基于QR分解的冗余度机械臂雅可比矩阵求逆方法

针对冗余度机械臂在轨操作实时性的需求,提出一种基于QR分解的冗余度机械臂雅克比矩阵求逆方法。根据具体的冗余度机械臂的构型特点,将运动学逆解过程划分为多个模块,采用修正施密特QR分解方法计算机械臂雅可比矩阵的伪逆,利用硬件描述语言在FPGA上对各个模块进行了实现。以机械臂直线运动为例,通过仿真实验与利用Matlab解算的方法进行了对比,并研究了定点数长度对硬件资源和误差的影响。实验结果验证了所提出雅克比矩阵求逆方法的可行性及有效性。     

GAMMA300型七自由度机械臂运动学仿真

针对机械臂的运动学问题以及运动路径的设计问题,以冗余度为1的美国ROBAI公司生产的7自由度冗余机械臂GAMMA300为具体研究对象,对七自由度机械臂进行运动学建模与仿真.利用Robotics Toolbox机器人工具箱编写该机械手的运动学程序.通过仿真实现了预定目标,验证了设计参数的正确性和可行性,为机械臂末端执行器的精确定位和轨迹规划提供了理论依据.对于冗余机械臂一般逆运动学封闭解的研究有一定的实用价值.     

物理受限冗余机械臂逆运动学凸优化求解

针对冗余机械臂逆运动学求解结果极有可能超过机械臂物理限制的问题,提出一种基于凸优化的逆运动学求解方法使得逆解结果满足物理约束.首先分析了关节速度与力矩关系,采用机械臂动能及重复运动为优化指标,以关节速度、关节力矩为优化变量.然后将逆运动学求解问题转化为凸优化问题,进一步转化为二次规划问题,充分利用冗余特性,实现逆运动学求解时避免关节位置、关节速度、关节力矩极限.最后利用7自由度冗余机械臂KUKA LBR iiwa进行仿真,求解关节量结果符合物理极限及优化准则.结果表明本文提出的方法适用于物理受限冗余机械臂的逆运动学求解.     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点;针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法;以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证;仿真结果表明:使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。     

排爆机械臂的运动学仿真

在机械臂性能优化设计的研究中,为了使排爆机械臂能够灵活、有效的处理爆炸物,需对其进行运动学仿真,针对所设计的排爆机械臂的机械结构,通过D-H方法建立相应的运动学模型,运用矩阵逆乘的方法分离变量,求得了运动学正解和逆解.用MATLAB平台中机器人工具箱编程并建立ADAMS虚拟样机,对机械臂的末端位移、速度和加速度做了运动学仿真,通过仿真验证了机构设计的合理性和仿真方法的正确性.结果为排爆机器人的结构设计和优化,为排爆机械臂的电机选择提供了依据.     

基于ELM-IWO机械臂运动学逆解算法研究

为了提高机械臂控制中运动学逆解的速度和准确度,提出了一种基于入侵性杂草优化的机械臂运动学逆解方法.通过D-H法建立了工业六自由度机械臂的正向运动学模型,并利用训练速度较快的ELM(极限学习机)计算机械臂关节角度向量,即输出其逆运动学初解.利用IWO(入侵性杂草优化)算法对得到的初始逆解进行优化,取最小适应度下的杂草位置作为输出,以便得到最佳的逆运动学求解.实验结果表明,相比基于PSO-BP神经网络的求解方法,基于ELM-IWO算法的机械臂末端执行器的精度更高,实时性更好.     

新型六自由度机械臂的运动学分析与仿真验证

针对新型机器人六自由度机械臂的构型特点,采用传统的D-H法建立机械臂的连杆坐标系和运动学方程.在此基础上对传统的逆运动学求解的解析法进行改进,对得到的多组解采用能耗最小原则进行优化得出最适合的一组解.用MTALAB/SIMULINK搭建仿真模型,验证所得结果的正确性并分析所得结果的误差,仿真结果表明针对于此种构型机械臂的逆运动学求解,该方法无误差、耗能小,为类似构型的机械臂逆运动学求解提供了思路.     

