摘 要:首先設計基于神經網絡的智能型固定機器人，此框架可以引入先進算法，擴充系統功能．然后提出多控制系統避碰智能決策系統解決方法，保障使用的安全：不產生誤動作，最后給出基于多智能體系框架結構，完成智能化機器人的總體設計． 關鍵詞：家用固定機器人；智能決策：多智能體：神經網絡 1 引言 家用電器技術的發展是一個國家科技水平和工業自動化程度的重要橋志和體現，家用電器自動化應用越來越廣泛，但是家用電器的自動化的發展現只能是起步階段，還沒有達到能得心應手的階段，其實，可以認為是不動機器人，它通過嵌入式軟件操作，通過傳感器感知，通過網絡與用戶交流。 此技術綜合了計算機，控制論、機械學，信息和傳感技術，人工智能、仿生學等多學科而形成的高新技術，集成許多學科的發展成果， 代表高技術的發展是科技研究的隨著計算機、電子信息技術的快速進步．家電控制技術的開發速度越來越快，智能度越來越高，它是動態決策與規劃、行為控制與執行等多功能于一體的綜合系統，是一類能夠通過傳感器感知環境和自身狀態調節家電狀態的智能系統。 自動目標識別框架算法的優化和調整，必須采用可視化界面設計， 同時提供設計選擇和改進優化的機會．系統顯示的界面部分是由一些內容相互聯系的模塊所組成，每個模塊代表一個分離的子系統．框架應能夠對全部或部分程序進行優化處理，應盡可能多地增加新的優化算法到框架中．框架可以為算法開發者提供在線幫助，以熟悉操作界面和框架的使用．框架應充分利用己有的面向對象程序設計的設計環境，那些用于向導的設計選擇可以嵌入到繼承的結構中，應易于通過產生導出類或添加界面的方式擴展系統．框架采用模塊化設計，通過相對獨立的模塊設計．根據面向對象程序設計的特點，設計者的大部分工作是編寫程序，通過使用已有的對象導出新的對象，并且把它們融合在一起，這項工作主要是利用了繼承性擴展函數來完成． 2 基于簡目標自動識別框架結構 由于是實驗的初級階段，本文提出了一個層次化、模塊化的自動目標優先框架方案，利用層次化識別的原理，將一個多類別的復雜識別問題分解成在不同層次上對多層系統變成的簡單識別問題，使得識別系統在不同層次上可以靈活地采用相應的特征提取與目標識別算法；而增加新的識別類型時，也只需要對局部的系統結構或參數進行調整．另外，一個實用的自動目標識別系統通常需具備數據獲取、特征提取及目標識別分類等基本功能． 這種家電系統還存在于系統昂貴，傳輸線過多不利于安裝，電腦的擴展不夠等因素，不利于普通家庭使用等特點。 對不同任務和特殊環境的適應性是家電與一般自動化裝備的重要區別智能家電從外觀上已遠遠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境的特殊要求． 其功能和智能程度太大增強 從而為家庭現代化技術開辟出更加廣闊的發展空間，而多傳感器信息融合技術是智能化的關鍵技術 。 （1）傳感器 所用的傳感器有很多種， 根據不同用途分為內部測囂傳感器和外部測量傳感器兩大類 內部測量傳感器用來撿測電器組成部件的內部狀態，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據的一致性， 通過不同傳感器信息的互相補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 情息融合是利用計算機技術對按家電動作時序取得的若干信息源以一定準則加以自動分析、綜合，完成任務進行的信息處理，表現在幾個方面：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，信息融合本質是一個由低層到頂層對多元信息進行組合 。（3）多傳感器之間的信息融合（通過單片機）。 本文提出的層次化、模塊化的自動目標識別框架，按照功能分解成相對獨立的模塊，可以分別提供多種不同的算法，以供系統實現時進，多傳感器信息融臺技術對促進向智能化、自主化方向轉換，協調使用多用傳感器， 把分布在不同位置的多個同質或異質傳感器所提供的局部不完整量及相關聯數據庫中的相關信息加以綜合．消除多傳感器之間可能存在的冗余和矛盾，并加以互補，確定本次動做的唯一性，獲得對物體或環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，以產生更可靠、更準確的信息， 并根據這些信息做出可靠的決策。其關鍵技術可對各類、各個原始信息進行校準、相關估計、誤差模式識別和狀態決策處理。