绪论 1
参考文献 8
第1部分 MIAS基础概念 9
第1章 神经-模糊-遗传算法-人工智能范式 9
1.1 引言 9
1.2 人工神经网络 10
1.3 前馈神经网络 13
1.3.1 学习算法 14
1.4 递归神经网络 16
1.4.1 一些RNN变异型 16
1.5 基于Hopfield神经网络-RNN的参数估计 17
1.6 模糊逻辑和模糊系统 19
1.6.1 模糊推理机/系统 23
1.7 遗传算法 25
1.7.1 典型的遗传算法过程 27
1.7.2 遗传编程 29
1.8 与人工神经网络相结合的理念以及分类 29
1.8.1 结合人工神经网络的模糊逻辑方法输出或结果的分类 30
1.8.2 与人工神经网络的输出/结果相结合的基于GA的方法 30
1.8.3 GA-FL混合方法 31
1.9 机器人技术中模糊神经遗传算法的一些可能应用 31
1.9.1 基于人工神经网络摄像头:机器人协同 31
1.9.2 机器人的人工神经网络路径规划 32
1.9.3 GA-FL综合合成 32
1.10 人工智能 33
1.10.1 像人类一样思考 33
1.10.2 像人类一样行动 33
1.10.3 理性思考或理性思维 33
1.10.4 理性行为 33
1.10.5 AI前景 34
1.10.6 智能代理 35
1.10.7 智能MIAS/机器人系统 36
参考文献 37
第2章 机器人运动的数学模型 38
2.1 引言 38
2.2 机器人空间定位 38
2.2.1 机器人位置 39
2.2.2 机器人及其连杆定位 39
2.2.3 旋转矩阵 40
2.2.4 齐次变换 41
2.3 机器人运动学 42
2.4 动态模型 43
2.4.1 运动方程 43
2.5 机器人的行走 44
2.6 概率机器人运动模型 45
2.6.1 测距法 46
2.6.2 航位推算法 47
参考文献 48
第3章 移动智能自主系统中的数据融合 49
3.1 引言 49
3.2 为什么MIAS需要数据融合 50
3.3 MIAS数据融合方法概述 51
3.4 结束语 58
参考文献 58
第4章 图像配准与融合 60
4.1 引言 60
4.2 图像配准 60
4.2.1 图像配准的步骤 62
4.2.2 卫星图像配准 65
4.2.3 文献综述 66
4.2.4 卫星图像配准方法 70
4.3 图像融合 79
4.3.1 图像融合模式 80
4.3.2 不同级别图像融合 80
4.3.3 图像使用方法 81
4.3.4 图像融合性能评价 81
4.3.5 利用模糊逻辑的图像融合 82
4.3.6 图像融合的Ⅱ型模糊逻辑 84
参考文献 85
第5章 利用离散余弦变换的多传感器图像融合方法 89
5.1 引言 89
5.2 离散余弦变换的基础知识 90
5.3 多分辨率离散余弦变换 91
5.4 多传感器图像融合 94
5.5 融合质量评价指标 95
5.6 彩色图像融合 97
5.7 结果与讨论 101
5.8 结束语 104
参考文献 104
第6章 使用频谱框架的运动分割 106
6.1 引言 106
6.2 运动分割的主要方法 107
6.3 运动矢量的计算 108
6.4 最大似然框架 109
6.5 运动分割方法 110
6.5.1 运动检测 110
6.5.2 运动估计 113
6.5.3 谱框架聚类算法 113
6.6 结果讨论 114
6.7 结束语 118
参考文献 118
第7章 具有丢包链路的多智能体系统编队控制 120
7.1 引言 120
7.2 问题描述 122
7.3 基于估计的编队控制算法 124
7.4 在发生数据包丢失事件中传送数据以获得最佳估计 127
7.5 结果与讨论 128
7.6 结束语 131
参考文献 131
第2部分 MIAS与机器人 134
第8章 机器人传感器与仪表 134
8.1 引言 134
8.2 传感器分类 135
8.2.1 电容和电感器件 136
8.2.2 压电换能器 137
8.2.3 压力传感器 137
8.2.4 弯曲/挠曲传感器 137
8.2.5 声纳传感器 137
8.2.6 红外传感器 137