一种仿人机械臂的运动学逆解的几何求解方法

运用几何方法求解一种具有7个旋转自由度的仿人机械臂的运动学逆解,并运用特定的寻优指标,搜索与指定末端位姿对应的关节角空间最优解.这种解法没有理论误差并且解算速度足够快,有利于在线实时控制机械臂的运动.     

机械臂的位姿分离求逆和改进RRT-connect算法研究北大核心CSCD

针对机械臂逆解求取过程中存在大量矩阵变换、计算成本高的问题,采用位姿分离法对逆运动学求解过程进行改进,并提出基于自适应步长的RRT-connect路径规划算法。首先建立六自由度机械臂连杆坐标系模型,采用Standard Denavit-Hartenberg(D-H)方法对机械臂进行正运动学分析,得到机械臂末端执行器位姿相对于基座的齐次变换矩阵。然后引入位姿分离法改进了机械臂的逆运动学求解方法,将机械臂运动学逆解分为位置逆解和姿态逆解两部分,分别用几何法和解析法进行求解,减少了整体计算量。再者提出基于自适应步长的改进RRT-connect路径规划算法,解决了扩展速度慢的问题。最后通过仿真验证所提出方法的正确性和有效性。     

基于伪逆的导轨机械臂关节速度纠偏运动规划方案

针对导轨机械臂在任务执行过程中出现的关节速度偏离期望值的问题,提出了一种基于伪逆算法的导轨机械臂关节速度纠偏运动规划方案。首先,根据机械臂的关节角状态和末端执行器的运动状态,运用伪逆算法对导轨机械臂在速度层上进行冗余度解析。然后,设计时变函数对关节速度进行约束调整,使偏离后的关节速度收敛于期望值。接着,针对末端执行器出现的位置误差设计了误差修正方法以保证轨迹跟踪任务的顺利执行。最后,将运动规划方案在Matlab软件上以基座直线移动和弧形移动的四连杆冗余度机械臂为例进行了仿真实验。仿真结果表明了该方案能纠正导轨机械臂在任务执行过程中偏离期望值的关节速度,且能使末端执行器的轨迹跟踪达到较高的精度。     

基于差分演化和克隆选择机制的优化算法

为了解决函数优化过程中的“早熟收敛”和“搜索迟钝”问题,将差分演化算法与克隆选择算法进行了结合,提出了一种新的差分演化克隆选择算法。该算法将克隆选择操作引入到差分演化算法中,达到了既能够选出最好个体又能够保证种群多样性的效果。实验结果表明该算法在多峰值函数优化问题中,具有求解精度较高,收敛速度较快等优点。     

基于混合智能优化算法的复杂软件可靠性分配

软件可靠性是系统设计、研究和运行过程中必须考虑的关键因素之一.与目前大多数软件可靠性分配的研究主要局限于简单的串并联模型不同,本文将最优化算法应用于大型复杂软件系统的可靠性分配.针对分布估计算法收敛速度快,全局搜索能力强,但是易于陷入局部最优;而差分进化算法局部搜索能力强,但搜索速度略慢的问题,本文提出一种元启发式算法——基于罚函数的混合分布估计和自适应交叉差分进化的优化算法（PHEDA-SCDE）,该算法收敛速度快,全局搜索能力强且不易陷入局部最优.基于四种特定的体系结构风格——顺序、并发、循环、容错,对复杂软件可靠性进行评估.为不失算法通用性,本文采用三个仿真算例进行实验,分别为单输入单输出系统,单输入多输出系统和多输入多输出系统.实验结果表明,PHEDA-SCDE算法在软件可靠性分配方面与同类算法相比,具有明显的可行性和有效性.     