多傳感器系統是信息融合技術的硬件基礎，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用上的復雜性和多樣性，目前多傳感器信息融合方法有模糊邏輯、神經網絡、小波變換等，神經網絡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對促進機器人向智能化自主化起著極其重要的作用．是協調使用多個傳感器， 把分布到各個相關聯數據庫中的相關信息加以綜合．消除多傳感把分布在不同位置的多個同質或異質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，是機器人智能化的關鍵技術之一。其關鍵技術可對各類、各個原始信息進行校準、相關估計、誤差模式識別和狀態決策處理。它通過一定的算法來合并多個信息源的信息，根據這些信息做出可靠的決策。多傳感器系統是信息融合技術的硬件基礎，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 基于神經網絡信息融合的智能系統 人工神經網絡是由許多單元，又稱神經元，按照一定的拓撲結構相互連接而成的一種具有并行計算能力的網絡系統，具有較強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 自學習， 自組織，自校正、自適應；③神經網絡的行為是大量神經元的集體行為；④ 神經元可以處理一些環境十分復雜，知識背景不清楚和推理規則不明確的問題。神經網絡是一個高度非線性動力學系統。 人工神經網絡具有如下特征：① 并行信息分布處理PDP；② 可學習性；③ 魯棒性和容錯性；④泛化能力。采用人工神經網絡進行信息融合的最大優勢在于：大規模的并行處理和分布式信息存儲， 良好的自適應、自組織性。以及很強的學習功能、聯想功能和容錯功能力。 4 神經網絡模型 神經網絡有輸入輸出層節點、還有隱層節點，經過作用函數后，再把隱層節點的輸出信號傳到輸出層節點，經過處理后給出輸出結果，在執行中，輸入是被執行對象征兆存在與及程度，輸出是學習模式． 我們采用ＢＰ神經網絡，均為三層前向網絡，由一個輸入層、一個輸出層和一個隱藏層構成，輸入信號前向傳播到隱藏層，經節點非線性函數作用后再傳到輸出層，得到相應的輸出。如果網絡輸出有差異，則通過修正各連接權值使總體誤差最小． 4．1學習方法 該試反應了Ｅ在權值空間｛Ｗ｝上的梯度方向，其計算過程即是輸出誤差通過網 絡連接的反向傳播過程。 前向神經網絡通過誤差修正的自學習，學習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隱含層逐層處理，并傳向輸出層，每一層神經元的狀態只影響下一層神經元的狀態，如輸出層不能得到期望的輸出，則轉入反向傳播，將輸出信號的誤差信號沿原來連接通路返回，反復修正網絡各層神經元之間的連接權值，使得誤差信號最小，將隱含在樣本中的規律性反映到網絡神經元的聯系中，一旦學習完畢，神經網絡就具備了相當于樣本組合的判斷能力。神經網絡模塊從專家系統的推理機制和模糊性處理獲取必要的學習樣本及診斷結果，將學習結果存儲于神經數據庫． 4．2在家電選擇中的應用 學習分四步，一是隨機抽取傳感器值做訓練．二是學習訓練，用算法進行學習，建立神經網絡。三是對于新增的故障在已有的神經網絡基礎上通過調整連權值，進行新的學習．第四對于已建好的神經網絡用其它故障值進行驗證，當正確率不滿足要求時，加入一定比例不能進行正確判斷到最優先的信號，重返回三進行學習，直到判斷精度達到要求為止．本文選取系統學習和測試的子集是6個，經算法學習后生成的神經網絡經測試集訓練后效果能符合 5 結論： 目前只對電冰箱、空調、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是的關鍵技術之， 隨著傳感器技術與單片機融合技術水平的提高，獲取環境信息的感知能力以及系統決策能力將會得到不斷的提高?；谏窠浘W絡對多路傳感器信息進行融合選取，促使家用電器的智能化和自主化，達到完全控制的目的。 參考資料： [1] 王耀南．智能控制系統 [2] 陳志強，閻植林．質量診斷的模糊專家系統 [3] 文傳源．人工神經網絡及其應用 [4] [1] 鄒理合．數字信號處理 [5] 彭曉軍，劉光斌．電路診斷技術的新發展 [6] 何佳洲，周志華等．系統故障診斷的一種神經網絡方法 作者簡介：金聰穎（1956-），女，高級實驗師，主要從事人工智能研究。