摘 要:首先設(shè)計(jì)基于神經(jīng)網(wǎng)絡(luò)的智能型固定機(jī)器人，此框架可以引入先進(jìn)算法，擴(kuò)充系統(tǒng)功能．然后提出多控制系統(tǒng)避碰智能決策系統(tǒng)解決方法，保障使用的安全：不產(chǎn)生誤動作，最后給出基于多智能體系框架結(jié)構(gòu)，完成智能化機(jī)器人的總體設(shè)計(jì)． 關(guān)鍵詞：家用固定機(jī)器人；智能決策：多智能體：神經(jīng)網(wǎng)絡(luò) 1 引言 家用電器技術(shù)的發(fā)展是一個國家科技水平和工業(yè)自動化程度的重要橋志和體現(xiàn)，家用電器自動化應(yīng)用越來越廣泛，但是家用電器的自動化的發(fā)展現(xiàn)只能是起步階段，還沒有達(dá)到能得心應(yīng)手的階段，其實(shí)，可以認(rèn)為是不動機(jī)器人，它通過嵌入式軟件操作，通過傳感器感知，通過網(wǎng)絡(luò)與用戶交流。 此技術(shù)綜合了計(jì)算機(jī)，控制論、機(jī)械學(xué)，信息和傳感技術(shù)，人工智能、仿生學(xué)等多學(xué)科而形成的高新技術(shù)，集成許多學(xué)科的發(fā)展成果， 代表高技術(shù)的發(fā)展是科技研究的隨著計(jì)算機(jī)、電子信息技術(shù)的快速進(jìn)步．家電控制技術(shù)的開發(fā)速度越來越快，智能度越來越高，它是動態(tài)決策與規(guī)劃、行為控制與執(zhí)行等多功能于一體的綜合系統(tǒng)，是一類能夠通過傳感器感知環(huán)境和自身狀態(tài)調(diào)節(jié)家電狀態(tài)的智能系統(tǒng)。 自動目標(biāo)識別框架算法的優(yōu)化和調(diào)整，必須采用可視化界面設(shè)計(jì)， 同時提供設(shè)計(jì)選擇和改進(jìn)優(yōu)化的機(jī)會．系統(tǒng)顯示的界面部分是由一些內(nèi)容相互聯(lián)系的模塊所組成，每個模塊代表一個分離的子系統(tǒng)．框架應(yīng)能夠?qū)θ炕虿糠殖绦蜻M(jìn)行優(yōu)化處理，應(yīng)盡可能多地增加新的優(yōu)化算法到框架中．框架可以為算法開發(fā)者提供在線幫助，以熟悉操作界面和框架的使用．框架應(yīng)充分利用己有的面向?qū)ο蟪绦蛟O(shè)計(jì)的設(shè)計(jì)環(huán)境，那些用于向?qū)У脑O(shè)計(jì)選擇可以嵌入到繼承的結(jié)構(gòu)中，應(yīng)易于通過產(chǎn)生導(dǎo)出類或添加界面的方式擴(kuò)展系統(tǒng)．框架采用模塊化設(shè)計(jì)，通過相對獨(dú)立的模塊設(shè)計(jì)．根據(jù)面向?qū)ο蟪绦蛟O(shè)計(jì)的特點(diǎn)，設(shè)計(jì)者的大部分工作是編寫程序，通過使用已有的對象導(dǎo)出新的對象，并且把它們?nèi)诤显谝黄?，這項(xiàng)工作主要是利用了繼承性擴(kuò)展函數(shù)來完成． 2 基于簡目標(biāo)自動識別框架結(jié)構(gòu) 由于是實(shí)驗(yàn)的初級階段，本文提出了一個層次化、模塊化的自動目標(biāo)優(yōu)先框架方案，利用層次化識別的原理，將一個多類別的復(fù)雜識別問題分解成在不同層次上對多層系統(tǒng)變成的簡單識別問題，使得識別系統(tǒng)在不同層次上可以靈活地采用相應(yīng)的特征提取與目標(biāo)識別算法；而增加新的識別類型時，也只需要對局部的系統(tǒng)結(jié)構(gòu)或參數(shù)進(jìn)行調(diào)整．另外，一個實(shí)用的自動目標(biāo)識別系統(tǒng)通常需具備數(shù)據(jù)獲取、特征提取及目標(biāo)識別分類等基本功能． 這種家電系統(tǒng)還存在于系統(tǒng)昂貴，傳輸線過多不利于安裝，電腦的擴(kuò)展不夠等因素，不利于普通家庭使用等特點(diǎn)。 對不同任務(wù)和特殊環(huán)境的適應(yīng)性是家電與一般自動化裝備的重要區(qū)別智能家電從外觀上已遠(yuǎn)遠(yuǎn)脫離了最初的家用電器所具有的形狀和局限，更加符合各種家庭環(huán)境的特殊要求． 其功能和智能程度太大增強(qiáng) 從而為家庭現(xiàn)代化技術(shù)開辟出更加廣闊的發(fā)展空間，而多傳感器信息融合技術(shù)是智能化的關(guān)鍵技術(shù) 。 （1）傳感器 所用的傳感器有很多種， 根據(jù)不同用途分為內(nèi)部測囂傳感器和外部測量傳感器兩大類 內(nèi)部測量傳感器用來撿測電器組成部件的內(nèi)部狀態(tài)，包括：溫度傳感器、外部傳感器包括：（測量、）、滑動覺傳感器、視覺傳感器、紅外傳感器、超聲傳感器、觸覺傳感器等。由于受到各傳感器的檢測對象，需要確定不同的傳感器數(shù)據(jù)的一致性， 通過不同傳感器信息的互相補(bǔ)充來獲得外部完整的信息，所以多傳感器信息融合，提高電器的智能化程度。 （2）信息融合 情息融合是利用計(jì)算機(jī)技術(shù)對按家電動作時序取得的若干信息源以一定準(zhǔn)則加以自動分析、綜合，完成任務(wù)進(jìn)行的信息處理，表現(xiàn)在幾個方面：①劃分信息級別，將信息組成信息庫，信息融合在幾個層次上完成對多源信息的選取過程，每一層次都表示不同級別的信息，信息融合本質(zhì)是一個由低層到頂層對多元信息進(jìn)行組合 。（3）多傳感器之間的信息融合（通過單片機(jī)）。 本文提出的層次化、模塊化的自動目標(biāo)識別框架，按照功能分解成相對獨(dú)立的模塊，可以分別提供多種不同的算法，以供系統(tǒng)實(shí)現(xiàn)時進(jìn)，多傳感器信息融臺技術(shù)對促進(jìn)向智能化、自主化方向轉(zhuǎn)換，協(xié)調(diào)使用多用傳感器， 把分布在不同位置的多個同質(zhì)或異質(zhì)傳感器所提供的局部不完整量及相關(guān)聯(lián)數(shù)據(jù)庫中的相關(guān)信息加以綜合．消除多傳感器之間可能存在的冗余和矛盾，并加以互補(bǔ)，確定本次動做的唯一性，獲得對物體或環(huán)境的一致性描述的過程。它通過一定的算法來合并多個信息源的信息，以產(chǎn)生更可靠、更準(zhǔn)確的信息， 并根據(jù)這些信息做出可靠的決策。其關(guān)鍵技術(shù)可對各類、各個原始信息進(jìn)行校準(zhǔn)、相關(guān)估計(jì)、誤差模式識別和狀態(tài)決策處理。多傳感器系統(tǒng)是信息融合技術(shù)的硬件基礎(chǔ)，多源信息是信息融合的加工對象，融合算法是信息融合的核心。多傳感器信息融合的一般方法如圖l所示。 多傳感器信息融合由于其應(yīng)用上的復(fù)雜性和多樣性，目前多傳感器信息融合方法有模糊邏輯、神經(jīng)網(wǎng)絡(luò)、小波變換等，神經(jīng)網(wǎng)絡(luò)是多傳感器信息融合的重要方法之一。 多個傳感器信息融臺技術(shù)對促進(jìn)機(jī)器人向智能化自主化起著極其重要的作用．是協(xié)調(diào)使用多個傳感器， 把分布到各個相關(guān)聯(lián)數(shù)據(jù)庫中的相關(guān)信息加以綜合．消除多傳感把分布在不同位置的多個同質(zhì)或異質(zhì)傳感器所提供的局部不完整器之間可能存在的冗余和矛盾，降低其不確定性，是機(jī)器人智能化的關(guān)鍵技術(shù)之一。其關(guān)鍵技術(shù)可對各類、各個原始信息進(jìn)行校準(zhǔn)、相關(guān)估計(jì)、誤差模式識別和狀態(tài)決策處理。它通過一定的算法來合并多個信息源的信息，根據(jù)這些信息做出可靠的決策。多傳感器系統(tǒng)是信息融合技術(shù)的硬件基礎(chǔ)，多源信息是信息融合的加工對象，融合算法是信息融合的核心。 3 基于神經(jīng)網(wǎng)絡(luò)信息融合的智能系統(tǒng) 人工神經(jīng)網(wǎng)絡(luò)是由許多單元，又稱神經(jīng)元，按照一定的拓?fù)浣Y(jié)構(gòu)相互連接而成的一種具有并行計(jì)算能力的網(wǎng)絡(luò)系統(tǒng)，具有較強(qiáng)的非線性擬合能力和多輸入多輸出同時處理能力。 ①信息可分布存儲，容量大，容錯性較好；② 自學(xué)習(xí)， 自組織，自校正、自適應(yīng)；③神經(jīng)網(wǎng)絡(luò)的行為是大量神經(jīng)元的集體行為；④ 神經(jīng)元可以處理一些環(huán)境十分復(fù)雜，知識背景不清楚和推理規(guī)則不明確的問題。神經(jīng)網(wǎng)絡(luò)是一個高度非線性動力學(xué)系統(tǒng)。 人工神經(jīng)網(wǎng)絡(luò)具有如下特征：① 并行信息分布處理PDP；② 可學(xué)習(xí)性；③ 魯棒性和容錯性；④泛化能力。采用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行信息融合的最大優(yōu)勢在于：大規(guī)模的并行處理和分布式信息存儲， 良好的自適應(yīng)、自組織性。