第一部分 神经网络与机器人项目申请

第一章 国家“985工程”三期中山大学信息学院项目申请

“985工程”是我国政府为建设若干所世界一流大学和一批国际知名的高水平研究型大学而实施的建设工程。1998年5月4日，江泽民总书记在庆祝北京大学建校100周年大会上向全社会宣告：“为了实现现代化，我国要有若干所具有世界先进水平的一流大学”。由此，教育部决定在实施“面向21世纪教育振兴行动计划”中，重点支持北京大学、清华大学等部分高等学校创建世界一流大学和高水平大学，简称“985工程”。

“985工程”三期是在国家经济、社会以及高等教育进入新的历史阶段，一期和二期建设取得巨大成效的基础上的新一轮重点建设。“985三期”建设适逢“十二五”发展新的时代背景和“创新驱动、转型发展”的时代特征，也适逢国家中长期“教育改革与发展规划纲要”和“人才规划纲要”的全面启动。为推动“985工程”三期建设，教育部在2010年6月曾发布“教重[2010]2号”纲领性文件。文件提出将实施项目重大变革，即把过去“分期建设”的方针改为“长期规划、动态管理、分段实施”，进一步凸显了其重要性和长期稳定性。此外，在资金的使用上，“985工程”三期还特别强调减少项目的行政审批程序，扩大学校在资金使用上的自主权。由于“985工程”三期建设项目是由学校学院（如中山大学信息科学与技术学院，简称中山大学信息学院）具体组织和实施的，项目申请与立项时以团队为形式，且对老师们参与建议的项目数没有限制，因此，“985工程”建设项目可作为学校学院老师，特别是申报项目经验不多的老师，申报项目时的优先考虑对象。本书在第一章给出作者及同事的申请报告，着重展示2011年的两次申请学院“985工程”三期项目的报告，希望对各位读者有所帮助和启发，尤其是在神经网络和机器人方面。

第一节 建议书/申请书（1）

一、建议题目

神经网络与智能控制理论与方法研究。

二、研究意义、研究内容和关键点

本项目拟对人工神经网络、进化计算和迭代学习等智能化方法开展全面系统的科学研究，包括研制具有实际应用意义和价值的相关算法。一方面争取处理海量相关数据，另一方面以冗余度机械臂运动规划和控制为研究平台开展相关理论和算法的开发和验证。

机械臂实时运动规划与控制已成为人们关注的焦点之一，其中的很多问题都是实际机械臂在焊接、喷漆、装配作业等工程应用中经常遇到的。针对冗余度机械臂运动中的优化、控制及其他相关问题进行系统的研究，研究内容及关键技术主要包括以下几个方面。

1．基于递归神经网络的运动规划

如何通过机械臂的末端运动轨迹来实时解析机械臂的关节状态是机械臂应用研究的热点之一。本研究拟应用人工网络智能优化策略，提出一套统一的受制于等式约束、不等式约束和双端约束的二次规划冗余度解析框架，并应用到冗余度机械臂的高精度实时运动规划问题求解上。其中关键技术是不同层运动规划、时变二次优化转换与求解、误差估计与反馈、非完整约束新型整合方法等许多科学问题，以求满足实际工程的多种应用需要。

2．神经网络训练算法研究

在神经网络应用到智能规划与智能控制或其他应用数据的处理中，神经网络模型的建立和训练（优化）算法的设计是一项关键的技术。神经网络模型的建立和训练主要包括神经网络的拓扑结构和连接权重的确定。传统的网络拓扑结构的确定采用经验试错的方法，效率比较低。连接权重的确定主要采用传统的基于梯度下降的优化方法，容易导致局部极小问题。我们开发基于智能演化计算方法的神经网络模型建立与训练算法。具体而言，把神经网络的拓扑结构和连接权重进行编码，采用先进的群体智能，如粒子群算法，新兴的进化计算方法，如差分演化算法，对神经网络的拓扑结构和连接权重进行优化，提出先进的演化神经网络方法。其主要创新点是：利用现代先进的智能优化算法进行神经网络模型的建立和训练。

