空间自由漂浮机器人运动实时控制

为满足空间自由漂浮机器人实时的运动控制，提出了一种高精度的实时控制算法。该算法不需要在笛卡儿空间进行复杂的速度逆解，而是实时采集手眼相机反馈数据，在关节空间进行位置逆解，得到机器人各关节控制变量，不断调整自身姿态向目标点靠近。对比分析了该算法的复杂性和可行性；经过在实验板上的实际运行，验证了算法的准确性和快速性。     

基于RBF网络的SCARA机器人的运动学逆解

针对机器人逆运动学问题,在径向基函数神经网络也称RBF(Radial Basis Function)神经网络的基础上,提出了利用科利达公司提供的SCARA机器人的正解结果作为训练样本,通过逐次训练得到机器人从工作空间到关节空间的映射,从而实现运动学逆解计算的方法.此方法避免了公式推倒和编程计算的复杂过程,求解简单,实时性强.     

反应堆压力容器顶盖检查装置轨道长度的设计

针对反应堆压力容器顶盖检查装置轨道长度的设计问题,提出采用蒙特卡洛方法计算机器人工作空间,求解出机器人工作空间仿真边界点,对边界点进行曲线拟合得到机器人工作空间的近似尺寸以及图形,获得机器人轨道小车的合理尺寸,并将导轨小车尺寸作为机器人参数进行仿真。仿真结果表明:轨道小车尺寸设计能够满足机器人在实际工作中的使用要求。     

基于Krawczyk算法的直流潮流区间算法

针对高压输电系统直流潮流计算中的不确定问题,提出一种基于Krawczyk算法的直流潮流区间算法。采用区间高斯消去法求解直流潮流线性方程组得到一个包含解集外壳的区间向量,作为Krawczyk迭代的初始值。利用区间导纳矩阵中值的逆矩阵进行迭代计算,以减少保守性。最后,以区间解向量的无穷范数的减小幅度作为迭代结束条件。所述方法可以得到比区间高斯消去法更接近方程组外壳的解。采用Garver-6算例系统,将该算法的计算结果与蒙特卡洛仿真法和区间高斯消去法计算结果相比较,验证了该算法的有效性和应用价值。     

SCARA机器人运动学仿真分析和实际应用

为了分析SCARA机器人的运动学特性,运用D-H方法构造了其连杆坐标系,并且推导了它的正、逆运动学方程,详细求解了该机器人的正、逆解,运用ADAMS对该机器人进行正运动学仿真分析,其结果与理论分析相符合,证实了正运动学模型是正确的;同时利用其正解值通过理论计算,论证逆运动学模型是正确的。对SCARA机器人实际运动工况进行运动仿真分析,指导现场调试,提高了现场调试的效率。结合图像处理实现了对物体的精确定位,通过实验证明了该机器人运动仿真对其实际应用具有重要的指导意义。     

应用伪逆计算确定户外变电站变压器的降噪目标

户外变电站变压器需严格遵守厂界噪声标准。提出一种确定户外变电站变压器降噪目标的方法,该方法基于伪逆计算,输入必要的参数,通过求解线性系统的伪逆解,确定每台变压器的降噪目标值,从而使得厂界噪声符合相关规范。该方法在模拟变电站和实际变电站上进行了验证,同时将伪逆解与线性规划得到的最优解进行比较分析,为解决变压器噪声问题提供参考。     

采用变精度遗传算法的土壤结构逆问题求解

为了得到准确的土壤结构,提出了一种基于遗传算法(genetic algorithm,GA)的土壤结构逆问题求解方法,该方法通过视在电阻率测量值与GA产生的土壤结构对应视在电阻率计算值的差异,从而得到一个最优的土壤结构。与现有的利用GA求解土壤结构逆问题的方法相比,该方法的优点在于首先合理的设置了土壤参数初始精度,压缩了求解空间,使得简单土壤结构的求解能直接收敛到该精度下的最优;同时,对于复杂土壤结构求解,还引入了遗传–灾变算法与变精度的方法。因而在求解土壤结构时,解空间会被限制在一个合适的规模,同时也会引入最优解附近新的个体,使迭代求解过程更容易跳出局部解,从而逼近全局最优。计算结果表明,两层土壤结构可以收敛到全局最优,适应度函数值Fg=0,三层土壤结构下,该方法求解的Fg要小于标准遗传算法;同时,该方法输出稳定,10次重复计算下的输出结果差异小。     

