搜索结果: 1-9 共查到“控制科学与技术 Monte Carlo”相关记录9条 . 查询时间(0.078 秒)
基于Monte Carlo 的测距传感网络定位算法
蒙特卡罗定位 ZigBee 测距 高斯滤波
2016/9/21
针对现有蒙特卡罗定位存在的一些应用缺陷，提出一种基于ZigBee 传感网测距的蒙特卡罗定位算法。介 绍了改进算法的实现步骤，该方法在定位时获取多个外部信息，同时将定位样本历史信息应用到位置估计中，且在 ZigBee 室内测距的特点上加入了改进的高斯滤波算法并与均值滤波进行对比。测试结果表明，该算法较原有算法取 得了明显的改进优势。
采用双重采样的移动机器人Monte Carlo定位方法
Monte Carlo定位 自适应粒子滤波 双重采样 移动机器人
2010/12/3
移动机器人Monte Carlo定位效率受限于大量粒子的权值更新运算. 本文提出一种实现粒子集规模自适应调整的双重采样方法: 第一层基于粒子权重的固定粒子数重采样, 有效减轻粒子权值退化并保证预测阶段粒子多样性; 第二层粒子稀疏化聚合重采样, 基于粒子空间分布合理性将粒子加权聚合, 从而减少参与权值更新粒子数. 该方法通过提高粒子预测能力保证滤波精度, 通过减少权值更新运算提高了粒子滤波效率. 仿...
采用双重采样的移动机器人Monte Carlo定位方法
Monte Carlo定位 自适应粒子滤波 双重采样 移动机器人
2010/9/25
移动机器人Monte Carlo定位效率受限于大量粒子的权值更新运算. 本文提出一种实现粒子集规模自适应调整的双重采样方法: 第一层基于粒子权重的固定粒子数重采样, 有效减轻粒子权值退化并保证预测阶段粒子多样性；第二层粒子稀疏化聚合重采样, 基于粒子空间分布合理性将粒子加权聚合,从而减少参与权值更新粒子数. 该方法通过提高粒子预测能力保证滤波精度,通过减少权值更新运算提高了粒子滤波效率. 仿真实验...
针对含扩散项的线性混杂切换系统优化控制问题, 为降低优化求解的计算复杂性, 提出了Monte Carlo统计预测方法. 首先通过数值求解技术把连续时间优化控制问题转化为离散时间的Markov决策过程问题; 然后在若干有限状态子空间内, 利用反射边界技术来求解相应子空间的最优控制策略; 最后根据最优控制策略的结构特性, 采用统计预测方法来预测出整个状态空间的最优控制策略. 该方法能有效降低求解涉及大...
利用Neumann展开Monte-Carlo随机有限元法，对导热系数、换热系数、热流密度、环境温度以及内热源等物理参数同时具有随机性的温度场问题进行了分析，给出了节点温度响应的均值、变异系数和节点温度落在某一区间内的概率计算公式．通过算例考察了各随机变量的变异性大小对节点温度响应的影响，并表明随着结构的自由度数目增大，文中方法呈现出计算效率高的优点．
针对方案属性值为随机变量、属性权重未知的风险型多属性群决策问题，根据决策者有无先验信息、专家估计方差是否可知等情形，提出了两类集结决策者和专家主观概率的多元Bayes模型。这些模型先将群体对属性值的估计集结成单一分布，然后用Monte Carlo模拟的方法，通过计算每个方案的排名期望值，得到各方案的排序。给出了应用该方法的具体步骤，实例分析验证了方法的有效性和实用性。
分布式感知协作的扩展Monte Carlo定位算法
Monte Carlo定位 信息熵 有效采样数目 环境传感器
2008/7/28
针对移动机器人难以单纯依赖自身传感器定位的问题，提出了一种分布式感知协作的扩展Monte Carlo定位方法.在定位过程中，机器人根据感知更新前后采样分布信息熵、有效采样数目及采样分布均匀性的变化，适时地从环境传感器的检测模型进行重采样，从而有效减少其位姿估计的不确定性.在算法的具体实现过程中，采用彩色摄像头作为环境传感器，摄像头的参数由机器人进行在线标定；然后依据标定的参数获得摄像头的检测模型....
基于特征粒子的Monte Carlo自定位方法
自定位 Monte Carlo方法 特征粒子 多机器人
2008/7/17
提出了一种基于Monte Carlo方法的多机器人自定位方法．该方法在机器人进行自定位时，对用来估计机器人位置的MCL(Monte Carlo Localization)粒子空间进行栅格划分，然后采用可变栅格法获得能代表所有粒子整体特性的特征粒子集．因为特征粒子的数量较粒子总数大大减少，该方法能避免直接将Monte Carlo方法应用于多机器人定位中产生的维数灾的问题，可以在保证精度的情况下降低运...
一种基于视觉的步行机器人Monte Carlo自定位系统
自定位 Monte Carlo定位 步行机器人 计算机视觉
2008/7/15
提出了一种基于视觉的步行机器人自定位系统．该系统基于Monte Carlo定位方法，分别利用了人工地标和自然地标的高噪声的传感器信息，结合无反馈的里程计信息来完成自身定位．本系统对于自然地标的不唯一性做了特殊处理，融合多标志物的信息，并提出新的计算权重和样本重采样方法，以适应动态不确定的环境．在真实机器人上的实验结果表明，在高噪声的信息输入下，能够获得实时、准确、稳定的定位结果，能有效解决“绑架的...