3．渐进跟踪控制和稳定性研究

复杂系统的稳定性和渐进跟踪控制问题一直是控制界研究的热点和难点，利用智能控制方法，根据机械臂运动的特点，其控制可以分为两个方面：无限时间区间的渐进跟踪（稳定性）控制和有限时间区间的智能学习控制。本研究内容拟利用神经网络和模糊技术等智能手段，关键是在无限时间区间上研究机械臂运动的渐进跟踪（稳定性）控制问题，研究相关的稳定性条件，利用研究的智能控制理论及算法进行机械臂智能控制平台的渐进跟踪控制和实际应用研究。

4．智能学习控制的理论方法研究

许多工程应用中的机械臂，常常要在固定的时间段内，重复执行相同的控制任务，它的控制目标是随着重复次数的增加，机械臂末端的运行轨迹在整个时间段上，与期望轨迹的偏差越来越小，其主要优点是不要求机械臂系统模型的精确知识，这就是机械臂系统的智能学习控制问题。有关机械臂的智能学习控制问题，我们拟研究以下两个方面的内容：①初始值问题和变期望轨迹问题。传统智能学习控制方法要求机械臂系统每次重复运行的初始状态保持不变，且严格等于期望轨迹的初态，但由于机械臂系统初始定位误差的存在，系统每次重复运动的初始状态常常要偏离系统的期望初态。另一方面，由于工程任务的调整，机械臂系统每次重复运动的期望轨迹也有可能产生轻微的变动。研究机械臂系统在变初始值和变期望轨迹条件下的学习控制问题是关键技术和工程现实的要求。②柔性机械臂的智能学习控制问题。已有智能学习控制的绝大多数方法都只适用于刚性机械臂。相比刚性机械臂，柔性机械臂具有更复杂的动态。柔性机械臂在本质上是一个以偏微分方程为模型的无限维系统，其控制要比以常微分方程为模型的刚性机械臂复杂得多。在工程方面，柔性机械臂比刚性机械臂又具有更多的应用和功能。因此，关键是研究有关柔性机械臂的智能学习控制问题，解决此问题具有重要的理论和现实意义。

三、预期目标

1. 原型系统

建立机械臂控制平台及其数据处理、神经网络与智能控制与应用。

2.其他成果

预计论文12篇（含SCI论文8篇、IEEE汇刊论文4篇）和专利4项。

四、研究队伍

1.课题负责人

张雨浓

2. 主要骨干

李晓东，王甲海，杨智。

3.研究分工

张雨浓：面向机械臂运动规划的递归神经网络、前向神经网络研究与开发。李晓东：面向机械臂的智能学习控制理论方法研究。

王甲海：神经网络学习训练算法研究。

杨智：渐进跟踪与稳定性控制理论研究。

五、研究基础说明

张雨浓、李晓东、王甲海、杨智的个人材料如下。

（1）张雨浓，教授。研究方向是人工神经网络理论及应用，2007年获教育部新世纪优秀人才支持计划，指导的已毕业本科硕士、博士学生中迄今有10名同学出国留学深造或工作。近5年主持4项国家自然科学基金项目：①时变问题求解的神经动力学新方法、模型及理论分析（61075121）；②面向服务任务的快速机器视觉与智能伺服控制（60935001），子项目负责人；③冗余机器人实时运动规划的统一理论（60775050）；④机器手臂的基于二次规划的冗余度解析方案（60643004）。

近年发表的主要著名刊物论文如下。

[1] Yunong Zhang, Shuzhi Sam Ge, Tong Heng Lee. A Unified Quadratic Programming Based Dynamical System Approach to Joint Torque Optimization of Physically Constrained Redundant Manipulators. IEEE Transactions on Systems, Man, and Cybernetics, Part B 34（2004）2126-2132（EI,SCI影响因子3.007）.

[2] Yunong Zhang, Jun Wang. Obstacle Avoidance for Kinematically Redundant Manipulators Using a Dual Neural Network. IEEE Transactions on Systems, Man, and Cybernetics,Part B 34（2004）752-759（EI,SCI影响因子3.007）.