进化策略与蚁群算法融合的求解旅行商问题

针对进化策略收敛速度快但容易陷入早熟收敛以及最大最小蚂蚁系统求解能力强但收敛速度较慢的特点,将进化策略与最大最小蚂蚁系统融合,并利用最大最小蚂蚁系统求出每一步迭代的最优解,再对迭代出最优解进行进化策略中的变异操作来加快解的收敛速度.将所提出的算法应用到中国旅行商问题(CTSP)的实际应用中,其结果显示出优越性.     

基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

CPSO-NP优化算法及其在TE过程中应用

为有效平衡粒子群算法的探索和开发能力,解决粒子群局部最优、收敛速度慢等问题,提出了基于捕食搜索和自然选择的混沌粒子群算法.该算法借鉴自然选择中适者生存的进化机制以提高算法的收敛速度;且捕食搜索策略调节限制级别平衡全局搜索和局部搜索,优化搜索性能;通过函数测试和化工TE的故障诊断,结果表明:所提算法计算精度高、收敛速度快,能准确地对SVM的参数进行寻优,提高了故障诊断的准确性.     

基于非线性频谱数据驱动的动态系统故障诊断方法

基于非线性频谱数据驱动方法, 研究了动态系统的故障诊断问题. 利用一维非线性输出频率响应函数提出一种非线性频谱特征提取方法, 为了提高实时性, 采用变步长自适应辨识算法进行求解; 根据估计偏差实时地改变步长, 兼顾了收敛速度与稳态误差; 获取了非线性频谱特征之后, 利用最小二乘支持向量机分类器进行故障识别. 通过对提升设备的故障诊断问题进行实验研究, 所得结果表明, 所提出的算法识别率高, 能满足在线诊断要求.     

并行混合遗传算法及其在布局设计中的应用

布局问题在理沦上属于NPC问题，在工程实践上具有广泛的应用。为较好地求解该问题，该文以并行遗传算法（PGA）为基础，针对其早熟和收敛速度慢两大缺陷加以改进，给出了一种并行混合遗传算法(PHGA)．PHGA采用该文提出的压力插他排序选择算子，起到了双重作用：一是在进化初期可以防止早熟；二是在进化后期有利于加快算法的收敛。算法利用混沌初始化可提高初始群体的质量，并依自适应交叉和变异概率值对子群体进行分类，与Powell法混合可以很好地改善算法的局部搜索性能。文中通过标准函数优化和布局设计的算例验证了该算法的可行性和有效性。     

基于速率和队长的大时滞网络AQM算法

针对网络拥塞控制系统在大时滞网络中产生的不利影响,提出一种基于速率和队长的大时滞网络AQM算法。该算法采用缓冲区队列长度和包到达速率作为网络拥塞的判别依据,在结合Smith预估的模糊PID控制方法中加入速率控制项。仿真表明该算法在大时滞和网络动态变化的环境中拥塞响应较快、收敛时间短,并能较好地将队列长度稳定到期望值附近,提高缓冲区的利用率。     

基于集员滤波的双归一化数据重用盲均衡算法

数据重用可以有效地加快盲均衡算法的收敛速度,但会带来噪声放大的问题。针对这种情况,该文将数据重用方法应用到基于实虚部分开处理的改进常模盲均衡算法中,采用集员滤波克服应用数据重用时引起的噪声放大问题,推导出一种收敛速度较快的盲均衡算法。实验仿真表明,该算法具有较快的收敛速度,适用于短时信号处理。     

基于自适应迭代学习算法的一类非线性系统故障检测与估计

针对迭代学习算法在非线性系统故障检测与估计过程中存在估计误差较大和收敛速度较慢等不足的问题,提出了一种基于龙格–库塔故障估计观测器模型的自适应迭代学习算法,有效降低了故障估计误差;并引入H∞性能指标,提高了故障估计观测器的收敛速度.该算法首先设计故障检测观测器对故障进行检测,然后设计故障估计观测器,并将自适应算法与迭代学习策略相结合,使得估计故障逐渐逼近真实故障,从而实现对非线性系统中多种常见故障的精确检测与估计.最后,通过机械臂旋转关节驱动电机的执行器故障仿真验证了所提算法的有效性.