Model reference adaptive impedance control in Cartesian coordinates for physical human–robot interaction

In this paper, a nonlinear model reference adaptive impedance controller is proposed and tested. The controller provides asymptotic tracking of a reference impedance model for the robot end-effector in Cartesian coordinates applicable to rehabilitation robotics or any other human–robot interactions such as haptic systems. The controller uses the parameters of a desired stable reference model which is the target impedance for the robot’s end-effector. It also considers uncertainties in the model parameters of the robot. The asymptotic tracking is proven using Lyapunov stability theorem. Moreover, the adaptation law is proposed in joint space for reducing the complexity of its calculations; however, the controller and the stability proof are all presented in Cartesian coordinates. Using simulations and experiments on a two DOFs robot, the effectiveness of the proposed controller is investigated.     

Noncertainty equivalent adaptive control of robot manipulators without velocity measurements

This paper presents a noncertainty equivalent adaptive motion control scheme for robot manipulators in the absence of link velocity measurements. A new output feedback adaptation algorithm, based on the attractive manifold design approach, is developed. A proportional-integral adaptation is selected for the adaptive parameter estimator to strengthen the passivity of the system. In order to relieve velocity measurements, an observer is designed to estimate the velocities. The controller guarantees semiglobal asymptotic motion tracking and velocity estimation, as well as L_∞ and L₂ bounded parameter estimation error. The effectiveness of the proposed controller is verified by simulations for a two-link robot manipulator and a four-bar linkage. The results are further compared with the earlier certainty-equivalent adaptive partial and full state feedback controller to highlight potential closed-loop performance improvements.     

基于自适应差分优化的改进虚拟力导向粒子群算法研究

为提高节点在无线传感器网络中的自部署性能,本文以虚拟力导向粒子群算法为基石,在部署区域内,采用正方形网格划分方式,并引入一种改进的自适应差分进化策略,对原算法进行改进。改进算法引入了移动目的地对移动节点的引力作用,并通过自适应调整,有目的的向扩大网络覆盖率的目标进化,从而最大限度地优化节点的部署速度和网络的覆盖率。通过对该算法的性能进行了仿真与分析,在网络覆盖率、算法收敛速度以及部署时间等方面,相比于经典虚拟力算法及虚拟力导向粒子群算法,该算法具有更佳的部署性能。     

一种混合的离散细菌菌落优化算法

为了利用细菌算法解决组合优化问题, 提出了一种混合的离散细菌菌落优化算法。根据现有细菌优化算法, 设计一种新的个体编码方式及进化模式, 通过设计种群的自适应调整因子增强个体活力, 并融合禁忌搜索算法, 克服算法易于陷入过早收敛的不足, 并与其他算法在Taillard标准调度测试问题集上比较实验, 验证了算法的有效性。仿真结果表明, 该算法可以搜索到问题的最优组合, 能够有效避免算法陷入局部最优, 取得了满意的结果。     

前向树状紧急疏散网络的自适应性控制策略分析

针对前向树状的紧急疏散网络,提出了一种不需要进行需求预测且具有适应性和强鲁棒性的分散式控制疏散策略.通过分析如何确定典型匝道与快速路交汇点处的最优疏散路线,明确了构建可控疏散网络的基本原则.定义了前向树状紧急疏散网络,并对所构建网络的适用范围和具体风险水平标定处理作了明确说明.针对前向树状网络的典型子结构,给出了可以始终充分利用下游通行能力,且充分考虑上游来流具有较高风险水平特点的具体疏散路线选择及放流策略.在上述典型子结构分析基础上,给出了包括如何逆流向确定路段限制性通行能力、顺流向确定路段最大可行流量以及实时动态调整疏散策略等基本步骤的网络疏散策略.最后,通过一个数值算例,比较了新策略与纯粹上游优先策略、纯粹下游优先策略的运行效率,证明了新的适应控制策略的可行性与有效性.     

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。     

基于自适应分块的动态场景HDR图像合成算法

通过提出基于梯度上升优化处理的自适应分块算法与基于图像序列梯度域运动检测与去除相结合的方法,自适应调整分块大小及动态区域块的融合权值,最终达到混淆去除的目的.同时,利用Gaussian中心函数窗口滤波,去除在分块融合过程中引入的块边缘不连续性痕迹.实验结果表明,该方法能快速有效地增强多曝光图像融合生成HDRI并去除混淆问题.     

ACE中设计模式在分布式网络服务中的应用研究

以网关应用服务的构建为例,详细探讨如何利用Acceptor-Connector模式来构建分布式网络服务的过程。通过分析其构造过程可知,利用Acceptor-Connector模式可提高程序的灵活性、可扩展性,减少重复开发代码工作量。     

基于Multi-Agent和HLA的口岸物流仿真

针对高层体系结构（ HLA）仿真建模技术的仿真联邦成员缺乏智能性和Multi-Agent仿真方法分布通信协同能力较差的问题。提出了一种集成两者的自适应中间件的方法,通过自适应中间件实现了两者集成的数据转换、通信及控制等功能,并进行实例验证。结果表明此方法在最小改变的情况下保证了集成开发的灵活性及方法的可行性、实用性和可靠性。