基于混合蛙跳算法优化人工势场的路径规划方法研究

针对传统人工势场在路径规划时易陷入局部极小、目标不可达和狭窄通道左右摆动的问题,提出了一种改进人工势场算法。该改进算法将目标距离引入斥力函数解决目标不可达问题:将斥力分解为由障碍指向机器人的分量和垂直于机器人与障碍连线的分量,分别用于阻止机器人接近障碍和引导机器人离开障碍。针对蛙跳算法迭代速度慢的问题,提出了改进混合蛙跳算法来提高蛙跳算法的进化速度和精度,并用于优化人工势场的参数以提高路径规划性能。仿真试验验证了所提出算法的有效性。     

移动机器人控制在建筑钢结构设计中的应用

智能化、数字化是建筑钢结构设计的发展趋势,其中智能建造设计已经成为建筑钢结构设计行业的共识,并且有望在未来建筑钢结构设计中得以深度应用.然而在建筑钢结构设计中,难以协同工作、难以与施工工具形成联通等现象仍旧存在,影响了建筑钢结构设计质量与效率.基于此,移动机器人的出现,有助于弥补当前建筑钢结构设计中的缺乏,并为难题解决提供了新的方案.     

小波神经网络在货车滚动轴承故障检测中的应用

以352226X2-2Z型货车滚动轴承为研究对象,通过小波包分析方法提取货车滚动轴承故障声发射信号特征向量,并将其作为神经网络的输入,通过概率神经网络（PNN）的模式识别功能实现故障类型分类,证明了小波神经网络在货车滚动轴承故障检测中的有效性.     

铁路货车轴承的声发射故障诊断及分析

结合声发射检测的特点和货车滚动轴承故障检测的现状，将声发射检测技术应用于货车轴承故障检测中，提出了小波包分析提取轴承声发射信号特征向量的方法，并利用概率神经网络的模式识别功能进行轴承故障状态的识别。     

LabVIEW软件在教学中的应用

虚拟仪器是现代实验室的重要组成部分。利用LabVIEW软件设计虚拟仪器代替实验室硬件设备,将测试技术等课程的相关知识融入该仪器,并通过实例阐述基于LabVIEW的虚拟仪器在现代教学中应用的实用性。     

基于YOLOv5的角度优化抓取检测算法研究

针对目前机器人抓取检测方法抓取角度预测过于离散,抓取过程可能产生较大偏角,降低抓取检测精度,甚至导致抓取失败的问题,提出了一种基于YOLOv5神经网络模型改进的机器人实时抓取检测方法。以单阶段目标检测模型YOLOv5为基础,提取抓取框坐标及抓取角度。对抓取角度进行更细致的划分,同时引入环形平滑标签以适应角度的周期性,建立相邻角度之间的联系,将YOLOv5检测头进行解耦,并对损失函数进行优化,提高检测精度。在Cornell数据集上进行实验验证。实验结果表明,与经典的抓取检测方法相比,所提算法能够更好地预测抓取角度,提升抓取检测精度;在Cornell数据集上,此模型达到了97.5%的准确率以及71 FPS的检测速度。     

基于ACO-RRT算法的移动机械臂避障路径规划

在充满障碍物的环境里,基于随机采样的RRT算法和RRT^*算法进行移动机械臂避障路径规划时常存在路径代价高和求解速度慢等问题。为解决以上问题,首先将ACO蚁群算法中的启发式思想融入RRT算法形成ACO-RRT算法,在不同使用场景引入不同启发式修改采样策略解决最短路径问题;然后通过定义效用函数权衡探索函数与开发函数分配率,使得在效用函数增加的地方采样更加频繁;最后在相同的障碍环境中评估ACO-RRT、RRT和RRT^*3种算法的迭代次数、路径代价和求解速度等性能指标。实验结果表明,ACO-RRT算法解决了RRT算法和RRT^*算法存在的问题,并且性能优于目前较为成熟的RRT算法和RRT^*算法。     

LabVIEW软件在货车轴承故障诊断中的应用

滚动轴承作为列车的重要运动部件,由于冲击、磨损和长时间运行,很容易造成内部损伤,严重的可以引起列车翻车.为了实现货车滚动轴承的在线不拆解故障诊断,研究了在LabVIEW环境内使用MATLAB Script节点实现货车轴承声发射信号的小波包分析,提取能量特征信息,并通过概率神经网络实现货车轴承故障诊断的方法.在实验室环境内达到了较好的效果,为现场的故障诊断提供了一种可行的在线诊断方法.