机械臂的位姿分离求逆和改进RRT-connect算法研究北大核心CSCD

针对机械臂逆解求取过程中存在大量矩阵变换、计算成本高的问题,采用位姿分离法对逆运动学求解过程进行改进,并提出基于自适应步长的RRT-connect路径规划算法。首先建立六自由度机械臂连杆坐标系模型,采用Standard Denavit-Hartenberg(D-H)方法对机械臂进行正运动学分析,得到机械臂末端执行器位姿相对于基座的齐次变换矩阵。然后引入位姿分离法改进了机械臂的逆运动学求解方法,将机械臂运动学逆解分为位置逆解和姿态逆解两部分,分别用几何法和解析法进行求解,减少了整体计算量。再者提出基于自适应步长的改进RRT-connect路径规划算法,解决了扩展速度慢的问题。最后通过仿真验证所提出方法的正确性和有效性。     

一种改进的爬山法优化求解冗余机械手运动学逆解

本文提出了一种带符号的特殊进制来描述一个十进制数值， 确定了该特殊进制的 使用规律，从而推导出该特殊进制完整的描述公式．在此基础上，对人工智能领域的一种启 发式搜索算法——“爬山法”作了一定的改进，采用变步长技术，以带符号的特殊进制方法 为理论基础来确定每一次优化搜索的步长，从而求解具有多冗余度的机械手运动学逆解．此 优化算法可在无穷多组可能解中通过有限的搜索次数迅速找到一个符合条件的可能解，同时 不需要计算反三角函数和矩阵求逆，推导和计算结果证明该算法简单、运算量少、收敛速度 快，稳定性好、通用性强．     

全局和声搜索方法及其在仿人灵巧臂逆运动学求解中的应用

仿人灵巧臂逆运动学(IK)问题可转化为等效的最小化问题,并采用数值优化方法求解.和声搜索(HS)是模拟乐师在音乐演奏中调整音调现象的一种启发式搜索方法,目前还尚未在机器人机械臂逆运动学问题中得到应用.本文提出一种基于粒子群体智能的全局和声搜索方法(GHSA),该方法在和声搜索算法中引入微粒群操作(PSO),采用粒子群策略替代常规和声搜索算法中的搜索法则创作新和声,通过粒子自身认知和群体知识更新和声变量位置信息平衡算法对解空间全局探索与局部开发间能力;同时算法还引入变异操作增强算法跳出局部最优解能力,基准函数测试表明该方法改善了全局搜索能力及求解可靠性.在此基础上以七自由度(7-DOF)冗余仿人灵巧臂为例,考虑以灵巧臂末端位姿误差和“舒适度”指标构建适应度函数并采用GHSA算法求解其逆运动学(IK)问题,数值仿真结果表明了该方法是解决仿人灵巧臂逆运动学问题的一种有效方法.     

自适应粒子群算法求冗余机械臂逆运动学解

以正向运动学方程为基础，冗余机械臂逆运动学解问题转换为等效最小值问题，提出一种自适应粒子群算法求解该问题。为了保持粒子群的活力，在算法内引入弹射操作。如果粒子满足设定自适应判别函数，粒子将按概率被从当前位置发射到较远区域。为了配合弹射操作，提出一种新的粒子优劣的判断机制，使得粒子可以被弹射飞出可行域。数值实验表明，算法具有较强的全局搜索能力和较快的搜索速度，是求解冗余机械臂逆运动学解的一种有效方法。     

双足机器人逆运动学的模糊自适应算法

针对双足机器人逆运动学的数值解法中存在的雅可比矩阵奇异性和调节参数固定问题,提出了一种改 进的求解方法．运用微分运动方程的近似解避开雅可比矩阵求逆,利用能够减小跟踪误差的自适应模糊控制法,调 节自适应参数以使近似解任意逼近精确解,从而得到了精确性极高和强鲁棒性的模糊自适应算法．通过双足机器人 运动学的仿真分析,验证了该算法的有效性．而且整套算法的计算时间约为0.35 ms,可以用于实际双足机器人的实 时控制．     

6R机器人实时逆运动学算法研究

提出一套解决各类6R机器人逆运动学问题的实时算法. 一般算法通过矢量计算和16阶矩阵分解得到一般6R机器人的最多16组逆运动学解. 封闭解法直接提取运动学等式求出关节变量的解析解. 组合算法将封闭解法或一般算法的结果作为初始值, 采用牛顿-拉夫森方法迭代出逆运动学精确解, 适用于所有接近满足封闭解条件或一般算法条件的6R机器人. 求解实验结果表明, 整套算法最大算法时间约为2.03 ms, 为任意几何结构的6R机器人应用于强实时系统提供了逆运动学解决方案.     

