关节对中误差对机械臂末端定位精度影响

针对机械臂关节对中误差对机械臂末端定位精度影响进行研究。以6自由度机械臂为研究对象,利用D-H法建立了机械臂运动学模型,并建立对中误差传递数学模型。利用蒙特卡洛方法以MATLAB为平台进行了误差分布仿真实验,得出了由于对中误差引起的机械臂末端定位误差分布特点,以及在不同对中误差等级下,机械臂末端定位误差概率分布情况。为对中误差修正提供了参考基础,同时为机械臂定位精度评价提供了定量化依据。     

改进的被动多传感器数据关联算法

针对被动传感器数据关联的问题,提出了一种基于改进量子粒子群算法的被动传感器数据关联方法。算法采用分层关联的思想,首先通过构造角度检验统计量进行方位粗关联,然后将余下的候选关联组合转化为三维分配问题,继而提出了一种改进的量子粒子群算法求解此问题。仿真实验表明,该算法能够快速消减候选关联集合的数目,快速、准确地排除虚假定位点。     

基于改进粒子群优化RBF神经网络的算法

针对粒子群算法易陷入局部极小的缺陷,提出了一种改进的粒子群优化算法,并将改进后的算法应用到RBF神经网络核函数参数的选取中。依照文中提出的编码方式、迭代公式和适应度函数,在全局空间中搜索具有最优适应值的参数向量。实例仿真表明,基于改进粒子群算法优化的RBF神经网络不仅收敛速度快,且误差精度高。     

地面无人作战系统机械臂运动学建模与仿真

以某地面无人作战系统中的机械臂为研究对象,探讨其运动学模型建立中的相关问题．结合该机械臂的结构特点,利用D-H方法建立其相应的运动学模型,并在该基础上求解机械臂的正、逆运动学方程．最后在Matlab环境下,借助Robotics Toolbox工具箱对该机械臂的结构和运动学问题进行验证和仿真．仿真结果表明：该设计方法是正确可行的．     

基于神经网络的机器人运动学反解算法

提出了一种基于神经网络的机器人运动学反解算法。详细讨论了神经网络求解的快速算法以及求解精度的自动检验与改进等技术问题,并以六自由度ＰＵＭＡ机器人为例,进行了数值模拟计算。结果表明：用神经网络反对机器人的运动学问题,不仅求解过程简单,还可避免传统反解方法中的许多棘手问题。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

一种基于正交迭代的无人直升机着舰相对位姿估计方法

针对基于视觉的舰载无人直升机自主着舰过程中的相对位姿估计问题,选取着舰标志图像的角点特征进行求解,提出了一种基于正交迭代的位姿估计算法。该算法为满足位姿估计结果精确、鲁棒和高效的要求,采用目标空间误差作为误差函数,并基于透视投影模型给出迭代初值,相对于随机给定初始值而言,使得迭代次数减少,收敛速度提升;在迭代过程中,通过绝对定向方式来求解空间共线性误差最优值问题。仿真结果表明:该方法实时性好、精度较高,具有全局收敛性。     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

改进的粒子群神经网络在飞控中的应用

针对BP神经网络对初始值敏感、容易陷入局部寻优且收敛速度较慢,提出用粒子群对神经网络的参数进行优化,同时设计了衰减的指数函数对惯性权重进行动态调整以提高算法性能.并应用该算法对导弹飞控系统的逆误差进行补偿,仿真结果表明,该方法对逆误差进行了有效的补偿,避免了局部寻优并提高了学习效率.     

基于小波配点法的空间机械臂关节轨迹规划

针对平面型空间机械臂关节轨迹优化问题,提出一种基于小波配点法的数值算法。该算法在区间样条小波函数及其导数算法的基础上,对状态变量与控制变量在小波配点上作离散化处理,然后将原最优控制问题转化为以小波系数为优化参数的非线性规划问题,利用非线性规划算法求解该问题得到原问题的解。算法可充分利用小波具有非线性逼近的优点,提高计算精度和效率。对典型问题进行数值仿真,结果表明该算法对空间机械臂关节轨迹优化问题是有效的。     

基于改进快速扩展随机树的机械臂路径规划

针对机械臂路径规划问题,提出一种基于改进RRT算法的路径规划方法。改进RRT结合了目标偏置策略和贪婪生长策略的优点,在随机采样时,以一定概率使采样点偏置为目标节点,降低随机采样的盲目性,在目标节点方向上采用贪婪式扩展策略,增加随机树局部方向上的生长速度。RRT法规划路径结果并非最优,提出改进GPP法删除多余路径节点,优化机械臂运动路径。通过与Biased-RRT和Greedy-RRT数值仿真结果对比,证明了改进RRT在计算时间、迭代次数、扩展节点数上均优于以上方法。在机械臂两种典型工作环境中的仿真结果表明,使用该方法可以较好解决排爆机械臂避障路径规划问题。     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

基于L-M算法改进BP网络的信息对抗能力评估

在未来密集和复杂的电磁环境中,快速、客观地评估敌我双方的信息对抗能力具有重要的意义。目前通常采用的人工打分方法具有一定的主观性,且周期较长,难于满足战场瞬息万变的需求。提出了一种基于L evenberg-M arquardt算法改进的BP神经网络信息对抗能力评估方法,以某组信息对抗数据为训练数据,对改进BP神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:改进BP神经网络能客观有效地评估信息对抗能力,较大程度地提高了神经网络的收敛速度、缩短了评估时间。     

冗余并联机构的PD控制

采用并联机构的简化树动力学模型 (reducedtreemodel) ,给出了冗余并联结构的动力学方程和基于PD控制策略的控制方法。为了消除冗余并联机构固有的内作用力 ,给出了一种基于静态力平衡的控制方法。最后 ,利用一个 2自由度的冗余平面并联机构作为控制实例 ,实验结果表明了控制方法的正确性     

水下传感器网络冗余设计

冗余设计可以有效地延长水下传感器网络寿命和提高网络可靠性,基于可靠性理论,考虑水下传感器网络环境及节点垂直移动等约束,在对冗余非共享方案研究的基础上,结合水下传感器网络特点,提出了适合于水下传感器网络特点的冗余共享设计方案,并给出了冗余共享方案的可靠性模型,通过数值计算,研究了网络可靠性变化曲线及冗余节点数与网络寿命的关系。经过MATLAB软件仿真,表明在同一网络寿命情况下,相对于冗余非共享方案,冗余共享方案所需冗余节点数更少,降低了网络部署成本,达到了冗余优化的目的。     

脑与认知技术发展综述

脑与认知是利用神经形态计算来模拟生物大脑处理信息的过程,被认为是探究甚至实现人工智能的最直接技术路线,而且可以为人工神经网络研究提供基础导向,因为人类和动物"先天"的结构对其技能和习性有着决定性作用。对近期脑与认知的相关研究与成果进行了综合评述,并对未来发展趋势进行了展望。综述表明,类脑仿生研究与应用改进了人工智能系统,重建复杂的大脑皮层神经网与回路是当前研究重点;脉冲神经网络被认为是目前深度神经网络的"继承者";脑机接口技术发展呈现非侵入式趋势,面向语言障碍病患实现语音合成的脑机接口技术成为近期新兴研究方向。