基于神经网络的6-SPS并联机器人正运动学精确求解

位置正解是并联机器人机构应用的基础。探讨了人工神经网络在并联机器人机构位置正解求解中的应用。采用BP网络，利用位置逆解结果，通过训练学习，实现操作手从关节变量空间到工作变量空间的非线性映射；从而求得6-SPS并联机器人运动学正解。为提高正解结果精度，采用迭代计算进行误差补偿。给出了一种并联机器人操作手的仿真实例。计算结果表明，该法迭代次数少，计算精度高且计算速度接近机器人实时控制的要求。     

Stewart平台实时位置正解通用方法

为了提高Stewart并联平台位姿正解求解速度,兼顾并联平台位置正解的精确性与实时性,本文结合BP神经网络、雅克比矩阵和牛顿迭代法,设计了并联平台位置正解的混合算法。运动学正解的非线性方程组由几何分析法得出;算法初始值由BP神经网络生成;最后使用提出的速度迭代得出精确结果。实验结果表明:在相同环境下,本文方法在相同精度要求下较牛顿迭代法解算时间缩短约50%,并在6-6 Stewart并联平台实物上验证了算法的有效性。该算法用于并联平台轨迹运动中的位姿求解,原理简洁,易于移植到不同构型的平台。     

基于遗传算法的Stewart并联机器人位置正解分析

充分利用Stewart并联机器人位置反解容易获得这一特性,把较难的Stewart并联机器人位置正解问题转化为一个优化问题,考虑到遗传算法的全局优化特性,提出了基于遗传算法的Stewart并联机器人位置正解方法. 仿真实例证明了所提方法具有很高的计算精度,彻底克服了采用数值解法求解Stewart并联机器人位置正解时,解的精度受初值影响较大的缺点.     

基于L-M算法的正交Stewart平台位姿正解的初值补偿

针对牛顿拉夫逊迭代法求解正交Stewart六自由度平台位姿正解对迭代初值依赖的问题,提出基于Levenberg-Marquardt(L-M)算法改进的BP神经网络模型,进而实现对Stewart平台位姿正解的迭代初值补偿值计算,并与基于BFGS拟牛顿算法、SCG量化共轭梯度算法、GDA梯度下降自适应算法所建立的BP神经网络模型进行对比分析,重点分析模型的适应性、预测输出、误差性能等。结果表明:采用提出的基于L-M算法改进的BP神经网络模型对正交Stewart六自由度平台位姿正解的迭代初值校正后,收敛速度有显著提升,初始值校正误差低于0.1%,校正结果满足预期要求。     

基于误差敏感分析的Stewart平台参数辨识方法

针对Stewart平台参数辨识问题,提出基于误差敏感分析的参数辨识方法．通过建立Stewart动平台在不同位置点的位姿误差模型,得到Stewart平台结构参数辨识方法,该方法解析了Stewart平台在不同位姿下,结构参数变化及对其输出的敏感性．利用数值法构造出误差影响敏感矩阵,可辨识系统结构参数．通过实例计算与修正,Stewart平台位置误差从4.8 mm降到到1.12 mm,角度误差从5.4°降到1.05°,验证了该辨识方法是有效可行的．     

神光-Ⅲ精密装校平台运动学分析

针对神光-Ⅲ激光装置光机模块装校需要,设计了一套具有6自由度精密调整功能的混联装校平台。运用解析法建立了模块位姿与各姿态调整机构位姿的映射关系,进而求得系统运动学逆解。利用运动学逆解结果,采用BP神经网络实现驱动位移到模块位姿的非线性映射,从而获得系统运动学正解。为提高运动学正解精度,提出采用"单一输出"细分子网络,使得正解精度提高了一个数量级。为进一步提高位置精度,提出了一种对神经网络进行改进的位置补偿算法,使得位置精度提高至10-3 mm级,满足工程应用要求。MATLAB仿真验证了该方法的可靠性,并可有效应用于求解一般混联机构的运动学正、逆解。     

6-PRRS并联机器人正运动学求解

采用分类神经网络形式,利用运动学逆解,通过遗传算法结合Levenberg-Marquardt训练方法,可实现机器人位置从关节变量空间到工作变量空间的非线性映射,从而求得并联机器人运动学正解估计值,然后通过拟牛顿迭代计算可求得精确解,将此方法应用于6-PRRS并联机器人,结果表明:该方法计算精度高,耗时少,可应用于并联机器人的任务空间实时控制或求解并联机器人的工作空间。     

基于二维搜索的Stewart平台工作空间分析方法

为了在不影响分析精度的前提下,减小利用空间搜索法进行Stewart平台工作空间分析过程中的计算量,提出一种利用Newton Raphson方法对Stewart平台单自由度运动范围进行求解的数值方法.将该方法应用在Stewart平台工作空间的研究中,实现了利用二维空间搜索法对工作空间的分析,与传统空间搜索方法相比,减小了搜索维数和计算量.通过算例证明,二维空间搜索法能够快速准确地计算出Stewart平台在不同位姿下的工作空间,利用二维空间搜索法可以对工作空间的其他子空间进行分析,并且该方法还可以应用在其他形式并联机构的工作空间分析中.     

六自由度Stewart平台四维工作空间搜索方法

针对某型6-DOF Stewart仿真平台绕Z轴转角范围大的要求,提出通过搜索四维工作空间来选择杆长参数的方法.首先将输入的连杆长度均分为若干离散值,6组离散杆长值组合出平台的杆长输入量;然后利用位置正解算法求出对应的上平台位置姿态解,除去其中不满足铰链转角约束和具有奇异位形的解;最后将离散的平台可达位置点组成位置可达空间并划分为若干等体积区域,将每个区域内离散位置点姿态角变化范围的加权函数值作为该区域所有点的第四维坐标.四维工作空间具有可视化的直观效果,其搜索方法简单易行,为某型平台杆长参数的选取提供了依据.     

