基于串联弹性原理和增广上三角分解辨识算法的踝关节阻抗估计方法

研究人体关节阻抗对仿生机器人阻抗控制策略研究有重要意义。针对前期设计的踝关节阻抗测量装置（impedance detection device for ankle joint,IDDAJ）机械结构复杂及机理法建模难度大,提出了一种基于串联弹性原理和增广上三角分解辨识（augmented upper-diagonal decomposition identification,AUDI）算法的踝关节阻抗估计方法。为降低对IDDAJ驱动单元的性能要求,基于串联弹性原理,将其输入扰动中的大直流分量和动态高频分量分离;为降低建模难度,采用不受模型阶次影响的AUDI算法直接辨识IDDAJ阻抗模型,以获得更加准确的装置阻抗模型参数。根据联合阻抗测量原理,在得到IDDAJ阻抗模型后,采用AUDI算法辨识小腿肌肉不同激活程度下踝关节阻抗模型的参数。结果表明,采用AUDI算法辨识得到的IDDAJ阻抗模型的可靠性高于采用机理法得到的;在小腿肌肉放松状态下踝关节阻抗模型的参数处于同一数量级,踝关节阻抗模型的阻尼分量B、刚度分量K与小腿肌肉激活程度成正相关,这与现有文献中的结果一致。研究结果可为IDDAJ的研制和其他关节阻抗测量方法的研究提供参考。     

基于改进蚁群算法的无人机二维航迹规划和重规划

文中研究了一种改进蚁群算法在无人机二维航迹规划和重规划中的应用。为了克服基本蚁群算法容易陷入局部最优和迭代停滞的现象,文中通过引入伪随机状态转移规则对基本蚁群算法进行改进;并通过引入动态窗口这个概念进行无人机二维航迹重规划。最后给出仿真验证,从仿真结果看出来:文中改进蚁群算法在解的优越性和有效性方面全面优于基本蚁群算法,同时可以看出文中改进蚁群算法在重规划中具有很强的适应性。