排序方式: 共有12条查询结果,搜索用时 937 毫秒
1.
3.
4.
5.
6.
分析了自重构机器人重构和运动过程中连接机构的功能和作用,设计了一种新型钩爪式连接机构。该机构在机器人运动过程中为相邻模块提供可靠的连接,在重构过程中可迅速完成相邻模块的连接/断开。连接机构由微型直流电机、主动钩爪连杆结构和被动连接基板组成,具有模块连接对中功能,连接后机构自锁,无需电机力矩保持,节省能量。分析了该连接机构的工作原理、对接条件和力学特性,并进行了实验研究。结果证明:该连接机构具有较好的性能,并且在一定的几何误差下仍能完成连接。 相似文献
7.
模块化机器人的双输出CPG网络调相运动控制 总被引:1,自引:1,他引:0
为了增强模块化机器人的灵活性,以及对其多模式运动进行更简单有效地控制,结合阵列式和串联式自重构机器人的特点,设计基于万向式关节的双自由度UBot模块,并根据两个关节之间的相互抑制关系,结合生物学的中枢模式发生器(CPG)运动控制原理,设计具有双输出的CPG网络调相运动控制器.通过调整CPG间的连接权重以及每个CPG中两组输出的关系,调解运动控制信号间的相位差值,有效地控制UBot模块化机器人的整体协调运动.应用这种控制方法控制了模块化机器人的3种运动模式:四足运动、蠕动和多节虫运动,在ADAMS仿真环境下进行了运动仿真实验,并在UBot模块化自重构平台上分别进行了3种构型的实体运动试验.实验结果验证了双输出CPG调相网络对模块化机器人运动控制的有效性和实用性. 相似文献
8.
在高精度加工过程中,数控机床主轴误差对加工精度的影响较为严重。数控机床热误差占总误差比例高达40%~70%,是主要的误差源之一。为了提高热误差预测的精度,本文提出一种使用海马优化算法(SHO)优化时序预测网络(LSTM)的精密车床主轴热误差预测建模方法。首先,利用羚羊优化算法(GOA)对模糊C均值聚类(FCM)的模糊矩阵常数、最大迭代次数、迭代终止条件进行优化并结合皮尔逊(Person)、斯皮尔曼(Spearman)和肯德尔(Kendall)相关分析方法优化温度测点,使用手肘法确定最优分组规模,根据DB(Davies–Bouldin)、BWP(Bregman Within–class Projection)和Silhouette(Silhouette coefficient)聚类评估指标评估温度测点聚类效果。其次,以车床主轴五点法获取的热误差数据和优化后的温度数据作为输入,使用海马优化算法(SHO)对时序预测网络(LSTM)的隐含层节点、全连接层节点、学习率、L2正则化常数进行优化,并使用S折交叉试验方法确定最优分组规模,建立主轴热误差SHO–LSTM预测模型。再次,在不同转速下对构建... 相似文献
9.
针对机床主轴热误差对准静态精度影响的关键问题,提出了一种基于改进鸡群优化(MCSO)算法及支持向量(SVM)的热误差预测模型。利用基于非监督学习的谱聚类与Spearman关联分析辨识主轴关键敏感温度测点,降低温度数据分布于数量的依赖,削弱温度变量间的多重共线性。引入Levy飞行策略至母鸡个体局部搜索过程,构建了非线性动态自适应惯性权重更新雏鸡策略,基于MCSO-SVM进行核函数、罚因子以及偏差量的全局优化,分别采用MCSO-SVM、BP-GA、GA-SVM和CSO-SVM热误差建模,同时对不同转速下的模型预测能力进行对比分析。热误差实验测量与预测结果表明:谱聚类与Spearman关联分析可有效降低温度变量共线性导致的耦合作用;MCSO-SVM可实现典型转速下主轴五项热误差的高精度预测,模型具备较好的泛化能力和鲁棒性。 相似文献
10.