8.2.7 光敏电阻/光电导体 138
8.2.8 车轮传感器 138
8.2.9 速度传感器 138
8.2.10 视觉传感器 139
8.3 其他传感器及其特点和应用 139
8.3.1 触摸(触觉)传感器 139
8.4 传感器的显著特性 140
8.4.1 精度 140
8.4.2 准确度 140
8.4.3 重复性 140
8.4.4 分辨率 140
8.4.5 灵敏度 141
8.4.6 线性度 141
8.4.7 测量范围 141
8.4.8 频率响应 141
8.4.9 可靠性 141
8.4.10 接口 141
8.4.11 传感器的尺寸、重量和体积 141
8.4.12 环境条件 142
8.5 执行器和效应器 142
8.6 信号调理 142
8.7 信号/数据通信和传感器网络 143
8.8 机器人仪器 144
8.9 微电子机械传感器系统 144
8.10 智能传感器 144
参考文献 145
第9章 机器人导航与制导 146
9.1 引言 146
9.2 机器人导航 149
9.2.1 惯性导航 150
9.2.2 固定信标定位 150
9.2.3 光成像与超声成像 150
9.2.4 光学立体视觉 150
9.3 机器人制导 151
9.3.1 有线制导机器人 151
9.3.2 画线制导机器人 151
9.3.3 航位推算 151
9.3.4 触觉检测 152
9.3.5 距离检测 152
9.4 导航任务的总结 153
9.5 导航与制导的应用数学 154
9.6 模糊逻辑控制的移动机器人跟踪 155
参考文献 155
第10章 机器人路径及运动规划 156
10.1 引言 156
10.2 经典方法 158
10.2.1 路线图法 158
10.2.2 单元分解法 159
10.2.3 势场法 159
10.2.4 数学规划法 159
10.3 探试法 159
10.3.1 人工神经网络 160
10.3.2 遗传算法 160
10.3.3 模拟退火法 160
10.3.4 粒子群优化算法 161
10.3.5 蚁群法 161
10.3.6 协同机制 161
10.3.7 小波理论 162
10.3.8 模糊逻辑 162
10.3.9 禁忌搜索 162
10.4 机器人路径规划 163
10.4.1 空间配置 163
10.4.2 图表 164
10.4.3 广度优先搜索 164
10.4.4 Dijkstra算法 165
10.5 其他算法 165
10.5.1 Bug算法 165
10.5.2 势能函数 166
10.5.3 A*算法 166
10.5.4 D*算法 167
10.5.5 聚焦D*算法 168
10.5.6 D*算法简化 168
10.6 图形表示 169
10.6.1 网格表示 169
10.6.2 可视图 169
10.6.3 四叉树 169
10.6.4 方向表示 170
10.7 动力学算法 170
10.7.1 动态Bug算法 170
10.7.2 A*算法 171
10.7.3 次优A*算法 171
10.7.4 D算法 171
10.7.5 机器人运动轨迹规划 172
10.8 A*算法与模糊逻辑组合 172
10.9 多Agent系统路径规划 173
10.10 A*算法路径规划问题图表 174
参考文献 174
第11章 失序测量丢失数据问题 176
11.1 引言 176
11.2 背景问题的信息 177
11.2.1 系统和模型描述 178
11.2.2 用于延时测量的融合过程 179
11.3 现有的各种方法 180
11.3.1 OOSM 180
11.3.2 多重插补方法 181
11.4 仿真实验 184
11.4.1 实验Ⅰ 184
11.4.2 实验Ⅱ 187
11.5 探讨OOSM实验与结论 189
参考文献 190
第12章 动态与不确定环境中基于遗传算法的移动机器人路径规划 193
12.1 引言 193
12.2 二维平面中路径的表示 194
12.3 动态障碍物的表示 196
12.4 沿坐标轴的矩形框组成的障碍物 196
12.5 基于遗传算法的路径规划的实现 198
12.5.1 数值仿真案例 199
