论文部分内容阅读
[摘 要]首先设计基于神经网络的智能型固定机器人，此框架可以引入先进算法，扩充系统功能，然后提出多控制系统避碰智能决策系统解决方法，保障使用的安全：不产生误动作，最后给出基于多智能体系框架结构，完成智能化机器人的总体设计。
[关键词]家用固定机器人智能决策 多智能体 神经网络
中图分类号：TP2 文献标识码：A 文章编号：1671－7597（2008）0510016－02
一、引言
家用电器技术的发展是一个国家科技水平和工业自动化程度的重要标志和体现，家用电器自动化应用越来越广泛，但是家用电器的自动化的发展现只能是起步阶段，还没有达到能得心应手的阶段，其实，可以认为是不动机器人，它通过嵌入式软件操作，通过传感器感知，通过网络与用户交流。此技术综合了计算机，控制论、机械学，信息和传感技术，人工智能、仿生学等多学科而形成的高新技术，集成许多学科的发展成果，代表高技术的发展是科技研究的随着计算机、电子信息技术的快速进步．家电控制技术的开发速度越来越快，智能度越来越高，它是动态决策与规划、行为控制与执行等多功能于一体的综合系统，是一类能够通过传感器感知环境和自身状态调节家电状态的智能系统。
二、自动目标识别框架算法的优化和调整，必须采用可视化界面设计，同时提供设计选择和改进优化的机会
系统显示的界面部分是由一些内容相互联系的模块所组成，每个模块代表一个分离的子系统。框架应能够对全部或部分程序进行优化处理，应尽可能多地增加新的优化算法到框架中。框架可以为算法开发者提供在线帮助，以熟悉操作界面和框架的使用。框架应充分利用已有的面向对象程序设计的设计环境，那些用于向导的设计选择可以嵌入到继承的结构中，应易于通过产生导出类或添加界面的方式扩展系统。框架采用模块化设计，通过相对独立的模块设计。根据面向对象程序设计的特点，设计者的大部分工作是编写程序，通过使用已有的对象导出新的对象，并且把它们融合在一起，这项工作主要是利用了继承性扩展函数来完成。
三、基于简目标自动识别框架结构
由于是实验的初级阶段，本文提出了一个层次化、模块化的自动目标优先框架方案，利用层次化识别的原理，将一个多类别的复杂识别问题分解成在不同层次上对多层系统变成的简单识别问题，使得识别系统在不同层次上可以灵活地采用相应的特征提取与目标识别算法；而增加新的识别类型时，也只需要对局部的系统结构或参数进行调整。另外，一个实用的自动目标识别系统通常需具备数据获取、特征提取及目标识别分类等基本功能。
这种家电系统还存在于系统昂贵，传输线过多不利于安装，电脑的扩展不够等因素，不利于普通家庭使用等特点，对不同任务和特殊环境的适应性是家电与一般自动化装备的重要区别智能家电从外观上已远远脱离了最初的家用电器所具有的形状和局限，更加符合各种家庭环境的特殊要求。其功能和智能程度太大增强 从而为家庭现代化技术开辟出更加广阔的发展空间，而多传感器信息融合技术是智能化的关键技术。
（一）传感器
所用的传感器有很多种，根据不同用途分为内部测器传感器和外部测量传感器两大类 内部测量传感器用来检测电器组成部件的内部状态，包括：温度传感器、外部传感器包括：（测量）、滑动觉传感器、视觉传感器、红外传感器、超声传感器、触觉传感器等。由于受到各传感器的检测对象，需要确定不同的传感器数据的一致性，通过不同传感器信息的互相补充来获得外部完整的信息，所以多传感器信息融合，提高电器的智能化程度。
（二）信息融合
情息融合是利用计算机技术对按家电动作时序取得的若干信息源以一定准则加以自动分析、综合，完成任务进行的信息处理，表现在几个方面：划分信息级别，将信息组成信息库，信息融合在几个层次上完成对多源信息的选取过程，每一层次都表示不同级别的信息，信息融合本质是一个由低层到顶层对多元信息进行组合 。
（三）多传感器之间的信息融合（通过单片机）
本文提出的层次化、模块化的自动目标识别框架，按照功能分解成相对独立的模块，可以分别提供多种不同的算法，以供系统实现时进，多传感器信息融合技术对促进向智能化、自主化方向转换，协调使用多用传感器，把分布在不同位置的多个同质或异质传感器所提供的局部不完整量及相关联数据库中的相关信息加以综合．消除多传感器之间可能存在的冗余和矛盾，并加以互补，确定本次动做的唯一性，获得对物体或环境的一致性描述的过程。它通过一定的算法来合并多个信息源的信息，以产生更可靠、更准确的信息，并根据这些信息做出可靠的决策。其关键技术可对各类、各个原始信息进行校准、相关估计、误差模式识别和状态决策处理。多传感器系统是信息融合技术的硬件基础，多源信息是信息融合的加工对象，融合算法是信息融合的核心。多传感器信息融合的一般方法如图l所示。
