的機理，克服了傳統的基于邏輯符號的人工智能在處理直覺、非結構化信息方面的缺陷，具有自適應、自組織和實時學習的特點。神經網絡在很多領域已得到了很好的應用，但其需要研究的方面還很多。其中，具有分布存儲、并行處理、自學習、自組織和非線性映射等優(yōu)點的神經網絡與其他技術的結合，以及由此而來的混合方法和混合系統，已經成為一大研究熱點。由于其他方法也有優(yōu)點，因此將神經網絡與其他方法相結合，取長補短，可以達到更好的應用效果。目前這方面工作有神經網絡與模糊邏輯、專家系統、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據理論和灰色系統等的融合。
2.3圖像處理
圖像處理是用計算機對圖像進行分析，達到所需結果，又稱影像處理。圖像處理技術主要包括圖像壓縮，增強和復原，匹配、描述和識別三個部分。常見的處理有圖像數字化、圖像編碼、圖像增強、圖像復原、圖像分割和圖像分析等。數字圖像處理中的模式識別技術，可以對人眼無法識別的圖像進行分類處理，可以快速準確地檢索、匹配和識別出各種東西，在日常生活各方面和軍事上用途較大。
3.人工智能在足球機器人中的應用
3.1基于專家系統的足球機器人規(guī)劃
路徑規(guī)劃或避碰問題是足球機器人比賽中的一個重要環(huán)節(jié)。根據工作環(huán)境，路徑規(guī)劃模型可分為基于模型的全局路徑規(guī)劃和基于傳感器的局部路徑規(guī)劃。全局路徑規(guī)劃的主要方法有：可視圖法、自由空間法、最優(yōu)控制法、柵格法、拓撲法、切線圖法、神經網絡法等。局部路徑規(guī)劃的主要方法有：人工勢場法、模糊邏輯算法、神經網絡法、遺傳算法[14]等。機器人規(guī)劃專家系統是用專家系統的結構和技術建立起來的機器人規(guī)劃系統。大多數成功的專家系統都是以基于規(guī)則系統的結構來模仿人類的綜合機理的。它由五部分組成：知識庫、控制策略、推理機、知識獲取、解釋與說明。隨著人工智能計算智能與進化算法研究的逐步發(fā)展，遺傳算法、蟻群算法等的提出，機器人路徑規(guī)劃問題得到了相應發(fā)展。尤其是通過遺傳算法在路徑規(guī)劃中的應用，機器人更加智能化，其運行路徑更加逼近理想的優(yōu)化要求。以動態(tài)、未知環(huán)境下的機器人路徑規(guī)劃為研究背景，利用遺傳算法采用了基于路點坐標值的可變長染色體編碼方式，構造了包含障礙物排斥子函數項的代價函數，使得路徑規(guī)劃中的地圖信息被成功引入到了遺傳操作的實現過程中。同時針對路徑規(guī)劃問題的具體應用，改進了交叉和變異兩種遺傳算子，獲得了較為理想的路徑搜索效率，達到了較好的移動機器人路徑規(guī)劃效果。 3.2人工神經網絡在機器人定導航中的應用
人工神經網絡是一種仿效生物神經系統的信息處理方法，其優(yōu)點主要體現在它可以處理難以用模型或規(guī)則描述的過程和系統;對非線性系統具有統一的描述;有較強的信息融合能力。因此在移動機器人定位與導航方面，基于神經網絡的多傳感器信息融合正是利用了神經網絡的這些特性，將機器人外部傳感器的傳感數據信息作為神經網絡的輸入處理對象，從而獲得移動機器人自身位置與對障礙物比較精確的估計，實現移動機器人的避障與自定位。
結語
隨著人工智能技術的進一步研究，足球機器人競賽水平將不斷提高。但就目前情況來看，在現有的基礎上擴大應用的范圍，增強應用的效果，還應主要在人工智能技術上做進一步的研究。專家系統在專家知識的總結、表述及不確定的情況下推理是目前專家系統的瓶頸所在。制造生產的多變復雜性及操作的人工經驗性，使人工智能的應用受到限制。此外，一些工藝參數的定量化實現也不易。隨著技術的飛速發(fā)展，人工智能技術也在進一步完善，如多種方法混合技術、多專家系統技術、機器學習方法、并行分布處理技術等。隨著新型人工智能技術的出現，制造業(yè)將會更加光明，性能更加優(yōu)越的足球機器人也不再遙遠。
參考文獻：
[1]鄭南寧.計算機視覺與模式識別[M].北京-國防工業(yè)出版社，1998.3.
[2]Wang Hongbing Fan Zhihua She Chundong Formal Specification of Role Assignment for Open Multi Agent System Chinese of Journal Electronics[J].2007，16(2)：212-216.
[3]LIMING ZHANG AND FANJI GU NEURAL INFORMATION PROCESSING VOLUME 1[M]Fudan University Press， 2001.
[4]Cai Zixing，King-Sun Fu. Expert-System-Based Robot Planning ?Control Theory & Applications[J] .1988(2)： 35-42.
[5]張銳，吳成東.機器人智能控制研究進展[J].沈陽建筑工程學院學報(自然科學版)，2003，19(1)：61-64.
[6]蔡自興，徐光祐.人工智能機器應用(第三版)清華大學出版社，2004.
[7]艾輝.謝康寧，謝百治.談人工智能技術[J]中國醫(yī)學教育技術，2004，18(2)：78-80.
[8]Nilsson NJ.Artificial Intelligence：A New Synthesis[M].Beijing：China Machine Press，2006：72-95.
[9]Han Jiqing Gao Wen Robust Speech Recognition Method Based on Discriminative Environment Feature Extraction Journal of Computer Science and Technology[J]. 2001;16(5)：458-464.
[10]Tang Zhijie Yang Baoan Zhang Kejing Design of Multi-attribute Knowledge Base Based on Hybrid Knowledge Representation Journal of Donghua University 2006，23(6)：62-66.
[11]Hu Xiangpei Wang Xuyin Knowledge representation and rule——based solution system for dynamic programming model Journal of Harbin Institute of Technology 2003，10(2)：190-194.
[12]姚根.人工智能的概況及實現方法[J] .2009，28(3)：108.
[13]張妮，徐文尚.王文文人工智能技術發(fā)展及應用研究綜述[J].煤礦機械2009，30(2)：4-7.
[14]劉祚時，胡翠娜.基于神經網絡和遺傳算法的足球機器人路徑規(guī)劃[J].計算機應用與軟件，2007，24(5)：156-157.
看了“機器人應用技術論文”的人還看：
4.機器人科技論文