12.6 基于GA的运动规划 200
12.7 结束语 202
参考文献 202
第13章 机器人时态逻辑运动规划 203
13.1 引言 203
13.2 自主性的重要性 204
13.3 一般问题定义 205
13.4 时态逻辑概述 206
13.4.1 线性时态逻辑 206
13.4.2 计算树逻辑 207
13.4.3 时间计算树逻辑 208
13.4.4 概率时态逻辑 210
13.5 机器人验证概述 211
13.5.1 运动规划方案合成 211
13.5.2 运行验证 216
13.6 分析 218
13.7 建议方法 220
13.8 案例研究 222
13.9 未来可能性 224
参考文献 225
第14章 军队路径查寻问题的约束规划求解 228
14.1 引言 228
14.2 路径查寻方法概述 229
14.2.1 解决动态路径查寻问题的D*算法 230
14.3 约束满足问题综述 233
14.4 军队路径查寻约束满足问题 233
14.4.1 解决军队静态路径查寻的约束满足问题 234
14.4.2 解决军队动态路径查寻的约束满足问题 235
14.4.3 MUPFP_D*算法 236
14.5 结束语 243
参考文献 243
第15章 移动车辆的同时定位和映射 245
15.1 引言 245
15.2 SLAM问题 246
15.2.1 SLAM的概率形式 246
15.2.2 SLAM结构的观察 247
15.3 SLAM问题的解决方法 248
15.3.1 SLAM的收敛 248
15.3.2 计算方面 248
15.3.3 数据关联 250
15.3.4 非线性 251
15.4 用于SLAM的数学公式 251
15.4.1 数学模型 252
15.4.2 地图表达 252
15.5 依据H-∞滤波器的移动机器人SLAM 253
15.5.1 健壮滤波 253
15.5.2 H-∞范数 253
15.5.3 H-∞滤波器 254
15.5.4 数学模型 254
15.5.5 H-∞后验滤波器 255
15.6 数据仿真结果 255
参考文献 260
第16章 机器人和移动车辆架构 262
16.1 引言 262
16.2 架构设计 262
16.2.1 系统可靠性 262
16.2.2 泛化特征 263
16.2.3 系统适应性 263
16.2.4 系统模块 263
16.2.5 自主行为 263
16.2.6 健壮性 264
16.2.7 任务执行的可扩展性 264
16.2.8 反应性 264
16.2.9 人工智能 264
16.2.10 机动性 264
16.3 机器人传感—规划—行为范式 265
16.3.1 传感 265
16.3.2 规划 265
16.3.3 行为范式 265
16.4 机器人架构 266
16.4.1 基于功能的架构 266
16.4.2 基于行为的架构 266
16.4.3 混合式架构 267
16.5 基于行为的架构中的协调功能 268
16.6 分层方法 269
16.7 集中式与分布式架构 269
16.8 架构的开发工具 269
16.9 四维/实时控制模型架构 270
16.10 一种可选择的混合架构 270
16.11 结束语 271
参考文献 271
第17章 多机器人协调 273
17.1 引言 273
17.2 从单机器人到多机器人的控制 273
17.3 MRS的挑战 275
17.4 协调在MRS中的必要性 275
17.5 从局部交互到全局协调 276
17.6 通过环境的交互 277
17.7 MRS设计与分析 277
17.8 MRS控制器的原理综述 278
17.9 多机器人软件架构 278
17.10 多机器人协调的实时框架 279
17.11 机器人组的控制 280
17.12 结束语 280
参考文献 281
第18章 具有生物脑的自主移动机器人 283
18.1 引言 283
18.2 人工神经网络的制备 285
18.3 实验装置 285
18.4 结果 288
18.5 机器学习范式 291
18.6 结束语 291
18.7 未来研究方向 292