多传感器信息融合由于其应用上的复杂性和多样性，目前多传感器信息融合方法有模糊逻辑、神经网络、小波变换等，神经网络是多传感器信息融合的重要方法之一。
多个传感器信息融合技术对促进机器人向智能化自主化起着极其重要的作用，是协调使用多个传感器，把分布到各个相关联数据库中的相关信息加以综合。消除多传感把分布在不同位置的多个同质或异质传感器所提供的局部不完整器之间可能存在的冗余和矛盾，降低其不确定性，是机器人智能化的关键技术之一。其关键技术可对各类、各个原始信息进行校准、相关估计、误差模式识别和状态决策处理。它通过一定的算法来合并多个信息源的信息，根据这些信息做出可靠的决策。多传感器系统是信息融合技术的硬件基础，多源信息是信息融合的加工对象，融合算法是信息融合的核心。
四、基于神经网络信息融合的智能系统
人工神经网络是由许多单元，又称神经元，按照一定的拓扑结构相互连接而成的一种具有并行计算能力的网络系统，具有较强的非线性拟合能力和多输入多输出同时处理能力。
①信息可分布存储，容量大，容错性较好；② 自学习，自组织，自校正、自适应；③神经网络的行为是大量神经元的集体行为；④ 神经元可以处理一些环境十分复杂，知识背景不清楚和推理规则不明确的问题。神经网络是一个高度非线性动力学系统。
（一）人工神经网络具有如下特征
①并行信息分布处理PDP；②可学习性；③鲁棒性和容错性；④泛化能力。采用人工神经网络进行信息融合的最大优势在于：大规模的并行处理和分布式信息存储，良好的自适应、自组织性。以及很强的学习功能、联想功能和容错功能力。
（二）神经网络模型
神经网络有输入输出层节点、还有隐层节点，经过作用函数后，再把隐层节点的输出信号传到输出层节点，经过处理后给出输出结果，在执行中，输入是被执行对象征兆存在与及程度，输出是学习模式。
前馈多层神经网络
我们采用BP神经网络，均为三层前向网络，由一个输入层、一个输出层和一个隐藏层构成，输入信号前向传播到隐藏层，经节点非线性函数作用后再传到输出层，得到相应的输出。如果网络输出有差异，则通过修正各连接权值使总体误差最小。
学习方法
设Ｎ个节点任意网络，只有一个输出Ｙ，任一节点i之输出为 ，设有Ｎ个样本，对于某一输入，网络输出为，节点i输出 ，为节点输入为：
该试反应了E在权值空间｛W｝上的梯度方向，其计算过程即是输出误差通过网络连接的反向传播过程。
前向神经网络通过误差修正的自学习，学习过程由正向传播和反向传播组成，在正向传播过程中，输入信号从输入层经隐含层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态，如输出层不能得到期望的输出，则转入反向传播，将输出信号的误差信号沿原来连接通路返回，反复修正网络各层神经元之间的连接权值，使得误差信号最小，将隐含在样本中的规律性反映到网络神经元的联系中，一旦学习完毕，神经网络就具备了相当于样本组合的判断能力。神经网络模块从专家系统的推理机制和模糊性处理获取必要的学习样本及诊断结果，将学习结果存储于神经数据库．
（三）在家电选择中的应用
学习分四步，一是随机抽取传感器值做训练。二是学习训练，用算法进行学习，建立神经网络。三是对于新增的故障在已有的神经网络基础上通过调整连权值，进行新的学习。第四对于已建好的神经网络用其它故障值进行验证，当正确率不满足要求时，加入一定比例不能进行正确判断到最优先的信号，重返回三进行学习，直到判断精度达到要求为止，本文选取系统学习和测试的子集是6个，经算法学习后生成的神经网络经测试集训练后效果能符合。
五、结论
目前只对电冰箱、空调、电饭煲、微波炉、电磁炉，和家用摄像头等几种选择。
多传感器信息融合技术关键技术之一，随着传感器技术与单片机融合技术水平的提高，获取环境信息的感知能力以及系统决策能力将会得到不断的提高。基于神经网络对多路传感器信息进行融合选取，促使家用电器的智能化和自主化，达到完全控制的目的。
参考文献：
[1]周治平，多媒体CAI及其程序设计[J].微型电脑应用.
[2]刘万锁、陆先奎，多媒体CAI课室的设计及其在高校教学中的应用[J].微型电脑应用.
[3]谢茂清、朱文，流体网络拓扑分析的研究[J].系统仿真学报.
[4]陈定君、郭晓东，嵌入式软件仿真开发系统的研究[J].电子学报.
