基于ADAMS和MATLAB的双足机器人运动轨迹规划和控制的联合仿真

相比ADAMS仿真的不稳定性,利用ADAMS和MATLAB联合仿真对双足机器人运动轨迹规划和控制设计的可靠性及高效性进行了研究。首先绘制双足机器人三维参数模型进行逆运动学分析,验证其合理性后导入ADAMS中添加约束,进行动力学仿真。基于此,在MATLAB中使用多项式插值法完成模型的步态规划。最后利用Simulink试验台建立控制系统的框图,由ADAMS输入关节角之后控制台输出关节的驱动力矩,完成双足机器人ADAMS和MATLAB的联合仿真。仿真结果显示,联合仿真相较于ADAMS仿真的波动性所获得的数据更加稳定,此法高效可行,可作为下一步设计双足机器人的控制系统电机选型的重要理论依据。     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

基于竖缝式鱼道的鱼类上溯试验研究

为分析影响鱼类上溯的影响因素，基于竖缝式鱼道对19～27 cm体长范围内的鲫鱼开展连续上溯试验。通过物理模型和数值模拟相结合的方法，对鲫鱼上溯过程的位置与数值模拟得到池室内部的流速场和紊动能叠加分析，得到鲫鱼上溯所喜好的流速范围。试验结果表明，体长为19～27 cm的鲫鱼上溯所喜好的池室流速范围为0.091～0.524 m/s,试验中水流的紊动能最大值为0.035 6 m²/s²,小于0.050 m²/s²,属于低紊动能区，适合鱼类上溯，鱼类在上溯过程中会寻找流速和紊动能低的地方进行上溯。研究成果可为其他鱼类上溯提供参考。     

双足机器人五质心模型的预测控制实现方法

为提高双足机器人的步行性能，提出了基于五质心模型的预测控制实现方法。该方法按照机器人的结构，将机器人质量分配在躯干、双臂、双腿中的五个质心，并推导出基于机器人腰部的零力矩点变换公式。应用模型预测控制方法，控制机器人在线跟踪优化的行走轨迹。为验证算法正确性，进行了3D动态仿真实验和现实环境中步行实验。实验结果与基于单质心模型和三质心模型的模型预测控制算法对比，证明这里算法具有更高的步行轨迹跟踪精度。     

复杂环形内悬空空间网格结构施工卸载优化

为解决麦积山景区游客服务中心项目的卸载施工难题，选取合理的卸载方法，文中借助了有限元软件对拟定的4种卸载方案进行了模拟分析，分别从关键节点的位移变形、结构杆件的最大应力变化、主体结构的支撑体系受力转变、临时支撑的最大反力变化、临时支撑的总反力几个方面优选出了最佳的卸载方案。结果表明内至外卸载方案下，卸载的动态最为平稳，有利于结构和临时支撑的稳定，为最优卸载方案。其相应的分析过程和分析结果都能为类似结构的安全卸载施工提供相关指导和借鉴。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

英国食品GDAs标签的发展经验及对中国的启发

对英国食品每日摄入量指南（GDAs）标签开展案例研究，结果发现，GDAs标签从包装背面标签转为FOP标签，实施已有20年以上。该标签采用特定营养素体系度量法模型，显示每份食品能量、糖、脂肪、饱和脂肪、盐的含量及其每日参考摄入量占比，既没有颜色编码又没有形象的图标显示，且实施效果不如多数FOP标签。对此，中国可考虑将营养成分表信息以食品份量单位直观显示在包装正面，方便消费者关注与理解。