基于改进珊瑚礁算法的机械臂快速逆解分析北大核心

针对结构复杂、自由度高的冗余机械臂逆运动学求解困难的问题,提出一种基于经验进化的珊瑚礁优化算法(EECRO)。首先,基于7自由度机械臂的正运动学分析建立了基于位置误差的优化模型;其次,使用PSO算法的学习进化策略代替CRO中的交叉变异,同时引入种群入侵策略以提高种群多样性,并将概率毁灭策略改为条件毁灭策略以保证具有足够的求解精度;然后,通过基准测试函数验证了所提算法具有良好的收敛速度和精度;最后,使用所提方法对给定轨迹点进行了逆运动学求解实验。结果表明,使用EECRO算法的求解的逆运动学精度更高、求解速度更快,与CRO算法相比精度提高了10个数量级以上,不仅扩展了CRO算法的应用范围,同时也为逆运动学数值解问题求解提供了新方法。     

机械臂逆运动学的带修复策略自适应差分进化求解北大核心

在保证机械臂运动学逆解位姿精度的前提下,为了减小机械臂关节角整体的运动量,提出了基于带修复策略自适应差分进化算法的逆运动学求解方法。以7自由度冗余机械臂为研究对象进行了问题剖析。以末端执行器位姿精度为约束,以关节角整体运动量最小为目标,建立了带约束的优化模型。在差分进化算法中引入了多种变异策略,并给出了多变异策略的自适应选择方法,提高了算法的优化能力。针对约束条件,设置了带伸缩因子的修复策略,使解在非可行域时能够伸缩到可行域内。经验证,带修复策略自适应差分进化算法求取的运动学逆解能够满足位姿精度约束,且减小了逆解的关节角整体运动量,验证了本文算法在机械臂逆运动学求解中的优越性。     

基于BP和RBF神经网络的机器人逆运动学算法

针对单一神经网络求逆运动学时存在求解精度不高、泛化能力差的问题,研究了工业机器人的工作空间及逆运动学求解算法。在对BP神经网络和RBF神经网络分析的基础上,提出了一种BP与RBF网络并行的7输入6输出神经网络模型。以一种协作型工业机械臂为例,首先建立其运动学模型并分析工作空间,然后求解正运动学获得数据集用于训练、验证和测试网络,最后得到符合要求的网络模型。仿真结果验证了网络的正确性,并行网络方法提高了单一神经网络的求解精度,同时求解速度优于解析法求逆运动学速度,证明了该方法的实用性。     

基于改进人工蜂群算法的冗余机器臂逆解研究

针对具有移动关节的7自由度机械臂逆运动学求解困难的问题,提出了一种基于改进人工蜂群算法的逆运动学求解方法。首先根据冗余机械臂的物理结构简化出几何模型,利用D-H法建立运动学模型,由坐标系变换得到正运动学的解。由于该冗余机械臂不满足Pieper准则,难以用传统方法求得封闭解;因此采用改进人工蜂群智能算法,利用位置误差与姿态误差的标准差作为目标函数,求取逆运动学的最优解,并利用Matlab编程进行仿真验证,仿真结果表明该方法准确有效,为具有移动关节的冗余机械臂逆运动学的求解提供了一种新的途径。     

基于RBF神经网络的MOTOMAN-UPJ型机器人运动学逆解

利用D—H参数对MOTOMAN—UPJ型机器人建立坐标系,推导出正运动学公式。将由此得到的运动学正解作为训练样本,利用RBF神经网络的局部逼近的优点,将求解机器人运动学逆解转化为对神经网络的权值进行训练。实现了机器人从工作空间到关节空间的非线性映射。使用12输入,单输出的RBF网络,对6自由度的MOTOMAN—UPJ机器人进行了计算仿真,验证了该方法的可行性。与传统解析法相比,大大减少了求解运动方程的计算量。与BP神经网络相比,加快了收敛速度,解决了实时性差的问题。     

冗余度机械手逆运动学果蝇优化算法的改进

逆运动学问题是冗余度机器人运动控制、轨迹规划和动力学分析的基础,也是机器人学中最重要的问题之一。以末端执行器位姿的误差最小为优化目标,建立适应度函数,将求解冗余度机械手的逆运动学问题转化为一个等价的优化问题,在优化算法的基础上通过杂交变异果蝇优化算法(HMFOA)进行冗余度机械手逆运动学问题的求解。采用嗅觉搜索杂交突变机制和视觉搜索的动态实时更新机制,有效解决果蝇优化算法(FOA)的收敛问题,并提高算法的收敛速度。为进一步验证HMFOA的有效性,在七自由度机械手上对HMFOA进行了测试,将其结果与FOA、LGMS-FOA和AE-LGMS-FOA等算法进行了比较,证明HMFOA能有效地解决冗余机械手的逆运动学问题。     

