基于改进RRT*算法的机械臂路径规划研究

针对机械臂避障的难题,采用圆柱体包络法进行碰撞检测和RRT~*的改进算法进行路径搜索,规划出一条能够避免与已知障碍物碰撞,并且路径长度和规划时间较为优化的路径。RRT~*在原有RRT(快速随机树)基础上改进了父节点选择的方式,加入代价函数保证解的渐进最优性。在RRT~*基础上引入目标引力,减少路径搜索的随机性。同时,提出自适应步长避免陷入局部最优。在MATLAB平台上进行了RRT~*、RRT-connect及改进的RRT~*搜索算法的比较研究。结果表明,改进后的RRT~*算法在规划时间上和RRT-connect相近,在规划路径的长度上和RRT~*相近,同时具备时间和路径上的优势。以某品牌型号为WY700-1的机械臂进行了实验验证,结果表明,改进后的RRT~*搜索算法具备有效性和优越性。     

疏水引力在煤泥浮选过程中的作用机理及应用

为了分析疏水引力在煤泥浮选过程中的作用机理,将-0.074mm的不同密度细粒煤泥混入粗粒煤泥中进行浮选试验,研究不同密度细粒煤泥对可燃体回收率的影响;进行了EDLVO理论计算,分析各作用能的作用效果和疏水引力的成因。结果表明:1.3～1.4 g/cm~3密度级细粒煤泥容易罩盖于粗粒精煤表面疏水部分;水中两个相互接近的疏水表面间的作用以疏水作用为主,疏水引力的产生是由于水中疏水表面相互接近到一定距离时自发形成了纳米气泡桥;浮选调浆的强度应适中,在破坏煤泥颗粒间疏水引力的同时而不破坏煤泥与气泡的附着。     

基于改进引力模型的成都城市圈引力格局划分研究

通过研究区域内各个城市之间的引力关系,能够探索城市之间的经济关系,这是合理划分城市圈内城市组团,实现城市组团协同发展的基础。基于城市竞争力和矢量的城市引力模型,通过加入心理距离相关理论对模型进行了改善,并以成都城市圈为例,阐述成都城市圈引力格局现状及经济联系。结果表明:通过改进后的城市引力模型计算的引力结果,反映出城市相对引力现状基本符合客观事实;成都城市圈明显呈现出“一家独大”的经济格局,成都市的城市竞争力和引力远远超出平均水平,整个城市的经济联系过于分散,区域内各城市发展不均衡,有待未来改善。     

大城市副中心反引力设计理论与方法探讨——以上海市五角场为例

大城市中心商务区(CBD)的规模一旦超过一定的界限，将会产生“门槛效应”，导致效率下降，解决的办法是加以适当的控制和疏解，建设若干副中心(SUB—CBD)。副中心是分担大城市中心区的部分功能、缓解中心区的交通拥挤和消除中心区因聚集规模过大而带来的聚集负经济现象，以优化大城市空间结构。在我国许多大城市规划中都提出过副中心的概念，然而鲜有成功的例子。究其原因，我们认为政府在实施规划过程中，往往偏向增强中心区的吸引力，缺乏提升副中心反吸引力的具体政策和措施。该以上海市五角场副中心为例，对大城市副中心反引力设计的理主化和方法进行探讨。     

关于狭义相对论的修正以及新引力理论的方案

相对论存在一定的局限性.狭义相对论适用于电磁的相互作用.没有强有力的证据显示狭义相对论也适用于其它3种基本相互作用.至少在弱相互作用中,中微子可能是超光速粒子.物理学需采取多种时间的定义,一种推广伽利略变换的时间值得进一步研究.广义相对论很大程度上是一种数学理论.作为物理学的引力理论,它存在很多基本缺陷.检验广义相对论一些天文实验,误差很大,需要重新分析.笔者将讨论一种新引力理论的方案.它的引力场方程与电磁理论的麦克斯韦方程十分相似.     

考虑需求响应的风电消纳模糊

随着智能电网的快速发展,将需求响应(demand response,DR)融入调度过程以协调风电和火电机组出力是目前的研究热点.首先利用需求响应对负荷曲线的优化作用及其对系统备用容量的等效作用,制定了分时电价和可中断负荷的容量成本;其次针对风电出力的不确定性和随机性,采用可信性测度理论对其进行模糊表示;然后将风电出力不确定性引入到旋转备用模糊约束中,给出了基于模糊机会约束规划(fuzzy chance constrained programming,FCCP)并考虑需求响应的经济调度模型;最后由改进引力搜索算法求解所给模型.算例分析表明所提模型能够有效应对风电出力不确定性,降低系统运行的总成本.     

IGSA优化LSSVM的短期风电功率预测研究

提出一种基于改进引力搜索算法(Improved Gravitational Search Algorithm,IGSA),优化LSSVM的短期风电功率预测方法。对引力搜索算法采用混沌映射学习策略初始化种群位置,引入全局记忆策略来改进速度公式,提高最优解质量,利用高斯变异算子及贪婪策略来更新最优解位置。为对比不同核函数对LSSVM预测模型性能的影响,选取了4种常用的核函数(RBF,Sigmoid,Poly及Linear)构建LSSVM预测模型,并用IGSA优化构建的模型。以安徽某一风电场实测数据为例,仿真结果表明,选择RBF核函数的IGSA-LSSVM模型的风电预测性能优于其它核函数;同时,与反向传播神经网络(Back Propagation Neural Network,BPNN)相比,以及与GA,PSO和GSA优化LSSVM相比,IGSA优化LSSVM方法对短期风电功率预测具有更好的稳定性和更高的准确性。