[3] Yunong Zhang, Jun Wang, Youshen Xia. A Dual Neural Network for Redundancy Resolution of Kinematically Redundant Manipulators Subject to Joint Limits and Joint Velocity Limits.IEEE Transactions on Neural Networks 14（2003）658-667（EI,SCI影响因子2.889）.

[4]Yunong Zhang,Jun Wang.A Dual Neural Network for Convex Quadratic Programming Subject to Linear Equality and Inequality Constraints.Physics Letters A 298（2002）271-278（SCI影响因子2.009）.

[5] Yunong Zhang, Jun Wang. A Dual Neural Network for Constrained Joint Torque Optimization of Kinematically Redundant Manipulators. IEEE Transactions on Systems,Man

and Cybernetics,Part B 32（2002）654-662（EI,SCI影响因子3.007）.

[6] Yunong Zhang, Jun Wang, Yangsheng Xu. A Dual Neural Network for Bi-Criteria Kinematic Control of Redundant Manipulators.IEEE Transactions on Roboticsand Automation 18（2002）923-931（EI,SCI影响因子2.035）.

[7] Yunong Zhang, Ke Chen, Hong-Zhou Tan. Performance Analysis of Gradient Neural Network Exploited for Online Time-Varying Matrix Inversion.IEEE Transactions on Automatic

Control 54（2009）1940-1945（EI,SCI影响因子2.556）.

[8]Yunong Zhang,Jun Wang.Recurrent Neural Networks for Nonlinear Output Regulation.Automatica 37（2001）1161-1173（EI,SCI影响因子2.631）.

（2）李晓东，教授。现主持1 项国家自然科学基金项目：非严格重复操作的动态系统的学习控制理论研究（60874115）。研究方向：人工神经网络、迭代学习控制理论与应用、二维线性系统理论与应用、人工智能等。

近年发表的主要学术论文如下。

[1]Xiao-Dong Li,Tommy W.S.Chow,John K.L.Ho.“Iterative learning control with initial rectifying action for nonlinear continuous systems”.IET Proc.Control Theory and Applications.Vol. 3,No.1,Jan.2009.

[2]Xiao-Dong Li,Tommy W.S.Chow,John K.L.Ho.“Quasi-sliding mode based repetitive control for nonlinear continuous-time systems with rejection of periodic disturbances”.Automatica, Vol.45,No.1,Jan.2009.

[3]Xiao-Dong Li,Tommy W.S.Chow,John K.L.Ho.“Iterative learning control for a class of nonlinear discrete-time systems with multiple input delays”. International Journal of System Science，Vol.39,No.4,April 2008.

[4]Xiao-Dong Li,Tommy W.S.Chow,John K.L.Ho,Hong-Zhou Tan.“Repetitive learning control of nonlinear continuous-time systems using quasi-sliding mode”. IEEE Trans. on Control Systems Technology,Vol.15,No.2,March 2007.

[5] Xiao-Dong Li, John K. L. Ho, T.W.S. Chow.“Iterative learning control for linear time-variant discrete systems based on 2-D system theory”. IEE Proc. Control Theory and

Applications，Vol.152,No.1,Jan.2005.

[6] Xiao-Dong Li, Tommy W. S. Chow, John K. L. Ho.“2-D system theory based iterative learning control for linear continuous systems with time-delays”. IEEE Trans. on Circuit and Systems,Part I.Regular paper,Vol.52,No.7,July.2005.

[7]Xiao-Dong Li,John K.L.Ho,Tommy W.S.Chow.“An iterative learning control method and mathematical model for robotic manipulation at undesired locations”.International Journal of Computer Integrated Manufacturing,Vol.18,No.6,Sep.2005.

[8] Xiao-Dong Li, John K. L. Ho, Tommy W. S. Chow,“Approximation of dynamical time-variant systems by continuous-time recurrent neural networks”. IEEE Trans. on Circuit and Systems,Part II.Express briefs,Vol.52,No.10,Oct.2005.

