基于SolidEdge API的齿轮参数化建模及开发

以三维CAD软件SolidEdge为开发平台，讨论了齿轮的参数化建模方法并且利用ActiveX Automation技术将齿轮的设计计算和三维实体造型结合在一起，利用特征操作方法生成了渐开线齿轮的三维模型。这里的开发方法给出了一个利用Vc＋＋对CAD软件进行二次开发的一个有效途径。     

基于特征的车辆目标复合探测方法研究

联合使用车底阴影、边缘信息、轮廓对称、灰度对称、水平线对称等车辆先验知识,提出一种基于特征的车辆检测方法.首先在图像中构建具有车底阴影特性的感兴趣区域;然后在感兴趣区域中分析车辆的边缘置信度,滤除其中平坦的背景区域;接下来利用轮廓对称或灰度对称定位潜在车辆;最后在潜在车辆区域中进一步分析对称性测度和水平线特性.只有具有充分的边缘、对称性和水平线特性的潜在车辆区域才被检测为车辆.实验结果表明:该方法在城市环境且不考虑遮挡的情况下,车辆有效识别率达到90%以上.     

机器人标定算法及在打磨机器人中的应用

首先介绍了机器人位姿匹配的基本原理,以及两种通用的机器人几何参数标定的优化算法：非线性优化方法和递归线性方程法,并分别利用这两种优化算法对打磨机器人的几何参数进行了标定．在此基础上,通过分析影响打磨机器人位置误差的因素,从参数集中剔除对位置误差影响不敏感和无法区分其影响效果的因素,再采用前述优化算法对机器人几何参数进行标定. 仿真结果表明此标定效果和前者相比无显著差异,在一定情况下甚至优于前者．因此在标定过程中,可以采用把冗余参数去除来对机器人进行精确标定．     

基于线性投影的代数空间降维分析

主成分分析和奇异值分解都可以用于代数空间降维的线性投影分析,该文详细分析了这两种代数方法并给出了用于代数空间降维分析时二者之间的联系,并得到了在正定的实对称矩阵条件下主成分分析和奇异值分解是等价的这一结论。     

激光加工机器人自标定研究

介绍一种机器人自标定方法,通过固定于机器人末端执行器上的探针与工作空间中的约束平面接触,建立运动学约束方程,利用机器人内部传感器读数来辨识机器人运动学参数,约束平面的位置无需准确知道。该方法无需任何外部测量设备,适于定期现场再标定。对某激光加工机器人的仿真结果表明,该方法可以达到其它标定法如几何参数标定法所能达到的标定精度。     

蚁群遗传算法在移动机器人路径规划中的综合应用研究

针对基本蚁群算法在机器人路径规划搜索初期盲目性大、效率低以及其搜索后期容易陷入局部最优等缺陷,把遗传算法引入到蚁群算法中,提出了基于蚁群遗传算法的移动机器人路径规划方案,在栅格环境下对移动机器人路径规划方案进行仿真测试,仿真结果表明该方案能减少蚁群算法搜索初期的盲目性、缩小最优路径的查找范围,提高搜索最优路径的效率。     

碳纤维镀铜及其对铜基复合材料界面影响

碳纤维与铜之间的润湿性很差，导致碳纤维-铜复合材料的界面问题十分突出，给碳纤维增强铜基复合材料具有的优异性能带来很大的影响.用化学反应法在碳纤维表面镀铜,然后再与铜复合，可以有效地解决上述问题.但由于碳纤维具有纤细疏水、表面惰性的特点，对它镀铜很难.本文以CuSO₄为主盐，锌粉为还原剂，研究了4种不同类型添加剂: A（烷基苯磺酸盐）、B（烷基磺酸盐）、C（十二烷基脂肪酸盐）和D（十二烷基脂肪酸盐+乙酸钠）对碳纤维镀铜的影响.结果表明：D型添加剂最有利于碳纤维镀铜, 它能有效地解决碳纤维镀铜时经常发生的碳纤维束“黑心”问题.在实验中观察到整束碳纤维被均匀、连续地镀上了铜.通过扫描电镜观察：在镀铜碳纤维的断面上可以看到镀层和碳纤维结合得很牢固;在镀铜碳纤维与铜复合所得的复合材料中碳纤维与铜之间的界面结合得十分紧密.     

机器人运动学标定综述

从基于运动学模型的几何参数标定、机器人自标定、神经网络的正标定和逆标定三个方面,对机器人运动学标定方法及其研究现状进行了分析总结。详细介绍了每种标定方法的特点、存在的问题以及研究现状。最后对多机器人协作系统的标定以及运动学标定的发展方向进行了简要论述。     

基于行为优先与模糊控制的移动机器人导航

由于动态未知环境下自主移动机器人的导航具有较大困难,为实现自主机器人在动态未知环境下的无碰撞运行,文中将行为优先级控制与模糊逻辑控制相结合,提出4种基本行为控制策略:目标寻找、避障、跟踪和解锁.针对'U'型和'V'型障碍物运行解锁问题,提出了行走路径记忆方法,并通过构建虚拟墙来避免机器人再次走入此类区域.仿真实验表明,所提出的控制策略可有效地运用于复杂和未知环境下自主移动机器人的导航,且具有较好的鲁棒性和适应性.     

改进蚁群算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把蚁群算法引入到机器人路径规划中;普通的蚁群算法存在收敛速度慢、效率低和容易陷入局部最优等缺陷,难以直接应用于机器人路径规划中;提出一种在蚁群算法中改进信息素的更新方式、引入最大最小蚁群系统以及改进状态转移规则的移动机器人路径规划方法,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方法能缩小最优路径的查找范围,降低发现最优路径所需的循环次数,能有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。