韩光胜
- 作品数：24 被引量：112H指数：6
- 供职机构：北京工业大学电子信息与控制工程学院更多>>
- 发文基金：北京市教委科技发展计划博士科研启动基金更多>>
- 相关领域：自动化与计算机技术农业科学轻工技术与工程文化科学更多>>
- 机器人足球决策及角色分配系统被引量：16
- 2004年
- 介绍了北京工业大学机器人足球比赛程序的决策和角色分配子系统.系统利用改进的黑板结构有效地解决了角色分配和机器人之间的协作问题.当机器人认为角色不适合自己时可向决策和角色分配子系统发出申请,要求重新分配.
- 刘巍张承马辰威韩光胜
- 关键词：决策系统角色分配黑板结构
- 烟草烘丝过程的水分控制被引量：25
- 2000年
- 讨论了烟草生产中烘丝过程的水分控制问题．根据烘丝过程各阶段不同的工艺要求，提出了包括有开关控制、跟踪控制及预测控制的分段变策略控制方案．针对烘丝过程的非线性、不确定性及存在大滞后的特点，提出了一种基于模糊模型的自校正预测控制算法，并且与前馈控制方法结合，应用于烘丝过程的送料稳定阶段．系统仿真证明的可行性．
- 王艳红韩光胜
- 关键词：烟草预测控制前馈控制水分控制
- 预测控制的研究现状被引量：7
- 1997年
- 对预测控制产生至今10多年来的研究作了回顾,在分析了构成预测控制的3项基本原理之后,对典型预测控制算法作了详细的介绍,同时还举出了不少成功应用的实例.然后,对预测控制研究现状和存在的问题作了阐述,最后,指出了预测控制今后可能的发展方向.
- 黄涵洲陈伙平韩光胜
- 关键词：预测控制智能控制工业过程控制
- 基于多智能体强化学习的新强化函数设计被引量：4
- 2009年
- 为了提高强化学习算法在多智能体系统中的性能表现,针对典型的多智能体系统-Keepaway平台总是以失败告终的特点,受与之有相同特点的单智能体系统杆平衡系统所采用强化函数的启发,重新设计一种新的惩罚式的强化函数。新的强化函数在系统成功状态时设零值奖赏,失败状态时给与负值惩罚。基于新设计的强化函数的Sarsa(λ)算法成功应用在Keepaway平台上。仿真结果表明,新设计的强化函数在一定参数条件下有效提高了强化学习算法载Keepaway平台的性能表现,其最终的学习效果更好。
- 左国玉张红卫韩光胜
- 关键词：多智能体系统ROBOCUP
- 毕业设计信息化管理模式的探索与实践被引量：5
- 2008年
- 本文在分析新形势下毕业设计管理中存在的问题的基础上,规范毕业设计管理机制,保障机制以及评价机制,提出了毕业设计信息化管理模式,并基于校园网络采用先进的计算机网络编程技术设计开发了毕业设计信息管理系统。实际运行结果表明,该模式可以大幅度提高毕业设计的管理效率和管理质量,有助于提高学生的综合素质以及创新能力。
- 赵晓华严海张金喜韩光胜
- 关键词：信息化管理模式
- 移动机器人视觉导航被引量：5
- 2000年
- 采用离散卷积的方法，利用Ｓｏｂｅｌ算子，Ｌａｐｌａｃｅ算子和梯度算子进行卷积．利用此３种方法均可实现边缘提取的目的，其中Ｓｏｂｅｌ算子的效果最佳．经过对实际图像的处理，证明了方法的可行性．通过对图像的边缘检测可以对障碍物进行定位从而实现导航的要求．
- 李志平谭铁牛韩光胜李学恩
- 关键词：边缘检测
- 基于Web毕业设计信息管理系统的设计与开发
- 2008年
- 在分析目前北京工业大学毕业设计管理流程的基础上,指出了毕业设计管理信息化的必要性和可行性。在进行详细需求分析的基础上,采用B/S结构,基于MVC开发模式,应用JSP+SQL开发工具,设计开发了一套毕业设计信息管理系统。
- 赵晓华韩光胜
- 关键词：B/SWEB数据库系统设计系统开发
- 改进的模糊Q学习方法及其在RoboCup中的应用被引量：6
- 2005年
- 为了在multi-agent系统中实现agent之间的竞争与协作,该文提出了一种新的在线学习方法,即:改进的模糊Q学习方法,在这种方法中,agent通过增强学习方法来调节模糊推理系统,进而获得最优的模糊规则。为了改善学习的时间,Q学习方法中的奖励值并不是固定的,而是根据状态而变化。将改进的模糊Q学习方法应用到RoboCup仿真环境中,使智能体通过在线学习获得跑位技巧。并通过实验证明了该方法的有效性。
- 张驰韩光胜
- 关键词：多智能体系统模糊推理系统
- 足球机器人比赛中的定位球策略
- 介绍了足球机器人比赛中定位球的设计。由于比赛中定位球出现的频度高,又容易形成得分,所以在比赛中显得尤为重要。以Mirosot3:3比赛为例综合球场上多方面的信息设计的定位球策略决策快,实时性好。使机器人足球比赛更加精彩激...
- 初旭新韩光胜王强
- 关键词：定位球模糊逻辑
- 文献传递
- Q学习算法在RoboCup带球中的应用被引量：4
- 2005年
- 机器人世界杯足球锦标赛(RoboCup)是全球影响力最大的机器人足球比赛之一,而仿真组比赛是其重要的组成部分。鉴于带球技术在仿真组比赛中的重要性,我们将Q学习算法应用于带球技术训练中,使智能体本身具有学习和适应能力,能够自己从环境中获取知识。本文描述了应用Q学习算法在特定场景中进行1vs.1带球技术训练的方法和实验过程,并将训练方法应用于实际球队的训练之中进行了验证。
- 张家旺韩光胜张伟
- 关键词：带球