（3）王甲海，副教授。近年来一直从事神经网络和演化计算方面的研究。在国际期刊IEEE Trans, Expert Systems with Applications, Computers & Industrial Engineering, Neurocomputing, IEICE Trans. Fundamentals和国际会议上发表相关论文50多篇。近年主持两个国家自然科学基金和多个省部级基金。

近期发表的与项目相关文章如下。

[1] Jiahai Wang,Yiqiao Cai,Yalan Zhou,Ronglong Wang,Caiwei Li.“Discrete particle swarm optimization based on estimation of distribution for terminal assignment problems,”Computers & Industrial Engineering,（available online in ScienceDirect）, 2011. doi:10.1016/j.cie.2010.12.014.

[2] Yiqiao Cai, Jiahai Wang, Jian Yin, Yalan Zhou.“Memetic clonal selection algorithm with EDA vaccination for unconstrained binary quadratic programming problem,”Expert Systems with Applications,vol.38,no.6,pp.7817-7827,2011.

[3] Jiahai Wang, Zhanghui Kuang, Yalan Zhou, Rong-Long Wang.“Improved stochastic competitive Hopfield network for polygonal approximation,”Expert Systems with Applications,vol.38,no.4,pp.4109-4125,April 2011.

[4] Jiahai Wang, Yiqiao Cai, Jian Yin.“Multi-start stochastic competitive Hopfield neural network for frequency assignment problem in satellite communications,”Expert Systems with Applications,vol.38,no.1,pp.131-145,Jan.2011.

[5] Jiahai Wang.“Discrete Hopfield network combined with estimation of distribution for unconstrained binary quadratic programming problem,”Expert Systems with Applications, vol.37,no.8,pp.5758-5774,Aug.2010.

[6] Jiahai Wang, Yalan Zhou, Jian Yin, Yunong Zhang.“Competitive Hopfield network combined with estimation of distribution for maximum diversity problems,”IEEE Trans. Systems,Man,and Cybernetics-Part B:Cybernetics,vol.39,no.4,pp.1048-1066,Aug.2009.

[7] Jiahai Wang, Zhanghui Kuang, Xinshun Xu, Yalan Zhou.“Discrete particle swarm optimization based on estimation of distribution for polygonal approximation problems,”Expert Systems with Applications,vol.36,no.5,pp.9398-9408,July 2009.

[8] Jiahai Wang, Yalan Zhou.“Stochastic optimal competitive Hopfield network for partitional clustering,”Expert Systems with Applications,vol.36,no.2P1,pp.2072-2080,March 2009.

[9] Jiahai Wang.“Hopfield neural network based on estimation of distribution for two-page crossing number problem,”IEEE Trans. on Circuits and Systems II: Express Briefs, vol.55, no.8,pp.797-801,2008.

[10] Jiahai Wang.“An improved discrete Hopfield neural network for Max-Cut problems,”Neurocomputing,vol.69,no.13-15,pp.1665-1669,August 2006.

（4）杨智，教授。主要研究领域：复杂系统的建模仿真与控制策略研究。现为广东省自动化学会常务理事。自1983年以来一直在高等院校从事电子信息自动化及计算机科学与工程的科研与教学工作。获省级科学技术进步二等奖一项，省级教学成果一等奖两项。累积完成国家及省部级科研项目10余项，在国内外重要学术期刊发表论文80余篇，出版学术专著或教材3本。2007年指导的两个队共6名本科生获全国大学生电子设计竞赛一等奖。现参与两项国家自然科学基金项目研究：①复杂动态网络同步及应用的研究（60704045）；②非严格重复操作的动态系统的学习控制理论研究（60874115）。

近年发表的主要论文与著作如下。

[1] 杨智，范正平．自动控制原理．北京：清华大学出版社，2010.

[2] 杨智，陈志堂．基于改进粒子群算法的PID控制器整定．控制理论与应用，27（10），2010，1345-1352.

[3] 谢燕江，杨智. 应用小波变换去除隔肌肌电图信号中的心电干扰.电子学报，38（2），2010，366-370.

[4] 杨智. 基于小波变换的隔肌肌电信号降噪方法研究医学.中国生物医学工程学报，28（2），2009，193-197.

[5] 杨智，彭璐. 一类非线性系统得次优控制研究.控制与决策，24（12），2009，1836-1840.

