排序方式: 共有11条查询结果,搜索用时 15 毫秒
2.
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.
为准确描述重构过程中自重构机器人的拓扑关系,提出一种基于关联矩阵的UBot自重构机器人拓扑描述方法.在分析UBot自重构机器人系统的模块运动特性的基础上,建立了重构过程中关节状态表;对模块间可能存在的连接和方位关系进行分析,建立了一种二进制数表达法;以蠕虫构型为例,建立了其对应的数学拓扑描述矩阵.该矩阵不仅描述了模块的... 相似文献
10.