多臂协同焊接机器人运动学逆解及误差分析

为了实现飞机双曲度壁板与桁条之间T形接头双侧焊缝的精准焊接,提出基于神经网络的多臂协同焊接机器人逆运动学求解方法.在构建多臂协同焊接机器人DH模型并进行有效性验证的基础上,考虑焊接机器人各关节运动范围,获取样本数据.基于BP和RBF神经网络,将18个关节子空间映射到三条机械臂末端作业空间,把高维、非线性逆运动学求解问题转换为多输入多输出预测模型.对两种神经网络模型求解效果进行对比.结果表明,基于神经网络的多臂焊接机器人运动学逆解求解结果精度高,其中BP神经网络求解速度更快,而RBF神经网络的预测效果更好.     

基于混合算法的七轴机器人逆解求解

为了解决七轴机器人逆运动学求解较难、精度较低的问题,提出一种基于数值迭代法与粒子群优化算法相结合的方法求解.对机器手模型及逆运动学位姿函数进行了研究,利用数值迭代法进行机器手逆解的初步最优角度解,在此基础上缩小搜索范围利用粒子群算法进行二次优化搜索计算,减小数值迭代过程中产生的累积误差,仿真结果表明机器手的位姿精度大大...     

基于改进双种群烟花算法的机器人逆解研究

一般机器人的逆运动学求解过程中存在着推导公式复杂,求解精度低的问题。为此,将双种群烟花算法进行了一定的改进,提出了一种基于改进双种群烟花算法的高精度机器人逆解算法。该算法采用两个种群并行对解空间进行搜索,增加了种群的多样性;优化过程中采用协作算子进行种群间的信息交换,得到了更快的收敛速度;同时引入了算法早熟扰动机制来提高搜索的成功率,避免陷入局部最优解。最后以6R一般机器人作为实验对象进行实验,结果表明:改进双种群烟花算法不仅提高了收敛精度,而且在运算速度和收敛成功率上也有很大的提升。     

基于改进灰狼算法的机械臂运动学高精度逆解北大核心

为提高串联机械臂逆运动学的求解精度、简化求解难度及增强求解通用性,提出一种适用于各类串联机械臂逆运动学求解的改进群智能算法;根据改进D-H参数法建立机械臂运动学模型,以最小化位姿误差为优化指标建立目标函数,将逆运动学求解问题转化为优化控制问题。通过多种群混沌协同搜索策略、最优学习策略、多重变异扰动策略和跳出局部最优策略4种改进策略提出一种多策略协调改进的灰狼优化(multi strategy coordination improved grey wolf optimization,MSCIGWO)算法,并应用于求解各类串联机械臂逆运动学。仿真试验结果表明,改进后的灰狼优化算法求解性能得到极大提高,相比于直接采用灰狼优化算法求解机械臂逆运动学,MSCIGWO算法的收敛速度、收敛稳定性更强且可高精度收敛至精确小数点后12位数值精度的理想位姿,验证了该算法求解的有效性与通用性。     

混合蚁群算法在有容量约束车辆调度中的研究

蚁群算法在解决旅行商等著名问题时得到了富有成效的应用,但当解决大规模问题时,其收敛速度较慢且耗时较长。同样,郭涛算法解决复杂优化问题时取得了良好效果,但会产生大量无为的冗余迭代,求解效率低。文章汲取蚁群算法和郭涛算法的优点,提出混合蚁群算法,以带有容量约束的车辆路径问题,建立了混合蚁群算法数学模型,得到时间效率和求解效率都比较好的一种新的启发式方法。     

基于两阶段排样方式的卷材下料算法研究

讨论矩形件卷材下料问题,采用切割工艺简单的两阶段排样方式采进行下料。这种排样方式采用一组平行于卷材宽度方向的剪切线将卷材切割成多个条带,然后将每个条带切割成所需要的矩形件。首先,构造一种有界背包算法确定矩形件在条带中的优化布局;然后,采用基于列生成的线性规划算法调用上述有界背包算法生成排样方式;最后,采用顺序启发式算法,用当前矩形件剩余需求量反复调用线性规划算法生成各个排样方式,直至每种矩形件剩余需求量均为零,组合各个排样方式形成下料方案。将本文算法与2种文献算法进行比较,计算结果表明,本文算法下料方案比2种文献算法分别节省1.97%和1.66%的卷材。     

基于AGA-BP算法的智能故障诊断技术研究

针对传统BP神经网络的不足,提出基于自适应遗传算法的BP神经网络故障诊断算法.在迭代计算前期,采用自适应遗传算法对神经网络的权值和阈值进行全局优化;在迭代计算后期,利用改进的BP算法在近似最优解附近进行局部寻优.将该算法用于磨削烧伤的故障诊断之中,并将结果与基于改进BP网络的诊断结果进行比较,证明该方法的正确性和有效性.     

