面向冗余机器人实时控制的逆运动学求解有效方法

针对7自由度冗余机器人实时运动控制,对机器人逆运动学提出了一种新的求解方法.采用位姿分解方式,使7自由度冗余机器人逆运动学简化为4自由度位置逆运动学求解.在梯度投影法得到位置优化解的基础上,利用机器人封闭解公式求得一组优化解.通过对7自由度机器人仿真分析,表明了该方法的有效性.     

求解双层规划优化问题的层次风驱动优化算法

针对双层规划的求解问题, 提出一种层次风驱动优化算法. 初始化上层优化变量后, 首先对下层规划进行求解, 满足约束条件的同时, 更新下层规划中的空气质点速度和位置; 然后, 利用风驱动优化算法对上层规划问题进行求解; 最后, 在优化解集合中, 选择上下层规划目标值次序之和最小的解作为最终优化解. 实验结果表明, 所提出的层次风驱动算法是一种有效的求解双层规划问题的方法.

     

知识引导遗传算法实现机器人路径规划

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,设计一种知识引导遗传算法,在染色体的编码,初始种群的产生,各种遗传算子和优化算子中加入相关的领域知识.综合考虑机器人路径的长度,安全度和平滑度等性能指标,在对机器人进行路径规划的同时,利用删除,简化,修正和平滑,种优化算子进行路径优化操作.仿真结果表明.所提方法能够有效提高遗传算法求解实际路径规划问题的能力和效率.

     

仿人机器人7DOF腿部的运动分析与仿真

传统的6自由度腿部逆运动学求解可以得到唯一解,仿人机器人7自由度腿部由于冗余自由度的存在,其逆运动学求解比6自由度腿部更难.本文采用D-H方法对现有的仿人机器人7自由度的下肢进行运动学建模与分析,用位姿分离法求解步行运动中的逆运动学解,在LMS Virtual.Lab仿真平台上仿真,为解决机器人的动力学问题做必要的准备.     

一种基于有向交叉的遗传算法

从解空间的角度分析了交叉算子的作用,针对其盲目搜索的缺陷,提出一种有向交叉遗传算子.该算子通过优化控制交叉子代的落点位置,使交叉子代大概率地朝着最优解的方向进化.实验表明,该算子显著地加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度.

     

基于杂合机制的免疫遗传算法在动态问题中的应用

针对遗传算法在求解动态问题时存在多样性缺失,无法快速响应环境变化的问题,提出一种基于杂合子机制的免疫遗传算法．该算法借鉴免疫系统中多样性与记忆机理,从保持等位基因多样性出发,在免疫变异中引入杂合映射机制,使种群能够探索更大的解空间．同时,通过引入记忆策略,使算法迅速跟踪最优解变化轨迹．该方法在动态０-１优化问题的求解中取得了较好的效果．

     

七自由度带电作业机器人逆运动学求解方法研究

本文以七自由度双臂带电作业机器人为研究对象,针对七自由度逆运动学求解计算复杂,实时控制困难的问题,在分析机器人的机械结构及建立正向运动学模型的基础上,采用位姿分解法与代数迭代法相结合的方式求解运动学逆解,将七自由度逆运动学求解转化为四自由度位置冗余问题,并设计了具体的程序流程图,经过仿真验证,该算法减小了逆运动学求解的计算量,提高了机器人控制的实时性。     

湍流环境中多弱感知机器人气味源搜索算法

针对湍流环境中机器人空间感知能力的不足, 提出一种多弱感知机器人气味源搜索算法. 该算法建立了气味源位置概率分布的近似表达式, 机器人通过自由能最小化获得移动方向. 各机器人之间通过共享位置信息实现协同, 通过设定内部温度达到搜索过程中探索和利用的平衡. 仿真结果验证了所提出算法的有效性.

     

力矩受限的机器人吸引域估计方法

针对力矩受限的机器人组合非线性反馈控制的局部稳定区域描述问题,研究了吸引域的估计方法.利用不变集属性和椭球性质,定义两种不同意义的最大椭球不变集来逼近吸引域,分别采用设置初始状态法和参考形状集法求解.通过带有约束的优化问题描述,所有条件均能转化为线性矩阵不等式条件,易于求解.由于采用优化技术,能够减小吸引域估计的保守性.数值算例验证了所提方法的有效性.

     

一类优化问题的分解算法

讨论一类大规模系统的优化问题,提出一种递阶优化方法．该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础．仿真结果验证了算法的有效性．

     

基于光束平差法的双目视觉里程计研究

机器人自定位是实现机器人自动导航及其他智能行为的前提, 一种基于光束平差法的移动机器人双目视觉里程计可以有效地实现机器人自定位. 为此, 首先采用点模式匹配方法建立相邻图像之间的特征匹配关系, 根据立体视觉算法得到匹配点对的三维对应关系; 然后, 计算摄像机的相对运动参数, 并采用光束平差分段优化算法对其进行优化. 所提出的双目视觉里程计能够避免车轮半径变化、空转、打滑等对里程计测量精度的影响, 相对定位精度较高.