参考文献 293
第19章 移动机器人制造中的安全有效自主决策 296
19.1 引言 296
19.2 机器人架构:分类与选择 296
19.3 RCS-RMA的组成 299
19.3.1 RCS计算节点 299
19.3.2 RCS层的控制算法 301
19.4 机器人系统的自主安全管理 301
19.4.1 系统安全分析与不确定性 302
19.4.2 在RCS中的安全集成 304
19.4.3 减少不确定性概率的应用 306
19.4.4 为什么选用POMDP 307
19.5 案例研究:移动机器人应用 308
19.5.1 任务分解 309
19.5.2 控制算法的实现 310
19.5.3 四层移动机器人的应用 310
19.5.4 RCS中的安全等级 317
19.6 目标检测与避碰算法 317
19.6.1 目标检测 318
19.6.2 计算障碍位置坐标 319
19.6.3 动态地图更新 319
19.7 RCS节点上的POMDP工艺开发 323
19.7.1 POMDP模型 323
19.7.2 RCS计算节点中的POMDP开发 324
19.7.3 RCS节点上改进POMDP的价值判断 325
19.7.4 RCS节点上改进POMDP中的环境模型 327
19.7.5 RCS节点上改进POMDP中的行为产生过程 328
19.7.6 RCS节点上改进POMDP中的感觉处理过程 329
19.8 基于POMDP的决策算法的开发 330
19.8.1 障碍状态/传感器状态估计 333
19.8.2 障碍状态估计 335
19.8.3 POMDP的解决方案:整合目标和安全相关的决定 338
19.8.4 由POMDP解决方案提供的行动决策选择 338
19.8.5 降低POMDP求解计算的复杂度 342
19.9 测试与评价 345
19.9.1 POMDP模型开发的测试结果和评估 345
19.9.2 导航与防撞的结果与评估:安全决策过程评估 346
19.10 结论与未来工作 353
参考文献 354
第20章 无人机避障反应的局部综合制导与控制 358
20.1 引言 358
20.2 无人机样机的六自由度模型 360
20.3 避障的瞄准点筛选 363
20.3.1 “碰撞锥”结构 363
20.3.2 瞄准点计算 364
20.3.3 剩余飞行时间计算 365
20.4 速度矢量方向与动态方位角 366
20.4.1 速度矢量的电流和预期方向 366
20.4.2 瞄准点计算 367
20.5 局部IGC规划 368
20.5.1 协调转弯的滚动角 369
20.5.2 外环回路的机身速率 369
20.5.3 外环回路的表面变形控制 370
20.5.4 速度控制 371
20.5.5 执行器输入的动力学与设计 371
20.6 数值结果 372
20.6.1 纵倾条件 372
20.6.2 方案1:单障碍物 373
20.6.3 方案2:两个障碍物 377
20.7 结束语 381
附录:空气动力系数 382
参考文献 384
第21章 用于自主智能设备的阻抗控制机电一体化系统 385
21.1 引言 385
21.2 冗余驱动的机械阻抗控制 387
21.2.1 机械阻抗控制的运动传递方法与方案 389
21.2.2 冗余驱动执行器的建模 390
21.3 控制策略 391
21.4 实验结果与讨论 394
21.5 具有反驱动执行器的串、并联机器人 397
21.5.1 具有驱动冗余的串、并联机器人运动学建模 398
21.5.2 冗余驱动上的刚度模型 399
21.5.3 所需末端执行器的柔度条件 401
21.5.4 柔度规范的方法 404
21.6 结束语 406
参考文献 406
第22章 微产品制造中Hydro-MiNa机器人的微型与纳米操作技术 408
22.1 引言 408
22.2 Hydro-MiNa机器人技术 409
22.2.1 在微/纳米操作领域关于功能任务制定的统一方法 409
22.2.2 局部微纳操作的时压结构合成 411
22.3 Hydro-MiNa机器人的微米与纳米操作系统 413
22.4 具有高分辨率成像和力反馈的机器人传感与控制 414
