基于LVQ网络算法的目标分类方法.pdfVIP

维普资讯 圈 —圈豳iAcademicP·apers 基于 LVQ网络算法的目标分类方法 TheTargetDifferentiationMethodBasedonLVQNeuralNetwork 牟 琳 韩英坤 2 王立志 刘 伟 。 (1山东大学工程训练中心，济 南250061； 2山东电力研究院，济 南 250061； 3日照海事局 ，日 照 276800) 摘 要：随着机器人技术的不断发展，构建未知空间的环境地图以成为移动机器人技术中具有挑战性的研究课 题。自主环境建模体现了机器人的感知能力和智能水平 ，在实际应用中具有十分重要的意义。文章研究了学习矢量 量化算法在智能机器人对环境障碍物识别中的应用以及噪声、振幅、声纳TOF数据的偏移、距离以及 目标体 (锐角 和边角)的角度等因素对系统分类性能的影响。实验表明，该方法对上述各种影响因素具备一定的鲁棒性 ，从而使得 移动机器人能够在较大的距离范围内快速、可靠地识别室内各种典型障碍物。 关键词：LVQ算法 目标识别 分 类 神经网络 Abstract：Withthedevelopmentofscienceandtechnology，mapping—especiallythetargetdifferentiationinunknown environmentsformobilerobotsisachallengingsubjectinrobotics．Mappingisembodiestheperceiveabilityandthe intelligentlevelofmobile robots．Thus．itisalsoplay an importantrole in practical applications．In this paper，the robustnessofthesystem tonoise，partialremovalofamplitudeandTOFdataanddistanceanddifferenttargets(edgewith different．acutecornerwithdifferent)hasbeenstudied．TheexperimentresultsshowthattheLVQneuralnetworkhasa highrobustnesstonoise，andcandifferentiatethetypicaltargetsinalargerangingscopeeffectivelyandrapidly． Keywords：LVQalgorithm targetdiff~rentiation difft!rentclassification neura1network 0 引 言 1988年 由KOHONENT提 出来 的一种神经网络模式。这种网 机器人依靠 自身携带的传感器提供 的信息 自主地建立环 络学习速度 比反向传播 网络 (BPN)快很多，且其结构特性为实 境模型是完成各种智能任务的前提1”。卢纳传感器因价格低廉 、 现声纳数据 的处理从而进行室内典型障碍物 的识别提供 了一 使用方便等优点，在机器人环境建模方面得到 了广泛应用_2_。 种有效的工具。见图1。 BP神经网络分类方法 1是机器人 目标识别算法 中较具代 输入 1 表性的一种 。但 BP网络有其 自身的局限性 ，例如学习收敛速 · 日标 2 输入 2 ● 度慢 、易陷入局部极小、网络的学习和记忆具有不稳定性等。本