     

轨迹跟踪级联机器人编队控制方法

提出一种轨迹跟踪级联机器人编队控制方法. 该方法有效结合距离-角度(??-??) 控制和距离-距离(??-??) 控制方案, 并利用无迹卡尔曼滤波算法对Leader-Follower 级联机器人系统的状态进行估计; 根据状态估计结果设计输入-输出动态反馈控制规律, 使得跟随机器人(Follower) 准确跟踪领航机器人(Leader), 确保编队的稳定性和较快的收敛性, 并达到理想的编队控制效果. 仿真实验验证了所提出方法的可行性.

     

基于节点协同覆盖的传感器网络寿命最大化模型

针对保证网络连通覆盖和最小能量消耗的优化目标,建模了基于节点协同覆盖的传感器网络寿命最大化模型．提出一种基于多目标优化遗传算法的求解方案,设计了基于链路状态的分簇机制以及基于ＮＳＧＡ-Ⅱ的簇内覆盖控制算法．仿真结果表明该方案能快速收敛于最优解,在高密度和低密度布撒环境下表现出优越的性能,且具有良好的适应性．

     

一种智能优化算法解质量评价方法

如何评价智能优化算法在有限时间内所得解的质量, 是计算智能基础研究和工程实践中都亟待解决的问题. 受序优化思想启发, 针对连续优化问题, 提出一种评价智能优化算法解质量的方法. 首先利用聚类方法对解记录均匀化分区, 然后根据适应度值分布计算对准概率作为解质量评价指标. 通过对均匀采样、非均匀采样、粒子群算法和遗传算法的寻优结果进行实验表明了所提出方法的有效性.

     

冗余自由度超声检测机器人的逆运动学分析

针对一类冗余自由度超声检测机器人的传统逆运动学求解算法耗时长且准确度低的问题,提出了一种基于集合划分和解析解法相结合的逆运动学求解算法。首先采用De-navit-Hartenberg方法建立检测机器人的运动学方程;其次,利用解析解法求出机器人逆解的解析表达式,并提出三种自由度分配方案;最后,选择合适的自由度分配方案,据此对超声波探头位姿集合作划分,结合逆解解析式求出运动学逆解。实际应用中,借助十一轴超声波检测机器人,利用该算法对具有复杂外形的飞机螺旋桨叶片进行检测。结果表明,与传统的纯数值解法相比,该算法能够快速得到精确的运动学逆解。     

物理受限冗余机械臂逆运动学凸优化求解

针对冗余机械臂逆运动学求解结果极有可能超过机械臂物理限制的问题,提出一种基于凸优化的逆运动学求解方法使得逆解结果满足物理约束.首先分析了关节速度与力矩关系,采用机械臂动能及重复运动为优化指标,以关节速度、关节力矩为优化变量.然后将逆运动学求解问题转化为凸优化问题,进一步转化为二次规划问题,充分利用冗余特性,实现逆运动学求解时避免关节位置、关节速度、关节力矩极限.最后利用7自由度冗余机械臂KUKA LBR iiwa进行仿真,求解关节量结果符合物理极限及优化准则.结果表明本文提出的方法适用于物理受限冗余机械臂的逆运动学求解.     

一种求解TSP问题的ACO & SS算法设计

提出一种求解旅行商(TSP)问题的新型分散搜索算法.将蚁群算法(ACO)的构解方法引入分散搜索(SS)算法,在搜索过程中既考虑解的质量,又考虑解的分散性.采用一种将蚁群算法的信息素更新技术与分散搜索的组合机制相结合的新型子集组合成新解的构解机制,同时采用动态更新参考集与临界准则策略来加快收敛速度.实验结果表明,该算法优于其他现有的方法,获得了较好的结果.

     

基于直觉梯形模糊数的信息不完全确定的多准则决策方法

针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出一种基于直觉梯形模糊的信息不完全确定的多准则决策方法.该方法利用权系数的不完全确定信息,建立关于各方案综合直觉梯形模糊数与理想解和负理想解的Hamming距离的优化模型,通过求解优化模型可得到各准则的最优权系数,进而得到各方案与相对理想解的贴近度,再根据贴近度得到方案集的一个排序.实例分析表明了该方法的有效性和可行性.

     

求解支付值为区间直觉模糊数的矩阵对策的线性规划方法

提出了支付值为区间直觉模糊集的矩阵对策定义及其解的概念, 将求解局中人的极大-极小与极小-极大策略问题转化为求解一对辅助的非线性多目标规划, 进而转化为一对易于求解的原始-对偶线性规划. 数值实例表明了所提方法的有效性和实用性. 所提出的区间直觉模糊集矩阵对策理论与方法既是对经典矩阵对策理论的发展, 又可为解决其他带有区间直觉模糊信息的对策问题提供新的途径.

     

梯度微粒群优化算法及其收敛性分析

针对标准微粒群优化算法微粒运动轨迹的收敛性进行了分析,给出并证明了微粒运动轨迹收敛的充分条件.提出一种简便的等高线图判别法,该方法能够通过参数的位置判断微粒轨迹是否收敛并衡量收敛速度.为提高算法的收敛速度,构造出一种梯度微粒群优化算法,给出并证明了该方法收敛的充分条件.仿真结果表明,梯度微粒群优化算法具有优良的搜索性能.