22.5 结束语 416
参考文献 417
第3部分 MIAS/机器人的联合技术 419
第23章 闭环回路、不稳定车辆的实时系统辨识实时系统,闭环中的不稳定车辆的辨识 419
23.1 引言 419
23.2 后失效估计的应用 420
23.2.1 SRLS算法 421
23.2.2 后失效分析模型 422
23.2.3 后失效模型估计的结果和讨论 423
23.3 无校准的入射角和侧偏角估计 424
23.3.1 数学模型的拓展 425
23.3.2 短周期结果 426
23.3.3 荷兰滚的结果 429
23.4 实时稳定裕度估计方法 431
23.4.1 不稳定飞机模型的稳定裕度估计 432
23.4.2 稳定裕度估计结果 432
23.5 结束语 433
附录:符号和术语 434
参考文献 435
第24章 移动自主系统智能天线:自适应加速算法 436
24.1 引言 436
24.2 旁瓣对消器的有源抑制 436
24.2.1 传统的广义旁瓣对消器 437
24.2.2 广义旁瓣对消的判定反馈 440
24.2.3 自适应阵列处理的约束 441
24.2.4 仿真结果 443
24.3 抵达方向不匹配分析 444
24.3.1 信号模型不匹配 444
24.3.2 在GSC中DOA不匹配 445
24.3.4 收敛性分析 446
24.3.5 权重步长SINR输出的适应性关系 448
24.4 旁瓣对消的自适应算法 449
24.4.1 权重适应性采用LMS算法 450
24.4.2 新型仿真 452
24.5 盲均衡器和反馈滤波器的旁瓣对消 455
24.5.1 不匹配的DF-GSC盲方法 455
24.5.2 盲均衡的DF-GSC稳态分析 460
24.6 宽频探头抑制 461
24.6.1 宽频信号旁瓣对消器的收敛方式 462
24.7 平面相控阵的干扰抑制 469
24.7.1 辐射模式的生成 469
24.7.2 在恶劣环境下的平面阵列特点 471
24.8 主动消除同一时刻多个期望信号的探测效果 473
24.8.1 同一时刻多个期望信号的适应权重 473
24.8.2 模拟结果 474
24.9 在相干信号环境下消除有效探测 486
24.9.1 自适应阵列处理与多波约束 487
24.9.2 相干信号环境下阵列的性能分析 489
24.9.3 抑制宽频相关来源 494
24.10 结束语 498
参考文献 499
第25章 四旋翼微型飞行器的集成建模,仿真与控制器设计 501
25.1 引言 501
25.2 四旋翼微型飞行器 502
25.3 飞行器动态模型 504
25.3.1 运动学模型 504
25.3.2 力学方程 504
25.3.3 力矩方程 505
25.3.4 转子动力学 505
25.4 控制器设计 506
25.5 飞行仿真 509
25.6 仿真平台和飞行测试 510
25.6.1 平台测试 510
25.6.2 飞行测试试验 511
25.7 结束语 512
附录:符号表 512
参考文献 514
第26章 运用卡尔曼滤波器和平滑器测定移动车辆的发射点与落点 515
26.1 引言 515
26.2 发射点和落点估计 515
26.2.1 卡尔曼滤波 516
26.2.2 RTS 518
26.2.3 落点的预测 518
26.2.4 发射点预测 519
26.3 滤波器性能评价 519
26.4 结果与讨论 519
26.5 结束语 526
参考文献 526
第27章 微型飞行器的新型增稳系统:迈向自主飞行 528
27.1 引言 528
27.2 标准H2最优控制方案 529
27.3 MAV说明和规范 533
27.3.1 MAV介绍 533
27.3.2 机载飞行系统 533
27.3.3 Sarika-1 MAV的纵向动力学 534
27.3.4 开环分析 535
27.3.5 设计规范 536
27.4 结果与讨论 538
27.4.1 健壮性和性能分析 539
27.4.2 扰动分析 539
27.4.3 时间响应分析 540
27.4.4 阵风时间响应与传感器噪声输入 540