具有捕食策略的混合随机优化算法及其多极值函数优化

SAGACIA是一种混合随机优化算法,该算法虽已吸收了模拟退火算法、遗传算法和趋化性算法的优点,但搜索过程中仍存在收敛速度慢以及采用固定步长影响搜索精度的缺点,而捕食搜索策略通过限制的调节能较快锁定最优区域,从而提高收敛速度。结合两者的优缺点,提出一种具有捕食搜索策略的自适应调整步长SAGACIA算法,改进后的算法通过捕食搜索策略平衡了算法的局域搜索和全局搜索,提高了收敛速度;邻域搜索采用自适应步长,避免了最优解附近的震荡,提高了搜索精度。实验仿真结果表明,改进后的SAGACIA算法具有较快的收敛速度和较高的寻优精度,证明了算法改进的有效性和可行性。     

融合改进天牛须和正余弦的双重搜索优化算法

针对标准正余弦优化算法在搜索时存在的计算精度低、容易陷入局部最优值等缺点,借鉴天牛须算法运算简单、搜索速度较快的特点,本文提出了一种融合改进天牛须和正余弦的双重搜索优化算法(BAS-SCA).首先,在现有标准正余弦算法基础上,引入动态自适应权重机制来平衡全局搜索和局部搜索,提升收敛速度;其次,提出了一种新的转换参数模型,该参数模型通过结合指数型函数和余弦函数来替换传统的线性衰减函数;最后,为了提升正余弦的搜索精度和速度,同时尽可能跳出局部最优解,提出了改进的天牛须搜索算法,引入动态步长搜索机制将固定步长搜索改为变步长搜索,创新性地将改进的天牛须算法与改进的正余弦算法进行融合实现双重搜索优化,有效避免局部极值问题.实验表明,通过14个标准测试函数验证,所提双重搜索优化算法BAS-SCA相较于其它现有优化算法,具有更高的寻优精度和更快的收敛速度.     

改进的DFP神经网络学习算法

传统BP神经网络学习算法有学习速度慢、精度不高、易于陷入局部极小值、不稳定等问题,DFP神经网络学习算法是最优化理论中一类典型的拟牛顿法,具有超线性收敛速度和全局收敛性.但普通DFP算法有数值不稳定的缺陷,在处理大规模网络的学习问题时容易失效;在算法进入到饱和区域、接近最小值的时候,普通DFP算法会产生溢出错误.通过放大权值更新向量和权值导数更新向量,改进拟Hesse逆矩阵的求解,并结合线性搜索和L-M算法,改善了方法的稳定性,解决了算法失效的问题,同时保证了高效的学习速度和较高的学习精度.与目前应用最广泛的BP学习算法L-M 算法相比,改进的DFP算法具有与其相同的学习速度,计算量小,学习精度高,更适用于大残量问题.     

基于Paden-kahan子问题的冗余度机器人运动学求解

针对7DOF机器人的逆运动学求解问题,提出了一种可提高运动控制精度的混合算法.这种算法使用 旋量理论来描述机器人的运动.它首先求出对运动学性能指标进行优化的速度级逆解;然后固定一个特殊关节,将 问题转化为非冗余度机器人的运动控制,应用Paden-Kahan子问题法得到逆运动学封闭解.通过仿真实例,证实了 这种混合算法的有效性.     

DFP优化的数据点渐进迭代拟合方法

DFP方法(由Davidon,Fletcher和Powell 3人共同提出)是求解无约束优化问题的一种经典方法,文中指出数据点的拟合问题可转化为无约束优化问题的求解,并基于DFP优化方法给出了一种大规模数据点拟合方法,称之为DFP渐进迭代拟合方法.文中证明了该方法生成的极限曲线为初始数据点的最小二乘拟合曲线;它承袭了经典最小二乘渐进迭代逼近算法的众多优良性质,如具备直观的几何意义、可灵活地拟合大规模数据点、初始控制顶点的选择不影响最终迭代结果等.数值实例进一步表明,同等条件下,文中方法的收敛速度明显优于现有的几种数据点拟合方法.     

基于限域拟牛顿法的混沌类电磁学机制算法及其在路径寻优中的应用

针对类电磁学(EM)算法后期"开采"能力不够、解精度不高且易陷入早熟的问题,提出了一种结合混沌映射和限域拟牛顿(L-BFGS)局部寻优算子的混沌类电磁学算法。其主要思想是在类电磁学算法后期采用限域拟牛顿算子取代类电磁学算法局部寻优算子进行局部搜索;在算法整个寻优过程加入混沌映射,利用混沌映射随机遍历的特性,生成新个体跳出局部从而保持种群多样性。通过对3个连续域测试函数的仿真比较,表明该算法后期能有效地跳出局部最优,较基本类电磁学算法在收敛速度方面有明显优势,较粒子群算法(PSO)和加速度系数随时间变化的粒子群算法(TVAC)在解的精度以及快速收敛方面更佳;通过在路径寻优中的应用结果对比表明该算法较元胞蚁群算法(ACO)、粒子群算法在路径寻优中能得到最佳路径,说明其在离散域问题中具有更好的适用性。     