[5]汤淑春、文传源，仿真结果与试验数据的一致性研究[J].系统仿真学报，1998（8）:37-41.
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”
[关键词]家用固定机器人智能决策 多智能体 神经网络
中图分类号：TP2 文献标识码：A 文章编号：1671－7597（2008）0510016－02
一、引言
家用电器技术的发展是一个国家科技水平和工业自动化程度的重要标志和体现，家用电器自动化应用越来越广泛，但是家用电器的自动化的发展现只能是起步阶段，还没有达到能得心应手的阶段，其实，可以认为是不动机器人，它通过嵌入式软件操作，通过传感器感知，通过网络与用户交流。此技术综合了计算机，控制论、机械学，信息和传感技术，人工智能、仿生学等多学科而形成的高新技术，集成许多学科的发展成果，代表高技术的发展是科技研究的随着计算机、电子信息技术的快速进步．家电控制技术的开发速度越来越快，智能度越来越高，它是动态决策与规划、行为控制与执行等多功能于一体的综合系统，是一类能够通过传感器感知环境和自身状态调节家电状态的智能系统。
二、自动目标识别框架算法的优化和调整，必须采用可视化界面设计，同时提供设计选择和改进优化的机会
系统显示的界面部分是由一些内容相互联系的模块所组成，每个模块代表一个分离的子系统。框架应能够对全部或部分程序进行优化处理，应尽可能多地增加新的优化算法到框架中。框架可以为算法开发者提供在线帮助，以熟悉操作界面和框架的使用。框架应充分利用已有的面向对象程序设计的设计环境，那些用于向导的设计选择可以嵌入到继承的结构中，应易于通过产生导出类或添加界面的方式扩展系统。框架采用模块化设计，通过相对独立的模块设计。根据面向对象程序设计的特点，设计者的大部分工作是编写程序，通过使用已有的对象导出新的对象，并且把它们融合在一起，这项工作主要是利用了继承性扩展函数来完成。
三、基于简目标自动识别框架结构
由于是实验的初级阶段，本文提出了一个层次化、模块化的自动目标优先框架方案，利用层次化识别的原理，将一个多类别的复杂识别问题分解成在不同层次上对多层系统变成的简单识别问题，使得识别系统在不同层次上可以灵活地采用相应的特征提取与目标识别算法；而增加新的识别类型时，也只需要对局部的系统结构或参数进行调整。另外，一个实用的自动目标识别系统通常需具备数据获取、特征提取及目标识别分类等基本功能。
这种家电系统还存在于系统昂贵，传输线过多不利于安装，电脑的扩展不够等因素，不利于普通家庭使用等特点，对不同任务和特殊环境的适应性是家电与一般自动化装备的重要区别智能家电从外观上已远远脱离了最初的家用电器所具有的形状和局限，更加符合各种家庭环境的特殊要求。其功能和智能程度太大增强 从而为家庭现代化技术开辟出更加广阔的发展空间，而多传感器信息融合技术是智能化的关键技术。
（一）传感器
所用的传感器有很多种，根据不同用途分为内部测器传感器和外部测量传感器两大类 内部测量传感器用来检测电器组成部件的内部状态，包括：温度传感器、外部传感器包括：（测量）、滑动觉传感器、视觉传感器、红外传感器、超声传感器、触觉传感器等。由于受到各传感器的检测对象，需要确定不同的传感器数据的一致性，通过不同传感器信息的互相补充来获得外部完整的信息，所以多传感器信息融合，提高电器的智能化程度。
（二）信息融合
情息融合是利用计算机技术对按家电动作时序取得的若干信息源以一定准则加以自动分析、综合，完成任务进行的信息处理，表现在几个方面：划分信息级别，将信息组成信息库，信息融合在几个层次上完成对多源信息的选取过程，每一层次都表示不同级别的信息，信息融合本质是一个由低层到顶层对多元信息进行组合 。
（三）多传感器之间的信息融合（通过单片机）
本文提出的层次化、模块化的自动目标识别框架，按照功能分解成相对独立的模块，可以分别提供多种不同的算法，以供系统实现时进，多传感器信息融合技术对促进向智能化、自主化方向转换，协调使用多用传感器，把分布在不同位置的多个同质或异质传感器所提供的局部不完整量及相关联数据库中的相关信息加以综合．消除多传感器之间可能存在的冗余和矛盾，并加以互补，确定本次动做的唯一性，获得对物体或环境的一致性描述的过程。它通过一定的算法来合并多个信息源的信息，以产生更可靠、更准确的信息，并根据这些信息做出可靠的决策。其关键技术可对各类、各个原始信息进行校准、相关估计、误差模式识别和状态决策处理。多传感器系统是信息融合技术的硬件基础，多源信息是信息融合的加工对象，融合算法是信息融合的核心。多传感器信息融合的一般方法如图l所示。