基于设备分类的生产线车间平面布局

本文将精益生产的哲理应用于生产线车间平面布局设计之中,提出了生产线车间布局的数学模型和结构模型,并根据设备的特点提出了车间设备分类的方法,在此基础上根据不同设备分类的特点,提出了基于设备分类的定序算法和定位算法。本文在定位算法中还首次提出了“类八叉树”的平面分割方法,用于设备在车间平面的定位。     

基于粗粒度并行遗传算法的JSSP研究

针对车间作业调度问题(JSSP)进行研究,利用粗粒度并行遗传算法(CGPGA)对JSSP进行有效求解。该算法首先将多个子群体以不同的编码方式进行进化计算,然后引入迁移因子进行群体间的信息交互。利用迁移因子把子群体中的优良个体传播到其余子群体,替换相邻子群体中的最差个体并继续进化而获得最优解。仿真实验表明:该方法简单且易于实现,求解效率远远高于经典遗传算法(GA),并可有效防止早熟现象的发生。     

基于改进蚁群算法的机器人焊接路径规划

针对基本蚁群算法在机器人焊接路径规划时，在搜索的过程中容易出现搜索时间过长、效率低、容易陷入局部最优等问题，文中针对基本蚁群算法，引入了Adadelta算法，通过基本蚁群算法和Adadelta算法结合，来改变蚂蚁搜索过程中选择下一焊点的概率，增加了随机性. 通过Adadelta算法参数的更新，改善了蚂蚁信息素的更新，并改进了信息素挥发系数ρ，采用自适应的方式来更新信息素. 对改进算法运用MATLAB进行仿真，结果分析得知，文中的改进蚁群算法比基本蚁群算法搜索能力更强，算法效率更高，比基本蚁群算法提前20代左右收敛，有效解决基本蚁群算法的局部最优、收敛速度慢等问题，使搜索结果更优.     

基于深度学习的无锚框目标检测算法综述

近年来,基于深度学习的无锚框目标检测算法备受关注。为了深入理解无锚框检测算法,对比分析了基于深度学习的无锚框检测算法的原理机制、网络结构、核心特性以及优缺点,归纳总结了无锚框检测算法的核心技术,并在同一数据集上通过性能实验研究上述算法的性能,总结提出基于深度学习的目标检测算法未来的研究方向。     

基于机器视觉的齿轮图像特征匹配优化北大核心

为了提高视觉系统中齿轮图像匹配的准确率,提出了一种金字塔光流法与ORB(oriented fast and rotated brief)算法结合的齿轮图像匹配优化方法。该方法在图片进行灰度化和高斯模糊等预处理操作后,用ORB算法得到图像的特征点,用金字塔光流法跟踪图片间的特征点,暴力匹配之后通过汉明距离和哈曼顿距离进行筛选,最后以改进的RANSAC(random sample consensus)算法优化匹配结果。实验结果表明,该算法在齿轮图像匹配过程中能够减少错误的匹配点,筛选出具有代表性的匹配点,减少误匹配率。     

基于矢量运算及半步长迭代算法相结合的刀补算法研究

分析了空间矢量运算和计算机半步长迭代算法,提出了以空间矢量计算等距线和以半步长迭代算法处理刀具轨迹转接过渡相结合的新型刀补算法,通过运用空间矢量运算来处理刀补轨迹数据,使用半步长迭代算法,判断等距线间有无交点和求交点,解决了传统刀补平面几何处理的繁冗问题。     

基于可制造性特征的制造资源建模

可制造性评价是缩短开发周期、优化制造工艺、降低产品成本的有效途径。产品的可制造性取决于特定制造资源的加工能力。制造资源模型的开发是可制造性评价的基础。为了更好地利用制造资源信息，提出一种模糊C均值聚类算法与遗传算法相结合的混合算法，根据制造特征对制造资源进行分组，基于制造资源约束的Object-Oriented方法建立制造资源信息模型，设计可制造性评价框架。通过对32台加工设备进行划分，使用混合算法动态确定最优分组数目和该数目下的最优分组。结果表明：混合算法可靠有效，能够提高应用企业的整体绩效，增强决策的可行性，并有利于管理层做出更明智的决策。