基于改进 Dijkstra算法的机器人路径规划研究

针对传统 Dijkstra算法搜索时间长、计算复杂度高等问题,文章提出一种有效的改进路径的算法.首先采用 MATLABRoboticToolbox,根据 DenavitＧHartenberg (DＧH)参数建立平面机器人操作臂模型,并利用 MonteCarlo (蒙特卡洛)点云建立避障工作空间。其次,通过改进 Dijkstra算法在点云空间进行路径规划,并进行仿真实验。实验验证了该算法具有空间占用小、路径规划短、搜序效率高等优势。     

一种求解机组组合问题的内点半定规划GPU并行算法

针对内点法求解机组组合问题的半定规划(SDP)模型时大规模线性方程组计算时间太长的问题,提出一种基于图形处理器(GPU)的Krylov子空间并行算法.该算法采用预条件处理的拟最小残差法(QMR法),并以矩阵分块技术为基础,在CSR存储格式下使用GPU实现Incomplete Cholesky并行预处理矩阵的计算.通过对不同规模线性方程组的计算分析表明,与传统的Cholesky直接法相比,QMR并行算法具有速度和存储优势,可获得良好的并行加速比.10～100机6个系统的仿真结果也表明,该SDP并行内点法在减少计算时间的同时可求得近似最优解.     

基于神经网络的机器人逆运动学算法

本文提出了一种基于神经网络改进算法的机器人逆运动学的求解方法，在讨论机器人逆运动学求解问题以及基于BP算法的神经网络基本原理的基础上，分析了几种BP算法改进方法，给出了基于神经网络的机器人逆运动学求解的具体步骤和设计神经网络的相关注意事项，与传统算法进行比较，通过PR实验室机器人仿真研究表明，该算法具有简单，学习收敛速度快等特点，且避免了传统算法的放多棘手问题。     

一种基于L_1范数模型和内点理论的潮流算法

提出一种结合L1范数模型和内点理论的潮流计算方法,利用基于扰动KKT条件的原始-对偶内点算法进行一般潮流问题求解.与以前的最小潮流法相比,该方法简单、求解易于收敛、易于程序实现,便于对病态系统求解,并同时能判断潮流方程是否有解.     

户外变电站支柱式绝缘子清扫机械臂运动学研究

支柱绝缘子是隔离开关和断路器等电气设备的组成部分,电力系统安全稳定运行与绝缘子安全运行息息相关。为了解决我国电力设备外绝缘维护的缺点,对变电站支柱式绝缘子清扫系统机械臂进行了研究。通过对绝缘子清扫机械臂机构进行简化后得到简版D-H参数,并由此列出运动学正解方程,并利用正解方程对工作空间进行分析。然后,使用反变换法依次求解每个关节角度,得到了运动学逆解。最后,推导机械臂的正解和逆解的运动学公式,进行了运动学正解、任务空间和运动学逆解的仿真,验证了所推解的机械臂正解、逆解是正确的。     

基于遗传神经网络的机器人视觉控制方法

传统的机器人伺服控制需要计算雅克比矩阵以及解雅克比矩阵的逆才能实现系统设计,计算量很大且困难、系统结构复杂。设计了一种基于遗传神经网络的六关节机器人视觉伺服系统,并利用遗传算法对神经网络进行优化。此方法不但解决了系统求解雅克比矩阵及其逆计算量大的问题,而且不需要对摄像机内部参数和机器人参数进行标定,同时由于遗传算法的加入,提高了神经网络的性能,不仅大大简化了控制系统,提高了系统的速度,同时也保证了控制系统的精度。     

一般耦合6R机器人实时高精度逆运动学算法及应用

对于一般6R机器人,包括耦合和解耦机械臂,提出一种通用的与常见工业机器人有区别的能够实现实时高精度控制的机械臂逆运动学算法,并且应用在特种多关节机械臂上。基于矩阵多项式理论及其性质,从12个等式方程中重新提取6个独立的等式方程。对多变量等式方程组进行消元后转换成单变量方程,将问题转换为求解单变量方程根的问题,最后利用矩阵多项式的性质将多项式的求根问题转化成为矩阵的特征值求解问题,由此大大降低了求解难度,并且保证了算法的稳定性和精度问题。求解实例表明,提出的该算法能在毫秒级别内得到某种耦合机械臂的所有运动学逆解,并且得到的解能够精确到小数点后11位,从而实现实时高精度控制。     

