集成质量管理

本文首先介绍了计算机辅助质量管理技术，然后阐述了集成质量管理的集成空间、特点及其与ERP、PDM的关系，设计了集成质量管理系统，最后说明了该系统已经在企业当中获得成功应用．     

复杂环境下基于势场原理的路径规划方法

针对势场原理所固有的几个缺陷:在相近障碍物间不能发现路径;在狭窄通道中摆动;在障碍物前振荡;存在陷阱区域;当目标附近有障碍物时无法达到目标点,提出了改进办法.改进后的势场法适用于未知复杂环境下移动机器人的路径规划,并具备一定的学习能力.仿真实验验证了该方法的有效性.     

自主微型直升机飞行路径规划研究

实现无人直升机在不确定3 维环境中的自主行为,路径规划是关键所在.考虑到直升机的实时要求,基于距离转换方法,提出一种改进的快速3维路径规划方法,并对避障策略做了一些探讨.仿真试验的结果验证了其有效性. 􀁽     

基于粒子群算法的移动机器人路径规划

提出一种分步路径规划方法，首先采用链接图建立机器人工作空间模型,用Dijkstra算法求得链接图 最短路径；然后用粒子群算法对此路径进行优化，得到全局最优路径.仿真结果表明:所提方法简便可行,能够满足 移动机器人导航的高实时性要求,是机器人路径规划的一个较好方案.􀁱     

动态未知环境下基于相对坐标系的移动机器人实时运动规划

提出了一种简单、新颖的在动态未知环境下的移动机器人运动规划方法 .此方法基于相对坐标系 ,通过传感器信息实时调整机器人的行为来实现规划 .在规划过程中 ,机器人有两种行为 :向目标运动和避碰 ,且避碰行为具有优先权 .机器人两种行为的切换是基于加速度空间的 ,首先解决的是避碰问题 ,而向目标运动是作为避碰的反问题来考虑的 .仿真研究验证了此规划方法的有效性     

移动焊接机器人的坡口自寻迹及算法实现

介绍了具有自寻迹功能的移动焊接机器人的系统组成，在分析移动机器人运动学模型的基础上，讨论了机器人坡口自寻迹的算法以及实现过程，最后重点分析了自寻迹过程中的轨迹规划．试验结果表明：研制的移动焊接机器人能成功地完成焊前的自寻迹任务，误差精度可控制在±1.5mm左右，满足实际焊接工程需要．     

自主吸尘机器人的研究现状

详细评述了自主吸尘机器人的研究特点和国内外的研究现状，分析了多传感器融合、环境建模、定位和路径规划等关键技术，指出了其中的难点和面临的问题．同时，探讨了自主吸尘机器人的发展趋势和未来的研究重点．     

基于MATLAB轨迹规划的模型建立与数值仿真

依据多体系统理论及运动建模方法建立了机载成像设备地面仿真系统模拟载机运动的数学模型。依据牛顿迭代法和广义伪逆求解法，利用MATLAB编制了该仿真系统的轨迹规划程序。针对于载机的其中一种飞行状态，进行了轨迹规划的数值仿真，从而说明所设计的轨迹规划器的实用性和有效性。     

并联机器人汉字球面雕刻刀路规划研究

目前，将并联机构应用于未来加工领域的研究已成为热点，并联机器人以其结构优势在高刚度、高强度和高精度等场合将得到广泛应用，但关于并联机器人在汉字雕刻领域的研究尚未展开。该文研究了并联机器人在球面雕刻汉字所遇到的若干问题，包括平面刀路向球面刀路的映射方法、圆弧插补及刀具姿态实时规划算法等，给出了算例并用实验室拥有的6—PURU并联机器人进行了验证，结果表明文中所提方法是有效和可行的，从而对扩大并联机器人的应用范围奠定了基础。     

Optimal Ordered Problem Solver

We introduce a general and in a certain sense time-optimal way of solving one problem after another, efficiently searching the space of programs that compute solution candidates, including those programs that organize and manage and adapt and reuse earlier acquired knowledge. The Optimal Ordered Problem Solver (OOPS) draws inspiration from Levin's Universal Search designed for single problems and universal Turing machines. It spends part of the total search time for a new problem on testing programs that exploit previous solution-computing programs in computable ways. If the new problem can be solved faster by copy-editing/invoking previous code than by solving the new problem from scratch, then OOPS will find this out. If not, then at least the previous solutions will not cause much harm. We introduce an efficient, recursive, backtracking-based way of implementing OOPS on realistic computers with limited storage. Experiments illustrate how OOPS can greatly profit from metalearning or metasearching, that is, searching for faster search procedures.