基于加权变尺度法的无线传感器网络定位

针对传统最小二乘法定位精度的不足,将工程控制优化中常用的变尺度法（DFP算法）应用到无线传感器网络定位问题中。该算法避免了计算二阶导数矩阵及其求逆计算,特别是对高维问题具有一定的优越性,从而实现对节点定位的优化计算。仿真实验结果表明,该算法能有效提高节点定位精度。     

求解约束优化问题的新方法

提出了用于解决约束优化问题的新的类电磁机制算法,针对约束优化问题,利用惩罚函数法,构造了新的适应度函数,将约束问题转化为无约束问题求解,结合类电磁机制算法的寻优特点,设计了适合于问题特点的局部搜索过程,并重新定义了粒子的电荷和力的计算公式,以使在算法实现过程中,引导不可行点逐步向可行点转化,并最终找到问题的最优解。数值模拟结果验证了算法的有效性。     

基于动态EM-SHSMM的异常数据下设备健康预测研究*

针对设备退化过程中异常数据下的剩余有效寿命预测问题,提出了一种基于动态的期望最大化算法(EM)-分段隐半马尔可夫模型(SHSMM)预测方法。首先,基于SHSMM的理论框架,采用期望最大化参数自适应估计算法估计模型中的未知参数。其次,基于WGM(1,1)模型,提出动态前向后向灰色填充算法处理样本中的异常数据,并利用健康预测过程预测设备的剩余有效寿命。最后,通过实例分析对模型进行评价和验证。结果表明,提出的设备健康预测方法能有效解决异常数据的问题。     

基于跳跃辅助工作策略的混流装配线排产优化

为了使混流装配线高效运作, 研究了一类基于跳跃辅助工作策略的混流装配线排产优化问题. 以同时优化空闲费用和辅助工作费用为目标, 建立了一类基于跳跃辅助工作策略的混流装配线排产优化模型, 给出了执行跳跃辅助工作策略的一个必要条件和辅助工作费用的一个下界. 然后证明了该类优化问题是强NP难的, 由于该问题的强NP难性, 提出了一种嵌入式变邻域类电磁机制(Variable neighborhood search-electromagnetism-like mechanism, VNS-EM)混合算法求解该模型, 为了避免算法陷入局部最优, 在类电磁机制算法的每次迭代过程中嵌入改进的变邻域搜索算法, 利用变邻域搜索算法较好的局部搜索能力对最好个体的邻域进行精细搜索, 从而提高了解的质量. 仿真结果验证了该方法的可行性和有效性.     

基于快速求解高斯混合模型的流量聚类算法

基于聚类算法可以对多个属性聚类的特点,提出一种基于快速求解高斯混合模型的聚类算法,用于研究网络流量的分类,使其达到更佳的聚类效果。通过与其他算法比较,讨论了该种方法在流量聚类中的适用性。仿真结果表明,该方法聚类精度高,经过初始聚类中心后的EM算法用于求解GMM有较高的估算准确性,有效地提高了EM算法的收敛速度。     

基于Bayesian的期望最大化方法——BEM算法

通过对标准EM算法收敛于局部极值的原因进行分析,提出了基于Bayesian方法的神经网络新学习算法－－BEM算法。该算法解决了标准EM算法的上述缺陷,同时还可防止标准EM算法Overfitting情况的出现,并可防止标准EM算法有时只响应第一模式而失去泛化能力情况的出现。实验结果表明了该算正确性和有效性。该算法对研究和发展标准EM学习算法理论具有一定的学习意义。     

A multi-objective approach to optimal placement and sizing of multiple active power filters using a music-inspired algorithm

This paper proposes a new multi-objective framework for optimal placement and sizing of the active power filters (APFs) with satisfactory and acceptable standard levels. total harmonic distortion (THD) of voltage, harmonic transmission line loss (HTLL), motor load loss function (MLLF), and total APFs currents are the four objectives considered in the optimization, while harmonic distortions within standard level, and maximum allowable APF size, are modeled as constraints. The proposed model is one of non-convex optimization problem having a non-linear, mixed-integer nature. Since, a new modified harmony search algorithm (MHSA) is used and followed by a min–max technique in order to obtain the final optimal solution. The harmony search algorithm is a recently developed optimization algorithm, which imitates the music improvisation process. In this process, the Harmonists improvise their instrument pitches searching for the perfect state of harmony. The newly developed method has been applied on the IEEE 18-bus test system and IEEE 30-bus test system by different scenarios and cases to demonstrate the feasibility and effectiveness of the proposed method. The detailed results of the case studies are presented and thoroughly analyzed. The obtained results illustrate the sufficiency and profitableness of the newly developed method in the placement and sizing of the multiple active power filters, when compared with other methods.     

期望最大算法及其应用（2）

EM算法是实现极大似然估计的一种有效方法,主要用于非完全数据的参数估计。文章的第一部分已经详细介绍了算法的基本原理,这部分内容着重介绍算法的各种应用,特别是高斯混合模型、隐马尔科夫模型和因子分析中的参数估计。