雅可比矩阵引导的无翻转体映射生成

目的体映射建立了两个3维体网格之间的对应关系,是计算机图形学中的重要研究方向。很多应用要求体映射是无翻转的,即其雅可比矩阵的行列式处处大于0。然而,现有的无翻转体映射生成算法经常无法完全消除翻转。挑战主要在于很难在保证满足位置约束的前提下消除映射的翻转。为此,提出一种新的无翻转体映射计算方法,核心是一种新的变形方法。方法首先放松位置约束,然后在变形过程中通过线搜索的方式保证不产生翻转,最后将网格无翻转地变形到满足位置约束。为实现这个变形过程,提出一种雅可比矩阵引导的变形算法。虽然现有的无翻转体映射方法不能完全消除翻转,但其雅可比矩阵可以作为本文变形算法的指导。此外,优化了位置能量,使得变形网格最终能够满足位置约束要求。为了满足体映射低扭曲的要求,算法最后在固定位置约束的前提下进一步优化了体映射的扭曲能量。结果对大量复杂网格进行实验,本文算法能够保证生成无翻转的体映射,并且通过多步优化最终结果均能满足给定的位置约束要求。结论通过与现有其他算法的优点和局限性对比,结果表明本文算法具有较好的鲁棒性。本文算法从一个全新的角度促进了无翻转体映射生成技术的进步与发展。     

视觉跟踪模糊自调节PI控制算法

视觉跟踪系统是一个非线性时变系统,传统控制方法往往难以胜任。因此,本文提出一种新的视觉跟踪控制算法——模糊自调节PI控制算法,以跟踪三维平动刚体目标。与传统基于图像的视觉伺服控制算法相比,该控制算法有两个优点：①以二值目标图像的矩特征为图像特征,因而无需图像特征匹配;②模糊调节器根据闲环系统响应的不同阶段,在线调节PI参数,从而改善了闭环系统的整体性能。仿真结果表明,本文提出的模糊自调节PI控制算法不仅简单快速,且具有较高控制精度。     

新型两转动自由度完全解耦并联机构及其特性

针对并联机构内部耦合性给其运动学和动力学分析以及控制系统的开发带来的问题,提出一种新型的两自由度转动解耦并联机构．运用约束螺旋法对机构的自由度和运动特性进行分析,通过修正的Kutzbach-Grübler公式计算出机构自由度数目;利用各构件间几何关系,求解机构位置正反解解析表达式;根据机构输入与输出参数间关系式,推导得到机构雅可比矩阵,进而依据雅可比矩阵表达式,验证了机构的解耦特性,并进而讨论了驱动输入的选择对机构奇异的影响．提出的解耦并联机构丰富了机构构型库,对进一步应用具有理论指导意义．     

冗余度机器人的最优轨迹确定

研究了冗余度机器人的逆运动学，提出了用矩阵分块法解决冗余度机器人逆运动学，并将此法应用到基于速度和基于加速度的最优轨迹确定中，得出了便于实用的数值计算公式，此方法回顾了求雅可比为逆矩的繁琐过程，仿真结果表明此法是可行的。     

利用三阶正交矩阵提高雅可比方法的收敛速度

在实对称矩阵的特征值和特征向量的数值计算中，通过将雅可经方法中的正交相相似变换矩阵中的一个参数的二阶正交矩阵改进成两个参数的三阶正交矩阵并利用相应的参数估计，可以大大提高收敛速度。     

基于向后差分法求解多体系统动力学微分-代数方程组的双循环隐式积分方法

在利用坐标缩并方法求解多体系统动力学指标3的微分-代数方程组的过程中,由隐式积分方法进行积分时需要进行迭代求解,采用牛顿法进行迭代时需要利用数值微分求得雅可比矩阵。通过引入固定点迭代以避免用于计算雅可比矩阵的数值微分。非线性代数约束方程组的求解也需要进行迭代,两组迭代一起构成一种双循环的格式。双循环中隐式积分方法的数值精度影响外层循环的迭代次数。将向后差分法引入双循环隐式积分方法中作为积分方法,并针对向后差分法的特点提出新的迭代求解策略,构造一种新的双循环隐式积分方法。这一新的双循环隐式积分方法中外层循环的迭代次数减少,计算效率得到了显著提高。这一方法能够很好地解决指标3的多体系统动力学微分-代数方程组,具有良好的通用性。给出了数值算例。     

双3-RRS超冗余驱动飞行模拟器力矩传递性能分析

以双3-RRS超冗余驱动飞行模拟器的运动机构为研究对象,分析该运动机构的力矩传递性能。该飞行模拟器具有3个转动自由度,6个驱动,其中有3个冗余驱动;两个完全相同的3-RRS球面并联机构构成飞行模拟器的运动机构。由于只建立一个定坐标系,所以该球面并联机构广义上仍然具有一个定平台,一个动平台,整个动平台即为飞行模式器座舱。通过反对称坐标系的建立确定了支链的方向余弦,以此为基础给出超冗余球面并联机构的雅可比矩阵。主要分析双3-RRS超冗余驱动飞行模拟器力矩传递性能指标和3-RRS非冗余驱动飞行模拟器力矩传递性能指标,给出了力矩传递性能图谱,并根据三维图谱给出了分析结论。     

高斯——牛顿法与梯度法波形反演比较研究

经典的地震波形反演采用梯度算法,该方法计算量小,但收敛速度慢,不容易重建速度场的低波数成分。我们在文中讨论了雅可比矩阵的计算,实现了高斯—牛顿法反演。数值例子表明,与梯度法相比,高斯—牛顿法收敛迅速,反演精度高,是一种更加有效可行的物性反演策略。