基于强跟踪滤波的机器人运动轨迹控制系统设计

机器人运动信息采集的抗噪性较差,导致系统运动轨迹与实际轨迹不符,轨迹控制效果较差。因此提出基于强跟踪滤波的机器人运动轨迹控制系统设计。系统通过软硬件协同工作,实时控制机器人轨迹。采用IPM电机驱动控制系统硬件结构,根据指令和感知信息,采用多CPU结构控制方式,控制一个机器人关节运动。使用PCI9052接口控制PCI-485接口卡,实现了上下位机之间通讯。以TMS32OF240XDS为核心,设计DSP控制器,完全分离程序空间与数据空间。在软件设计方面,通过CAN-TTLG单片机光隔离超远程驱动器,使系统具有一定抗噪能力。构建机器人运动方程,引入强跟踪滤波弱化因子,计算运动轨迹偏差,并对机器人运动控制进行重力补偿,由此设计轨迹控制流程,完成机器人运动轨迹控制系统设计。实验结果表明,该系统运动轨迹与实际轨迹相符,且轨迹控制效率较好,具有良好控制效果。     

城市规划的制定和实施管理

本文简要介绍了城市规划的基本概念和发展概况,以及城市规划的制定、主要内容、实施管理等方面。     

高职计算机应用类课程项目化、模块化实验研究

传统的高职计算机应用类课程强调的是完整知识体系的教学,忽视了理论与实践的有机结合,导致了高职学生学而不能致用。本文提出了项目化、模块化实验的方法并运用于教学活动中,在教学实践中培养和提高了高职学生的实践动手能力。     

基于CARLA-PSO组合模型的机器人步态控制系统设计

传统机器人步态控制系统对路线把握能力不强,导致对机器人步态的控制精度较差、时间过长。为解决上述问题,基于CARLA-PSO组合模型设计了一种新的机器人步态控制系统。硬件部分挑选操作性能较高的硬件元件系统,精准掌控系统中心点的位置,并在此位置上加大数据研究力度,通过数据监视模块及数据控制模块获取的数据结果,利用目标参数控制模块实施数据处理操作;以收集的硬件信息作为软件操作基础,利用CARLA-PSO组合模型得出机器人步态控制局部及全局最优解,综合运用软件控制算法整合获取的步态信息,调控路径信息,结合传感角信息,清理无关步态数据,完成机器人步态控制系统设计。实验结果表明,基于CARLA-PSO组合模型的机器人步态控制系统能够更精准地把控路线,相较于传统控制系统,设计的系统控制时间提高了15.2%,具有较好的控制效果。     

基于量子粒子群算法的PID参数自整定方法

PID控制在工业生产中应用非常广泛.以直流电机模型为被控对象,提出了基于量子粒子群算法的PID参数自动整定方法.应用经典的Ziegler-Nichols方法整定PID参数,被控对象性超调大往往难以满足要求.粒子群算法是通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法.将量子粒子群算法用于优化PID参数,并与Z-N法整定的PID控制器性能进行对比.仿真结果发现,与Z-N法相比,基于粒子群算法优化的PID控制器,系统超调明显减小.除QPSO-PID(ITSE)对应的系统具有较长调节时间外,虽然应用不同优化目标优化后的PID参数不同,控制对象的响应性能却非常相似.