一种三角平台机构的位姿判定方法

介绍了双三角平台并联机构的组成特征，深入地探讨了其位置正解的求解过程，并对该机构所产生的运动进行了分析。并给出工程应用中数值法的求解实例。     

汽车悬架运动学特性参数优化方法

为解决汽车悬架运动学特性参数优化难题,提出用数学语言描述悬架运动学特性参数的约束条件,及利用牛顿迭代法进行优化的方法.该方法能快速找出所需调整的设计变量,并能快速有效地搜索到最优解,适合于多设计变量、多目标函数的优化.针对某样车后悬架前束角及外倾角存在的问题,应用该方法对目标函数影响较大的设计硬点坐标值进行优化.结果表...     

简化的牛顿—拉夫逊潮流计算法

提出了一种利用简化潮流雅可比矩阵来缩短牛顿－拉夫逊潮流计算收敛时间的方法，并通过算例验证了其有效性。     

求解非线性电阻电路的一种混合方法

非线性电阻电路的求解一直都是一个不容易解决的问题。本文将求解非线性电阻电路转化为求解非线性代数方程的问题。在众多的算法之中,提出一种新的混合式算法,将PSO算法与牛顿法相结合,利用了PSO算法对初值无要求与牛顿法的收敛快和自校正的优点,在应用PSO算法进行优化设计的基础上,采用牛顿法进行二次优化,克服了牛顿法初始点较难选择的问题。函数测试的结果证明了该方法的可行性和有效性。     

多参数MRV算法的理论证明

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法.它通过修改右端向量,使得迭代过程中各步的线性方程组具有相同的系数矩阵.在每步迭代过程中,利用一个参数的选择,来优化步长修正量.MRV迭代法的收敛速度较快,界于定点Newton法和Newton迭代法之间.借助于LU分解,可使其计算成本降低,低于定点Newton法.现利用多个参数,将MRV迭代法进行改进,得到一种新的迭代法--多参数MRV迭代法,并对其收敛性进行了严格的证明.得出多参数MRV迭代法的收敛速度比MRV迭代法要快的结论.     

解非线性方程的Newton迭代法的一点注记

用不同的方法对求非线性方程数值解的Newton迭代法进行了推导,并利用高精度的数值积分方法得出新的迭代算法.经过严格的理论证明,新算法具有三阶收敛性,比Newton迭代法的收敛速度提高了一阶.数值实验表明,新算法对初值选择要求也较为宽松.     

牛顿法的一点注记和改进

本文讨论求解非线性方程的牛顿法,证明牛顿法在一个弱条件下仍保持局部二阶收敛性,给出牛顿法的一点改进,即一个不带导数的单参数的二阶收敛的迭代法,而且分别得到这两种迭代法的收敛因子,最后进行数值实验.     

用修正Newton迭代法解一元方程

考虑用一种修正的Ｎｅｗｔｏｎ迭代法解一元方程,其收敛速度比Ｎｅｗｔｏｎ迭代法更快,比Ｍｕｌｌｅｒ法更直观,而且对求重根,重数根简洁。     

多参数MRV算法的算法设计与数值实验

MRV迭代法是求非线性方程组的数值解的一种Newton型迭代法. 它通过修改右端向量, 使得迭代过程中各步的线性方程组具有相同的系数矩阵. 在每步迭代过程中,利用一个参数的选择,来优化步长修正量. MRV迭代法的收敛速度较快, 界于定点Newton法和Newton迭代法之间. 借助于LU分解, 可使其计算成本降低, 低于定点Newton法. 这是一种非常实用的算法. 然而,其收敛速度仍需提高. 为此, 文献[9]利用多个参数, 得到一种新的迭代法--多参数MRV迭代法, 并对其收敛性进行了严格的证明. 通过对该算法进行进一步的研究,特别是对那些仅含少量非线性方程的非线性方程组,设计出一些比较好的算法, 既克服了Newton法每个迭代步都要计算Jacobi矩阵的缺点, 又保持了和Newton型迭代法相同的收敛速度. 并通过数值实验, 对这些算法的优点进行了验证.     

Blind equalization method for OFDM systems in non-cooperative communication

The traditional methods of blind equalization for orthogonal frequency division multiplexing(OFDM) systems have the problems of slow convergence rate and short received data. A novel blind equalization method of OFDM systems based on the multi-modulus hybrid algorithm and variable step size iteration of inter symbol interference is proposed to solve this problem. Piecewise multiplexing of the received data is adopted in this method, and then the modified constant modulus algorithm and the decision directed algorithm are mixed into the multi-modulus hybrid algorithm. This equalization method is utilized by the variable step size iteration based on inter symbol interference. Simulation results show that the proposed method has not only more stable convergence performance but also faster convergence speed than the traditional equalization methods in non-cooperative communication.     

参数型Topkis-Veinott方法及其数值计算

讨论一种解决不等式约束优化问题的T opk is-V einott方法的变化形式。在每次迭代时,这种方法都利用一种线性约束半正定二次问题来产生一个合理的下降方向;同时,用半光滑牛顿方法去解出产生于非线性补充问题(NCP函数)的子问题。根据给定算法用MATLAB语言编写程序。初步的数值结果表明,参数c影响着算法的速度。