基于交通约束及多元启发函数的改进A^*算法

针对多移动机器人的环境下容易出现碰撞的情况以及传统A^*算法规划的路径容易出现拐角数多的问题,基于栅格建模的方法,提出了交通约束法,并且在A^*算法原有启发函数的基础上,添加拐角数的评判指标,构成多元启发函数。在MATLAB仿真平台上对基于交通约束及多元启发函数A^*算法进行仿真实验,结果证明在多AGV系统下,基于交通约束及多元启发函数的A^*算法在规划出合理路径的前提下,减少了拐角数,降低了碰撞几率,提高了移动机器人完成路径的效率,具有较强的稳定性。     

焊接机器人特征参数预测方法的研究综述与展望

焊接机器人可大大改善工人劳动条件、提高生产效率,其特征工艺参数的合理选择是确保焊缝成形质量的关键。分析了焊接机器人焊接过程中关键特征工艺参数对焊接质量的影响,并对各种工艺参数的预测方法及其特点进行了分析和综述。对焊接机器人特征参数预测方法的发展趋势进行了展望,提出了未来的研究方向。     

基于多路径广度优先搜索算法的代谢通路设计与实现

寻找从底物到产物的可行代谢通路是代谢工程设计中的核心环节。针对复杂代谢网络中代谢 通路不唯一的情况以及传统 K 条最短路径(K-Shortest Path,KSP)算法效率低的问题,该文通过对传统 KSP 算法的优化,引入关键边概念以减少非必要的重复计算;搭建代谢通路设计 Web 平台,使用并行 计算方式提升了算法运算性能。最终,通过引入代谢网络图,对改进 KSP 算法的多路径搜索效率进行 验证,结果显示较传统 KSP 算法有 5～9 倍的性能提升。     

基于细菌觅食算法的多线圈电- 机械转换器双模控制技术研究

针对提升电-机械转换器快速响应特性的技术需求,提出了新型三线圈结构电-机械转换器。通过建立的电-机械转换器数学模型,提出采用细菌觅食算法来寻找时间最优解,并基于此方法设计了砰-砰与比例-积分双模控制器。分析与仿真结果表明,相对于传统单线圈电-机械转换器,采用双模控制器的三线圈电-机械转换器,其响应时间从8.5 ms缩短至2.5 ms,震荡和超调不超过5%,可知该技术能够实现响应特性,前景良好。     

基于NVAE和OB-Mix的小样本数据增强方法

由于深度学习模型对海量标注数据的依赖性较高,导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此,提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型,再通过采样潜变量的方式生成与真实目标图像属于同一分布的全新目标图像。在得到生成目标图像后,提出了OB-Mix数据增强策略,将生成目标图像与背景图像进行随机位置融合以构建出新的图像数据,从而提高网络的定位能力及泛化能力。方法在仅使用474张标注图像以及400张无检测目标的背景图像情况下,使YOLOv5的检测精确率达到95.86%,相比于不使用该方法的结果提高了17.60个百分点。     

基于深度循环神经网络的协作机器人动力学误差补偿

由于协作机器人的结构比普通工业机器人更为轻巧,一般动力学模型所忽略的复杂特性占比较大,导致协作机器人的计算预测力矩误差较大。据此提出在考虑重力、科里奥利力、惯性力和摩擦力等的基础上,采用深度循环神经网络中的长短期记忆模型对自主研发的六自由度协作机器人动力学模型进行误差补偿。在实验中采用优化后的基于傅里叶级数的激励轨迹驱动机器人运动,以电机电流估算关节力矩,获取的原始数据用来训练长短期记忆模型(LSTM)补偿网络。网络的训练结果和评价指标为预测力矩相比实际力矩的均方根误差。计算与实验结果表明,补偿后的协作机器人动力学模型对实际力矩具有更好的预测效果,各轴预测力矩与实际力矩的均方根误差相比于未补偿的传统模型降低了61.8%至78.9%不等,表明了文中所提出补偿方法的有效性。      

六自由度VR娱乐平台变频率洗出算法研究

为提高VR娱乐平台模拟运动场景的逼真度,对经典洗出算法加以改进并提出一种变频率洗出算法(VFWA)。根据平台运动实时性要求,结合切换控制思想,并根据设定输入值与算法输出值的误差实时反馈调节算法滤波器的参数。利用MATLAB软件对VR娱乐平台纵向模式,偏航模式与垂直模式运动进行仿真,结果表明,运用本文所提出的变频率洗出算法(VFWA),既能将模拟逼真度从经典洗出算法的50%-60%提高至90%,又能防止VR娱乐平台运动超限,对正弦信号与方波信号输入具有较好的适用性。     

多机器人优化布局与任务分配的研究综述与展望

多机器人系统能可靠地完成单机器人无法完成的高效性作业,已成为构建智能产线的研究热点。从多机器人的机构优化布局方法和多机器人任务分配技术方面综述了多机器人系统的研究现状,并对该技术领域的发展趋势进行了分析和展望,指明了未来工作的研究方向。     

多机器人轨迹规划研究综述及发展趋势

多机器人系统与单机器人相比,具有工作效率更高、灵活性更好等特点,受到广泛关注。轨迹规划决定了机器人末端执行器的作业效率和运动性能。多机器人系统在工作空间大范围重叠情况下,每个机器人的协同轨迹规划的计算量非常大。从基本轨迹规划、最优轨迹规划及深度学习等方面,详细分析和综述了多机器人轨迹规划的各类方法,并对该领域的技术发展趋势进行了分析和展望,指明未来工作的研究方向。     

多障碍环境下机械臂避障路径规划

为提高协作机器人在多障碍环境下的避障路径规划的成功率和效率,针对机械臂和障碍物提出碰撞检测方法,并提出低振荡人工势场—自适应快速扩展随机树(ARRT)混合算法进行路径规划,机械臂先采用低振荡人工势场法进行搜索,当遇到局部极小、碰撞等情况时切换成ARRT进行逃离,直至到达目标点.另外,为了在每个步长都取得最优的逆运动学关节角,保证前后步长对应关节角度值变化的连续性,提出最短行程逆解算法.为了提高规划后的路径质量,提出一种冗余路径节点删除策略,并使用四次贝塞尔曲线对路径进行拟合.经过仿真分析,机械臂在多障碍环境下对于环境复杂度的适应性强,路径搜索成功率高于经典算法,其平均路径搜索时间相比于经典RRT算法从26.1 s下降到3.6 s,算法搜索成功率和效率都得到显著改善.