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。     

基于张量计算的卷积神经网络语义表示学习

卷积神经网络已在多个领域取得了优异的性能表现,然而由于其不透明的内部状态,其可解释性依然面临很大的挑战.其中一个原因是卷积神经网络以像素级特征为输入,逐层地抽取高级别特征,然而这些高层特征依然十分抽象,人类不能直观理解.为了解决这一问题,我们需要表征出网络中隐藏的人类可理解的语义概念.本文通过预先定义语义概念数据集(例如红色、条纹、斑点、狗),得到这些语义在网络某一层的特征图,将这些特征图作为数据,训练一个张量分类器.我们将与分界面正交的张量称为语义激活张量(Semantic Activation Tensors,SATs),每个SAT都指向对应的语义概念.相对于向量分类器,张量分类器可以保留张量数据的原始结构.在卷积网络中,每个特征图中都包含了位置信息和通道信息,如果将其简单地展开成向量形式,这会破坏其结构信息,导致最终分类精度的降低.本文使用SAT与网络梯度的内积来量化语义对分类结果的重要程度,此方法称为TSAT(Testing with SATs).例如,条纹对斑马的预测结果有多大影响.本文以图像分类网络作为解释对象,数据集选取Image Net,在Res Net50和Incep...     

基于稀疏表示和决策融合的图像分类方法

利用多个稀疏表示分类器融合的决策信息对图像进行分类,可避免单个特征对图像分类的影响。提出一种自适应调节权重的多稀疏分类器融合图像分类方法。对原始图像分别提取3组不同特征,并训练出各自稀疏表示分类器;根据各个子分类器的准确率,通过迭代计算自适应确定各分类器最终权重;融合各子分类器的输出结果进行最终类别判断。基于Cifar-10图像数据集进行多组实验,结果表明,相对仅提取单特征的图像分类方法,该方法有效提高了图像分类准确率。     

基于反投影带垫板的网孔板数控渐进成形

针对成形工具头直接对网孔板进行挤压存在的问题,提出了一种基于垫板的网孔板数控渐进成形方法。通过在网孔板上放置一张垫板,使成形工具头间接挤压网孔板,消除成形工具头和网孔板之间的摩擦力,进而避免网孔板产生划痕或破裂。此外,针对恒定层间距等高线成形轨迹不太适合网孔板平坦区域成形的问题,提出了基于反投影的等高线轨迹生成方法。在等高线轨迹比较稀疏的平坦区域,利用反投影方法插入等高线,使该区域的等高线轨迹稠密化,从而使该区域也能被均匀挤压。成形实验结果表明,基于反投影带垫板的网孔板数控渐进成形方法有助于提高网孔板的成形质量。