计算智能-遗传算法.ppt

实例 1 ： 3-PRR 并联定位平台的运动学标定 工作空间： ± 50mm ，± 10 ° PRO/E 中的机械设计图 3-PRR 并联平台实物样机 实例 1 ： 3-PRR 并联定位平台运动学模型 由并联平台矢量约束关系 i i i i i i OP PC OA A B B C ? ? ? ? l l l l l 可得到动平台在工作空间内任 意位姿下，三个直线超声电机 的运动学逆解 实例 1 ： 3-PRR 并联定位平台运动学标定 令上式等号左边为 Ei ， i=1,2,3 选取 N 组位形，求得相应电机输出，驱动电机 到理论位置测得实际平台位形，基于粒子群算 法求得使 J 小于一定误差时的 实例 1 ： 3-PRR 并联定位平台运动学标定 1. Zhang Q, Mills J K, Cleghorn W L, et al. Dynamic model and input shaping control of a flexible link parallel manipulator considering the exact boundary conditions[J]. Robotica, 2015, 33(06): 1201-1230. 2. 周丽平 , 张泉 , 孙志峻 . 直线超声电机驱动的平面 3-PRR 并联平台的运动学标定 [J]. 机器人 , 2014, 36(4): 485- 490. 实例 2 ：柔顺机构的非线性运动学建模 5 拓扑优化法设计的平面三 自由度柔顺微动平台 微动平台实验系统 该平台平移行程约 40 μ m ，分辨率 1nm 以内，转角行程约 4 μ rad ，分辨率 0.2 μ rad 。 思考： 如何建立 输入输出模型？ 实例 2 ：柔顺机构的非线性运动学建模 基于双隐含层 BP 神经网络的非线性模型辨识 计算智能 ? 计算智能涉及神经计算、模糊计算、进化计算和人 工生命等领域，这些研究领域体现出生命科学与信息 科学的紧密结合，也是广义人工智能力图研究和摹仿 人类和动物智能 ( 主要是人类的思维过程和智力行为 ) 的重要进展。 ? 把计算智能理解为智力的低层认知，它主要取决于 数值数据而不依赖于知识。人工智能是在计算智能的 基础上引入知识而产生的智力中层任知。生物智能， 尤其是人类智能，则是最高层的智能。即 CI ? AI ? BI 。 计算智能 § 1. 概述 § 2. 遗传算法 § 3. 粒子群算法 § 4. 神经网络 § 1. 概述 什么是计算智能，它与传统的人工智能的区别？ 第一个对计算智能的定义是由贝兹德克 (Bezdek) 于 1992 年提出的。他认为，从严格意义上讲，计算智能 取决于制造者提供的数值数据，而不依赖于知识；另 一方面，人工智能则应用知识精品。 § 1. 概述 总结： 计算智能是一种智力方式的低层认知，它与人工智能的区 别只是认知层次从中层下降到低层而已。中层系统含有知识 ( 精 品 ) ，低层系统则没有。 若一个系统只涉及数值 ( 低层 ) 数据，含有模式识别部分，不 应用人工智能意义上的知识，而且能够呈现出：①计算适应性； ②计算容错性；③接近人的速度；④误差率与人相近，则该系 统就是 计算智能系统 。 若一个智能计算系统以非数值方式加上知识 ( 精品 ) 值，即成 为 人工智能系统 。 图灵测试 图灵测试一词来源于计算机科学和 密码学 的先驱阿 兰 · 麦席森 · 图灵： 1950 年设计出这个测试，其内容是， 如果电脑能在 5 分钟内回答由人类测试者提出的一系 列问题，且其超过 30% 的回答让测试者误认为是人类 所答，则电脑通过测试。 2014 年 6 月 7 日是计算机科学之父 阿兰 · 图灵 （ Alan Turing ）逝世 60 周年纪念日。这一天，在 英国皇家学 会 举行的“ 2014 图灵测试”大会上，聊天程序“尤 金 · 古斯特曼”（ Eugene Goostman ）首次“通过”了 图灵测试。 图灵测试 上述两种对话的区别在于，第一种可明显地感到回答者是从知 识库里提取简单的答案，第二种则具有分析综合的能力，回答 者知道观察者在反复提出同样的问题。 § 2. 遗传算法 遗传算法是源于达尔文生物进化理论的“自然选择 ”、“适者生存”法则而提出的一种 搜索寻优算法 。基 本思想：将每个可能的问题解表示成“染色体”