基于加工特征的轴类零件三维建模方法

提出一种基于加工特征的三维建模方法,增强模型特征与加工工艺之间的关联性,以期形成轴类零部件的建模规范。通过确立特征独立性、基于加工顺序建模的两个基本建模要求,将工艺知识以建模规范的形式嵌入三维建模过程中,降低工艺人员对三维模型的辨识难度。最后,对机械轴进行三维建模,验证了该方法的可行性和有效性。     

空间3R机械手逆向运动学的多模块神经网络求解

提出用多模块神经网络的方法求解空间3R机械手的逆运动学多解。通过几何分析,将关节空间划分为多个只有唯一逆运动学解的关节子空间,每个子空间均用3个单输出的BP神经网络训练和求解。通过仿真试验并与其他方法对比,表明该方法不仅可以准确地划分逆运动学解的取值范围,还可以快速求得高精度的逆运动学多解。     

分布式电驱车路径跟踪分层协调控制方法研究

针对分布式电驱车路径跟踪问题,基于分层协调控制方法,提出了一种路径跟踪策略。由电驱车独立转向/驱动的结构优势,设计四轮阿克曼转向理论,以建立电驱车路径跟踪分层运动学模型,并应用到路径跟踪控制策略中。该策略分为上下两层控制。在上层控制中,将上层运动学模型作为模型预测控制算法的预测模型,通过设定最优目标函数和约束条件将未来控制增量的求解问题转换为二次规划的最优解问题,计算出最优转角和速度控制量。下层控制中,通过下层运动学,将上层控制得到的控制量映射到四轮的转角和速度控制量,应用模糊PID算法,实现电驱车的路径跟踪控制。在基于Carsim/Simulink的仿真平台上进行圆形路径跟踪仿真验证,结果表明,该控制器能够使分布式电驱车实现路径的准确跟踪;在实车试验中进行换道路径跟踪,简单MPC(模型预测控制算法)与分层协调控制数据结果对比表明分层协调控制方法能够有效的改善控制性能,提供路径跟踪的精确性和稳定性。     

空间3R机械臂逆向运动学的奇异轨迹线方法研究

针对机器人逆运动学多解问题,提出一种基于奇异轨迹线的多模块径向基神经网络的求解方法。根据奇异轨迹线理论,将关节空间严格划分成只具有单逆解的多个关节子空间区域,然后通过正向运动学,使各个关节子空间映射到同一工作空间,以获得多组工作空间位置相同但是关节区域不同的训练样本,每组训练样本只含单逆解。在多模块径向基神经网络结构中,每个子模块分别负责学习一组训练样本,从而将逆运动学多解求取问题转化为各个子模块对神经网络权值的训练问题,通过神经网络结构中的多个模块逆解预测,实现了机器人逆运动学的多解计算。算例表明基于奇异轨迹线的多模块神经网络能够正确输出多组逆解,满足求解精度要求,在逆运动学多解求取中具有较好的推广价值。     

全电驱分布式无人车路径跟踪控制仿真研究

为实现全电驱分布式无人车的路径跟踪控制仿真,联合Carsim和Simulink建立了具备独立驱动/制动/转向功能的全电驱分布式无人车运动仿真平台.在该仿真方法中,车辆行驶的整车动力学仿真在Carsim软件中实现,整车动力学中驱动轮的驱动力矩及转速等参数直接来自Matlab/Simulink中建立的驱动电机、转向电机等驱...     

基于唯一特征的BP神经网络求解平面2R机械手逆运动学

针对神经网络求解机器人逆运动学时输入与输出间需要建立正确的映射关系,提出一种基于唯一特征的BP神经网络求解平面2R机械手逆运动学的方法。该方法通过在机械手的工作空间中进行几何分析,确定了逆运动学多解的规律,同时在BP神经网络的输入中增加方位角作为特征参数。仿真结果表明:所提方法只需要一个BP神经网络,就可以求得平面2R机械手的逆运动学完整解;预测误差较小在-0.002～0.002 rad之间。