27.5 控制器的实时验证:HILS 547
27.5.1 控制器的执行和验证 548
27.6 结束语 550
参考文献 551
第28章 飞机自动着陆的神经模糊容错控制 553
28.1 引言 553
28.2 飞机自动着陆问题 554
28.2.1 安全和性能标准 555
28.2.2 风廓线 555
28.2.3 飞机模型和故障情景 557
28.3 神经辅助弹道追踪控制器 560
28.3.1 基本轨迹跟踪控制器设计 561
28.3.2 最小资源分配网络扩展 562
28.3.3 BFTC性能评价及故障情况下神经辅助BFTC 565
28.4 自适应反推神经网络控制器 568
28.4.1 非线性动态倒置 569
28.4.2 控制器设计方法 570
28.4.3 发生故障时自适应反推神经网络控制器性能评价 573
28.5 模糊神经辅助轨迹跟踪控制器 576
28.5.1 模糊神经网络 577
28.5.2 连续自适应模糊推理系统 578
28.5.3 用于自动着陆问题的SAFIS控制器性能评价 580
28.6 在线连续模糊极端学习机 589
28.6.1 OS-Fuzzy-ELM和SAFIS用于飞机自动着陆系统问题的比较 591
28.7 结束语 599
参考文献 600
第29章 航空航天飞行关键技术应用重构 602
29.1 引言 602
29.2 重要性和相关性 603
29.3 民用航空电子设备 603
29.3.1 联合架构 603
29.3.2 集成架构 605
29.4 集成模块化航空电子设备 606
29.4.1 分区 607
29.4.2 黄金标准 608
29.4.3 重构的体系及其能力 611
29.4.4 可用性和可靠性的技术要求 612
29.4.5 可靠处理器平台的需求 612
29.5 重构机理研究进展 612
29.5.1 重构问题 613
29.5.2 容错 613
29.5.3 冗余管理 614
29.6 增强进程或任务可用性的重构算法 618
29.6.1 重构算法的控制参数 620
29.6.2 重构算法 624
29.6.3 算法阶段 625
29.7 错误检测与控制 628
29.7.1 汉明码扩展与扩展后的行列汉明码 628
附录:符号和术语 635
参考文献 637
第30章 自动目标识别的三种原理研究 641
30.1 引言 641
30.2 图像处理的概念 641
30.3 ATR及其作用 642
30.4 ATR系统 643
30.5 ATR系统的典型传感器 644
30.5.1 红外 644
30.5.2 前视红外 644
30.5.3 合成孔径雷达 645
30.5.4 反向合成孔径雷达 645
30.5.5 光雷达 645
30.5.6 激光雷达 645
30.5.7 毫米波雷达 646
30.5.8 多光谱成像 646
30.5.9 超光谱成像 646
30.5.10 低光电视 647
30.5.11 视频 647
30.6 经典ATR方法 648
30.6.1 经典ATR系统的不同阶段 648
30.7 ATR的统一贝叶斯方法 651
30.7.1 贝叶斯问题构想 652
30.7.2 场景生成和目标表示 653
30.7.3 传感器建模 656
30.7.4 贝叶斯范式 661
30.8 人工智能方法 668
30.8.1 神经网络 668
30.8.2 人工智能基ATR系统 669
30.9 结束语 672
参考文献 673
第31章 吸气燃烧系统故障检测和调节算法新理念的实时实现 677
31.1 引言 677
31.2 综述和背景 677
31.2.1 描述模型和C控制器 677
31.2.2 解析冗余调查 678
31.2.3 反压传感器的FDA 679
31.3 EKF的设计与实现 679
31.3.1 离散时间的KF 680
31.3.2 DTKF状态估计 680
31.3.3 卡尔曼-布西连续时间滤波器 681
31.4 非线性系统的EKF 682
31.4.1 EKF构想 682
31.4.2 ACS动力学 682
31.4.3 应用于ACS的EkF 683
31.4.4 用于EKF的ACS动力学线性化 684