以及很強(qiáng)的學(xué)習(xí)功能、聯(lián)想功能和容錯功能力。 4 神經(jīng)網(wǎng)絡(luò)模型 神經(jīng)網(wǎng)絡(luò)有輸入輸出層節(jié)點(diǎn)、還有隱層節(jié)點(diǎn)，經(jīng)過作用函數(shù)后，再把隱層節(jié)點(diǎn)的輸出信號傳到輸出層節(jié)點(diǎn)，經(jīng)過處理后給出輸出結(jié)果，在執(zhí)行中，輸入是被執(zhí)行對象征兆存在與及程度，輸出是學(xué)習(xí)模式． 我們采用ＢＰ神經(jīng)網(wǎng)絡(luò)，均為三層前向網(wǎng)絡(luò)，由一個輸入層、一個輸出層和一個隱藏層構(gòu)成，輸入信號前向傳播到隱藏層，經(jīng)節(jié)點(diǎn)非線性函數(shù)作用后再傳到輸出層，得到相應(yīng)的輸出。如果網(wǎng)絡(luò)輸出有差異，則通過修正各連接權(quán)值使總體誤差最小． 4．1學(xué)習(xí)方法 該試反應(yīng)了Ｅ在權(quán)值空間｛Ｗ｝上的梯度方向，其計(jì)算過程即是輸出誤差通過網(wǎng) 絡(luò)連接的反向傳播過程。 前向神經(jīng)網(wǎng)絡(luò)通過誤差修正的自學(xué)習(xí)，學(xué)習(xí)過程由正向傳播和反向傳播組成，在正向傳播過程中，輸入信號從輸入層經(jīng)隱含層逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將輸出信號的誤差信號沿原來連接通路返回，反復(fù)修正網(wǎng)絡(luò)各層神經(jīng)元之間的連接權(quán)值，使得誤差信號最小，將隱含在樣本中的規(guī)律性反映到網(wǎng)絡(luò)神經(jīng)元的聯(lián)系中，一旦學(xué)習(xí)完畢，神經(jīng)網(wǎng)絡(luò)就具備了相當(dāng)于樣本組合的判斷能力。神經(jīng)網(wǎng)絡(luò)模塊從專家系統(tǒng)的推理機(jī)制和模糊性處理獲取必要的學(xué)習(xí)樣本及診斷結(jié)果，將學(xué)習(xí)結(jié)果存儲于神經(jīng)數(shù)據(jù)庫． 4．2在家電選擇中的應(yīng)用 學(xué)習(xí)分四步，一是隨機(jī)抽取傳感器值做訓(xùn)練．二是學(xué)習(xí)訓(xùn)練，用算法進(jìn)行學(xué)習(xí)，建立神經(jīng)網(wǎng)絡(luò)。三是對于新增的故障在已有的神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上通過調(diào)整連權(quán)值，進(jìn)行新的學(xué)習(xí)．第四對于已建好的神經(jīng)網(wǎng)絡(luò)用其它故障值進(jìn)行驗(yàn)證，當(dāng)正確率不滿足要求時，加入一定比例不能進(jìn)行正確判斷到最優(yōu)先的信號，重返回三進(jìn)行學(xué)習(xí)，直到判斷精度達(dá)到要求為止．本文選取系統(tǒng)學(xué)習(xí)和測試的子集是6個，經(jīng)算法學(xué)習(xí)后生成的神經(jīng)網(wǎng)絡(luò)經(jīng)測試集訓(xùn)練后效果能符合 5 結(jié)論： 目前只對電冰箱、空調(diào)、電飯褒、微波爐、電磁爐，和家用攝相頭等幾種選擇。 多傳感器信息融合技術(shù)是的關(guān)鍵技術(shù)之， 隨著傳感器技術(shù)與單片機(jī)融合技術(shù)水平的提高，獲取環(huán)境信息的感知能力以及系統(tǒng)決策能力將會得到不斷的提高?；谏窠?jīng)網(wǎng)絡(luò)對多路傳感器信息進(jìn)行融合選取，促使家用電器的智能化和自主化，達(dá)到完全控制的目的。 參考資料： [1] 王耀南．智能控制系統(tǒng) [2] 陳志強(qiáng)，閻植林．質(zhì)量診斷的模糊專家系統(tǒng) [3] 文傳源．人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 [4] [1] 鄒理合．?dāng)?shù)字信號處理 [5] 彭曉軍，劉光斌．電路診斷技術(shù)的新發(fā)展 [6] 何佳洲，周志華等．系統(tǒng)故障診斷的一種神經(jīng)網(wǎng)絡(luò)方法 作者簡介：金聰穎（1956-），女，高級實(shí)驗(yàn)師，主要從事人工智能研究。