[6] 张国银，杨智．一类非线性系统非切换解析模型预测控制研究. 自动化学报，34（9），2008，1147-1156.

第二节 建议书/申请书（2）

一、建议题目

由多机器人实现的信息物理融合系统的基础理论研究与试验平台搭建。

二、研究内容

本项目研究由多种智能机器人实现的信息物理融合系统（Cyber-Physics Systems，CPS），智能机器人具有感知自身局部环境和自主计算的能力，机器人之间能通过网络相互分享多个传感器的数据信息，以得到更精确完整的环境和任务执行信息，多机器人系统能协同工作从而稳健地完成设定的任务。本项目将搭建由多种机器人实现的信息物理融合系统的试验平台，基于搭建的试验平台，本项目将为信息物理融合系统提供相关理论基础研究和实际应用研究。研究的主要内容如下。

1．由多个移动机器人实现、压缩传感支配的移动红外扫描层析成像方法

在信息物理融合系统的框架下，本项目研究红外辐射扫描实现的压缩传感信息系统空间与实现红外辐射扫描的移动机器人编队物理空间的融合机制，形成环境感知的新模式。其中如何找到既符合多智能体最优编队构型，又有传感效率保证的压缩测量链路是融合机制解决的首要关键科学问题。

2．移动机器人和机械臂的实时运动规划与控制

在未来机器人化的智能服务家居环境中，人们期望服务机器人能像人一样大范围移动，移动机器人和机械臂的实时运动规划与控制已成为人们关注的焦点之一。本项目拟基于人工神经网络，进化计算等智能化方法，针对移动机器人与机械臂运动中的实时路径规划和控制等问题进行研究。

3．多机器人的通信与协调控制

机器人具有智能感知自身局部环境与自主计算的能力，多机器人间通过无线网络分享多个传感器的数据信息，协同工作，稳健地完成设定任务。传感器感知的实时环境信息通过无线网络传输将存在随机时延、数据丢包等现象。本项目将研究网络环境，多机器人间的通信、信息融合与协调控制。

三、研究意义和应用前景

信息物理系统（Cyber-Physics Systems，CPS）是集成计算、通信与控制于一体的下一代智能系统，CPS的概念最早由美国国家基金委员会（NSF）在2006年提出，被认为有望成为继计算机、互联网之后世界信息技术的第三次浪潮。如同互联网改变了人与人的互动一样，NSF认为CPS将让整个世界互连起来，改变人们与物理世界的互动。何积丰院士指出：“CPS，从广义上理解，就是一个在环境感知的基础上，深度融合了计算、通信和控制能力的可控、可信、可扩展的网络化物理设备系统，它通过计算进程和物理进程相互影响的反馈循环实现深度融合和实时交互来增加或扩展新的功能，以安全、可靠、高效和实时的方式监测或者控制一个物理实体。CPS的最终目标是实现信息世界和物理世界的完全融合，构建一个可控、可信、可扩展并且安全高效的CPS网络，并最终从根本上改变人类构建工程物理系统的方式”。CPS本质上是一个具有控制属性的网络，但它有别于现有的控制系统。现有的控制系统中，通信的功能比较弱，而CPS则把计算、控制与通信放在同等地位上，因为CPS中物理设备之间的协调离不开通信。CPS在国家的主要工业领域，包括汽车电子、智能电网、智能机器人、航空航天、国防、工业自动化、健康医疗设备等将有广泛应用。

信息技术需要载体，用信息化改造传统工业和各行各业，最后都要落实到用自动机器去完成信息的物理实现，机器人就是其载体之一。另一方面，信息技术的发展，特别是高性能计算机、通信网络、智能控制等技术的进展，又为机器人向智能化发展创造条件。信息技术与机器人技术的互动发展使机器人的高技术含量不断得到提升，始终处于高技术研究的前沿。CPS是一类将数字化、网络化系统与物理过程密切整合的设备系统，智能机器人技术属于CPS的范畴。