31.5 容错方法和残差生成 685
31.5.1 T07建模 686
31.5.2 残余处理 686
31.5.3 故障调节 687
31.6 对FDA和结果的评估 689
31.6.1 通过结果对FDA算法性能进行评估 691
31.6.2 FDA的实时实施 695
31.7 结束语 697
附录:符号和术语 700
参考文献 701
第32章 模糊逻辑传感器和控制表面故障检测及重构 703
32.1 引言 703
32.2 传感器故障检测、隔离和重构 704
32.2.1 基于卡尔曼滤波的SFDI及重构 704
32.2.2 基于模糊逻辑的传感器故障检测和重构 707
32.3 控制面故障检测和重构 708
32.3.1 EKF实施 709
32.3.2 基于模糊逻辑的控制表面故障检测和重构 711
32.4 仿真结果和讨论 714
32.4.1 传感器故障检测和重构的仿真结果 714
32.4.2 控制表面故障检测和重构的仿真结果 715
32.4.3 使用两种T模和蕴涵方法的灵敏度研究 718
32.5 结束语 720
参考文献 720
第33章 使用二维雷达跟踪目标 721
33.1 引言 721
33.2 高度估计 721
33.2.1 使用多普勒测量 722
33.2.2 特例 723
33.3 垂直机动估计 725
33.3.1 使用多普勒测量 725
33.4 连续跟踪 729
33.4.1 转弯机动 731
33.4.2 实际情况 731
33.5 替代方法 732
33.6 结束语 734
参考文献 734
第34章 使用贝叶斯网络、k-NN模型研发自主机器人的行为 735
34.1 引言 735
34.2 相关的概念和模型 736
34.2.1 贝叶斯网络模型 736
34.2.2 k-NN模型 737
34.3 机器人行为和CAM 737
34.3.1 现实生活中超声波传感器的数据感知 738
34.3.2 机器人行为的贝叶斯学习和推理过程 739
34.3.3 对机器人行为的k-NN建模和推理过程 740
34.3.4 评价方案 741
34.4 CAM的实验评价 741
34.4.1 静态环境下使用BN和k-NN模型时CAM的性能精度 742
34.4.2 动态环境下使用BN和k-NN模型时CAM的性能精度 744
34.4.3 模型平均性能评价的比较 745
34.5 相关工作 745
34.6 结束语 746
参考文献 747
第35章 基于卡普拉斯方法的无序测量建模 749
35.1 引言 749
35.2 卡普拉斯策略 750
35.3 实验结果 751
35.4 结束语 753
参考文献 754
附录A 数值统计概念 755
A.1 备选假设 755
A.2 方差分析 755
A.3 渐近无偏 755
A.4 偏置 755
A.5 二项分布 756
A.6 中心极限定理 756
A.7 x2分布和测试 756
A.8 相关性 756
A.9 协方差 757
A.10 特征值 757
A.11 EM算法 757
A.12 F分布和F测试 757
A.13 最小二乘法 757
A.14 可能性和可能性测试 758
A.15 线性回归模型 758
A.16 最大似然 758
A.17 平均数、中位数和众数 758
A.18 均方 758
A.19 蒙特卡罗方法 759
A.20 多元回归 759
A.21 非线性回归 759
A.22 异常值 759
A.23 泊松分布 759
A.24 概率、概率分布函数和概率密度函数 760
A.25 T型检验 760
A.26 Ⅰ型和Ⅱ型误差 760
A.27 梯度下降法 760
A.28 二次型 761
参考文献 761
附录B 与机器人学相关的软件和算法注释 762
B.1 城市搜救营救仿真(USARSim)教程 762
B.1.1 USARSim系统架构 762
B.1.2 仿真器组件 762
B.2 机器人工具箱 763
B.3 机器人路径规划算法 764
B.4 SIMBAD机器人模拟器 765
B.5 CADAC:使用C+++计算机辅助设计航天理念 765
参考文献 765