结合半正定规划和非线性规划模型的OPF混合优化算法研究

以内点法求解最优潮流(optimal power flow,OPF)的经典非线性规划模型已得到广泛应用,但无法保证解的全局最优性。而求解OPF的半正定规划模型,在一定条件下能获得全局最优解,但存在计算时间长和可能无法获得可行解的缺点。因此,文中提出一种结合非线性规划和半正定规划模型两者优势求解OPF问题的混合优化方法,以实现在更短的时间内获得全局最优解。首先,提出验证由内点法求解OPF非线性规划模型(nonlinear programming,NLP)所得解是否为全局最优的充分条件。若非全局最优,则基于OPF的半正定规划模型给出由该局部最优解出发的下降方向,并通过步长控制得到新的初值,交由内点法重新求解OPF的非线性规划模型。算例测试结果表明,该算法在避免求解完整半正定模型需耗费大量时间的同时,能够有效跳出非线性规划模型的局部最优解,收敛到全局最优解或更优的解。     

求解状态估计问题的内点半定规划法

为更好地进行状态估计,提出了基于内点半定规划求解状态估计问题全局最优解的方法。该方法基于求解状态估计常用的加权最小二乘模型,通过引入辅助变量,将非凸估计问题等价转化为半定规划问题,然后应用原始–对偶内点法求解。根据状态估计半定规划模型的特点,采用基于半定规划的稀疏技术,提高存储效率和计算性能。算例结果验证了该方法的有效性。     

基于图像的机器人视觉伺服系统

本文研究了手部摄像机视觉机器人的控制问题。采用了基于图像的视觉伺服控制方法,直接利用图像特征来控制机器人运动。通过动态估算图像雅可比矩阵来代替实际的雅可比矩阵,避开了求解机器人逆运动学方程和繁琐的标定工作。     

基于等流量法缩减空间策略的水电站调度方法

采用合理的调度方法可有效提高水电站发电效益。模拟方法容易获取可行解,但不能提供最优解;优化方法能够求得最优解,但往往因搜索空间过大而求解不理想。本文考虑两者特点,提出基于等流量法缩减空间策略的水电站调度方法,即利用等流量法模拟调度过程,缩减搜索空间,在缩减空间内利用优化方法求解模型。实例研究表明：该方法适合群智能算法求解水电站调度模型;在相同群智能算法和水电站调度模型下,缩减搜索空间后,多年平均发电量、保证出力提升显著,多年平均弃水量明显减少。此外,群智能算法在缩减空间内的收敛速度更快,标准差更小。因此,该方法能够有效提高群智能算法求解的优化程度、收敛速度和稳定性,可为水电站调度提供重要参考。     

基于改进 Richardson 的大规模 MIMO 信号检测算法

在大规模多输入多输出(multiple-input multiple-output, MIMO)系统信号检测中,最小均方误差(minimum mean square error, MMSE)算法可以得到近似最优检测性能,然而该算法需要高维矩阵求逆,其复杂度很高,无法保证信号的实时检测。因此提出一种改进Richardson信号检测方法,利用最速下降法和整体修正法改进Richardson算法性能,最速下降法可以提供更有效地搜索路径,得到不同近似解,并且为了提高求解精度,利用整体修正法对不同近似解进行修正,使算法收敛速度更快,同时将算法复杂度数量级由O(K³)降低到O(K²)。仿真结果表明,该算法只需3次迭代就可接近MMSE,在降低复杂度的同时提高了误码率性能。     

基于模糊神经网络的冗余度变几何桁架机器人位置控制

应用模糊神经网络 (FNN)对机器人逆动力学模型进行辨识 ,求解了冗余度四面体变几何桁架 (TT -VGT)机器人的逆动力学问题 ,并在交流伺服电动机驱动的四重四面体变几何桁架机器人上进行了位置控制。控制结果表明 ,该方法控制误差较小 ,收敛速度快。