在未来机器人化的智能服务家居环境、医疗护理、危险环境下的救援和装配作业、国防等应用中，人们期望智能机器人能像人一样大范围地移动，多机器人之间能相互分享自己的环境和任务信息，协同完成随机任务。集合网络化的信息传输和共享以及移动机器人和移动机械臂拥有更大操作空间的优势，本项目强调以机器人技术为支撑，有效融合信息世界和物理世界的信息，实现由多种机器人实现的CPS，符合物联网终端感知和信息汇聚技术向着泛在化、网络化、智能化方向发展的趋势。

四、预期目标

1．原型系统（需要明确提出项目验收时完成的面向应用领域的原型系统）描述

本项目将搭建一个由多种智能机器人构成的信息物理融合系统，如图1.1 所示，系统由两个智能移动机器人、一个移动机械臂、一个固定机械臂、无线网络与远程控制器构成。机器人具有感知自身局部环境和自主计算能力，机器人之间能通过网络相互分享多个传感器的数据信息，以得到更精确完整的环境和任务执行信息，多机器人系统协同工作，稳健地完成设定的任务。比如，两台智能移动机器人通过移动红外扫描层析成像方法，感知未知环境，规划出躲避障碍的优化路径；移动机械臂由接收到的智能移动机器人“向导”传输的环境感知信息，实时规划路径，运动到固定机械臂处；移动机械臂与固定机械臂协同完成一个夹物件的操作；远程控制器提供期望任务的设定。

应用场景：远程实时控制系统，如在焊接、装配作业等工业应用，智能服务家居、医疗护理、危险环境下的救援和装配作业等环境中的应用。

相关设备：智能移动机器人、智能移动机械臂、固定机械臂、无线网络（WIFI或Bluetooth）、传感器等。

2．其他成果

申请专利5项、发表8篇左右高水平的学术论文。

五、研究队伍

1．建议课题负责人

成慧

2．主要骨干

张雨浓、王国利、郭雪梅。

3．研究分工

王国利、郭雪梅：机器人的智能感知技术。

张雨浓：机器人的实时运动规划与控制。

成慧：多机器人间的通信与协调控制。

六、研究基础说明

项目团队有两台智能移动机器人、一台智能移动机械臂与一台固定机械臂，具有良好的硬件平台和软件平台基础，在无线传感器网络、智能感知、机器人实时规划与控制、基于网络的控制等领域有深厚的研究基础。利用现有的机器人硬件平台可搭建一个由多种智能机器人实现的信息物理融合系统，为信息物理融合系统提供相关的基础理论研究与实际应用研究。近年来，团队承担过或正在承担多项省级以上的科研项目，在国内外重要学术期刊、会议上发表超过30篇学术论文。

第三节 本章总结

本章给出了学院“985工程”三期项目的两个建议书/申请书，并详细给出了所申请的两个项目的具体研究内容。

（1）对人工神经网络、进化计算和迭代学习等智能化方法开展全面系统的科学研究，包括研制具有实际应用意义和价值的相关算法。一方面争取处理海量相关数据，另一方面以冗余度机械臂运动规划和控制为研究平台开展相关理论和算法的开发和验证。

（2）研究由多种智能机器人实现的信息物理系统并搭建由多种机器人实现的信息物理融合系统的试验平台，基于搭建的试验平台，该项目将展开信息物理融合系统的相关理论基础研究和实际应用研究。

本章所述的两个项目研究内容均较为丰富且具有实际的研究意义和工程应用价值。目前，虽然这两个项目的申请结果还未公布，但在准备申报项目的过程中，研究团队对项目的课题做了充足的准备，增强了对人工神经网络及机器人领域前沿研究方向的把握和认识，使得申报的两个项目更具有前瞻性。另外，这两个项目的研究团队也具有很高的科研水平，并且在项目所涉及的相关领域里已经发表了多篇相关的论文与论著，这为项目的顺利开展奠定了坚实的理论基础和理论准备。总体而言，所申报项目内容丰富、具有较高的研究意义和工程应用价值，这不仅是作者及团队多年工作的积累，为以后项目深入开展提供了基础，也由此希望给读者带来相应的启发和思考，有益于帮助读者构建团队、开展科研。