多传感器信息融合由于其应用上的复杂性和多样性，目前多传感器信息融合方法有模糊逻辑、神经网络、小波变换等，神经网络是多传感器信息融合的重要方法之一。
多个传感器信息融合技术对促进机器人向智能化自主化起着极其重要的作用，是协调使用多个传感器，把分布到各个相关联数据库中的相关信息加以综合。消除多传感把分布在不同位置的多个同质或异质传感器所提供的局部不完整器之间可能存在的冗余和矛盾，降低其不确定性，是机器人智能化的关键技术之一。其关键技术可对各类、各个原始信息进行校准、相关估计、误差模式识别和状态决策处理。它通过一定的算法来合并多个信息源的信息，根据这些信息做出可靠的决策。多传感器系统是信息融合技术的硬件基础，多源信息是信息融合的加工对象，融合算法是信息融合的核心。
四、基于神经网络信息融合的智能系统
人工神经网络是由许多单元，又称神经元，按照一定的拓扑结构相互连接而成的一种具有并行计算能力的网络系统，具有较强的非线性拟合能力和多输入多输出同时处理能力。
①信息可分布存储，容量大，容错性较好；② 自学习，自组织，自校正、自适应；③神经网络的行为是大量神经元的集体行为；④ 神经元可以处理一些环境十分复杂，知识背景不清楚和推理规则不明确的问题。神经网络是一个高度非线性动力学系统。
（一）人工神经网络具有如下特征
①并行信息分布处理PDP；②可学习性；③鲁棒性和容错性；④泛化能力。采用人工神经网络进行信息融合的最大优势在于：大规模的并行处理和分布式信息存储，良好的自适应、自组织性。以及很强的学习功能、联想功能和容错功能力。
（二）神经网络模型
神经网络有输入输出层节点、还有隐层节点，经过作用函数后，再把隐层节点的输出信号传到输出层节点，经过处理后给出输出结果，在执行中，输入是被执行对象征兆存在与及程度，输出是学习模式。
前馈多层神经网络
我们采用BP神经网络，均为三层前向网络，由一个输入层、一个输出层和一个隐藏层构成，输入信号前向传播到隐藏层，经节点非线性函数作用后再传到输出层，得到相应的输出。如果网络输出有差异，则通过修正各连接权值使总体误差最小。
学习方法
设Ｎ个节点任意网络，只有一个输出Ｙ，任一节点i之输出为 ，设有Ｎ个样本，对于某一输入，网络输出为，节点i输出 ，为节点输入为：
该试反应了E在权值空间｛W｝上的梯度方向，其计算过程即是输出误差通过网络连接的反向传播过程。
前向神经网络通过误差修正的自学习，学习过程由正向传播和反向传播组成，在正向传播过程中，输入信号从输入层经隐含层逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态，如输出层不能得到期望的输出，则转入反向传播，将输出信号的误差信号沿原来连接通路返回，反复修正网络各层神经元之间的连接权值，使得误差信号最小，将隐含在样本中的规律性反映到网络神经元的联系中，一旦学习完毕，神经网络就具备了相当于样本组合的判断能力。神经网络模块从专家系统的推理机制和模糊性处理获取必要的学习样本及诊断结果，将学习结果存储于神经数据库．
（三）在家电选择中的应用
学习分四步，一是随机抽取传感器值做训练。二是学习训练，用算法进行学习，建立神经网络。三是对于新增的故障在已有的神经网络基础上通过调整连权值，进行新的学习。第四对于已建好的神经网络用其它故障值进行验证，当正确率不满足要求时，加入一定比例不能进行正确判断到最优先的信号，重返回三进行学习，直到判断精度达到要求为止，本文选取系统学习和测试的子集是6个，经算法学习后生成的神经网络经测试集训练后效果能符合。
五、结论
目前只对电冰箱、空调、电饭煲、微波炉、电磁炉，和家用摄像头等几种选择。
多传感器信息融合技术关键技术之一，随着传感器技术与单片机融合技术水平的提高，获取环境信息的感知能力以及系统决策能力将会得到不断的提高。基于神经网络对多路传感器信息进行融合选取，促使家用电器的智能化和自主化，达到完全控制的目的。
参考文献：
[1]周治平，多媒体CAI及其程序设计[J].微型电脑应用.
[2]刘万锁、陆先奎，多媒体CAI课室的设计及其在高校教学中的应用[J].微型电脑应用.
[3]谢茂清、朱文，流体网络拓扑分析的研究[J].系统仿真学报.
[4]陈定君、郭晓东，嵌入式软件仿真开发系统的研究[J].电子学报.
[5]汤淑春、文传源，仿真结果与试验数据的一致性研究[J].系统仿真学报，1998（8）:37-41.
注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”