一种实时前瞻的微线段直接插补算法

结合匀变速DDA精插补算法、变插补周期技术和实时前瞻技术,提出了一种新的微线段直接插补算法.采用两级插补模式,粗插补由速度规划和实时前瞻任务构成,精插补采用匀变速DDA精插补算法.首先通过正、反向速度规划,计算各微线段允许的最大拐角速度;其次,根据前瞻数据量和微线段允许速度实时调整实际拐角速度;最后,调用匀变速DDA精插补算法实现脉冲输出.每个微线段不再由粗插补分割为更小的微线段,而是直接由精插补器来实现插补,故算法简单,精度高.实测结果表明,该算法无理论误差,精度高,加工效率较高.     

高速加工中的速度规划与段间连接

在复杂型面高速加工中,针对离散速度控制的特点,采用基于时间分割的前加减速算法对前瞻处理后的路径进行离散速度规划;在满足周期性、速度、加速度和定位要求的前提下,对速度规划后的残余长度在减速段进行平摊处理;对于无法进行平摊的残余长度,给出了空间直线与圆弧相互连接的计算公式.结果表明,该方法能够满足复杂型面高速加工的插补精度和加工效率要求.     

多约束条件的NURBS曲线自适应前瞻插补算法

针对数控系统加工过程中的刀具抖动和机床震荡等问题,提出多约束条件的NURBS曲线自适应前瞻插补算法.在预处理阶段,根据曲率变化对NURBS曲线进行分段,速度规划采用改进正弦三角函数加减速算法,获取连续和平滑的加加速度曲线;综合NURBS曲线弓高误差、最大法向加速度和加加速度以及机床动力学等多约束条件对进给速度进行自适应...     

NURBS曲线机床动力学特性自适应直接插补

提出了一种具有机床动力学自适应能力与曲线前瞻控制能力的NURBS曲线插补算法．算法通过分析加工曲线的几何特征与机床的动态特性,获取曲线插补的前瞻控制信息;并用于指导实时插补．整个插补分两个阶段,首先通过曲线性态与机床特性,运用遗传算法,获取曲线中特殊点的信息,作为曲线插补的前瞻控制信息;然后依据此信息,在实时插补中对插补速度进行校验调整,实现高速曲线插补．该算法较目前同类算法有三个优点：具有机床适应性,能在不同的机床上均可加工出高质量的工件;加工轮廓精度高,进给速度可随曲线曲率自适应调整,保证了插补的轮廓精度;速度波动小,既保证了加工件的表面质量,又避免对机床造成过量冲击．     

基于自适应动量因子的区间神经网络建模方法

区间神经网络建模是区间控制的核心部分,也是提高系统鲁棒性的重要方法.针对区间神经网络算法收敛速度慢的问题,提出一种自适应动量因子算法.算法利用区间运算建立输入与输出数据的映射模型,通过引入具有自适应特性的动量项,使用最速下降法对动量项进行自适应更新,在加快系统收敛速度的同时,克服系统稳态误差大和容易陷入局部最小值的弊端.典型算例实验表明:区间神经网络能够较为精确地建立区间网络模型,自适应动量因子算法提高了区间神经网络整体性能.     

实轴空间综合约束下的数控加工速度前瞻策略

为了避免数控高速加工中由高曲率区域引起的机床驱动轴的运动突变、机床振动和工件过切,提出了基于实轴空间综合约束的数控加工速度前瞻控制策略.该方法应用切削运动的S形曲线速度规划方案,对机床实轴运动数据进行速度、加速度、冲击约束检测,整体提前寻优确定S形速度前瞻的过程参数,并提出了速度规划节点分离法对切削路径进行分段独立S形曲线速度的规划.仿真和试验表明,采用该方法进行速度前瞻处理时,可使加工速度平滑连续,不仅消除了各驱动轴运动突变引起的冲击振动,而且有效地解决了五轴数控加工中的速度控制问题,因此降低了曲面轮廓误差,满足了高速高精度的加工要求.     

一种实时前瞻的自适应NURBS插补算法

在考虑速度稳定性和加工误差精度的基础上,设计了一个非均匀有理B样条曲线(Non-Uniform Rational B-Spline,NURBS)的实时自适应插补系统.开发的插补系统能够在大部分的插补过程中保持进给速度稳定,并且根据曲线的形状,自适应地调整进给速度,通过一个实时的前瞻加减速处理模块,在速度变化敏感区对加减速进行处理,同时满足了机床加减速能力的要求.通过NURBS曲线插补仿真计算的例子,显示了开发的实时自适应插补系统能够满足高速高精度插补的要求,验证了所设计的实时前瞻自适应NURBS插补算法的可行性.     

基于粒子群优化的改进四次S型加减速控制算法

针对基于传统三次S型加减速算法在数控机床起止端加加速度不连续,存在柔性冲击,以及传统四次S型加减速算法模型繁复,时间复杂度高的问题,设计加加速度曲线在加速区间、减速区间的开始和结束阶段连续不断变化,提高了速度曲线变化的平滑性,减低了工件加工运行时间。同时,提出一种基于粒子群算法的速度规划方法,根据加减速控制模型构建其适应度函数,继而得到加减速规划所需的所有参数。最后通过MATLAB对所提算法进行仿真实验。结果表明：所提算法能有效降低系统的柔性冲击,并提高加工精度和运行效率。     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明：文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

孔群钻削机械手的运动规划和加工路径优化

为提高加工效率,对用于钢琴弦轴板孔群钻削加工的三轴直角坐标机械手的运动规划和加工路径优化方法进行了研究.首先采用抛物线过渡的线性插值算法对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹.然后以最短加工路径为目标,以无碰撞地绕过所有障碍物为约束条件,建立了孔群加工路径规划问题的数学模型,并采用分层优化的遗传算法获得了孔群加工的优化路径.最后以6种型号弦轴板为例进行计算,结果验证了算法的有效性.     

S曲线加减速模式下的加工轨迹效率评价

建立了高速加工轨迹中的直线段、圆弧段、NURBS曲线段等基本曲线的几何模型,并在常用的、具有无柔性冲击特点的S曲线加减速控制模式下,以最短时间为优化目标,建立了约束条件下的速度规划方程组,给出了统计加工总时间的软件算法,从而为高速加工轨迹的效率评价提供了客观依据.同时,在完成速度规划之后,给出算法流程,计算每条直线段、圆弧段、NURBS曲线段所需要的加工时间,从而统计加工总时间,作为高速加工轨迹效率评价的技术指标.     

基于规则和混合算法的智能STEP-NC微观工艺规划

为解决STEP-NC微观工艺规划智能性差和效率不高的问题,提出一种基于规则和混合算法的智能STEP-NC微观工艺规划方法.首先,采用本文提出的基于规则的加工资源匹配算法,为每一加工工步匹配相应的机床和刀具;然后,以最短换刀时间为优化目标,采用混合算法 (混沌算法和遗传算法) 对STEP-NC加工工步序列进行优化;最后,以最少加工时间和最低加工成本为优化目标,通过混合算法对STEP-NC加工工艺参数进行优化,进而得到最优的STEP-NC微观工艺规划.通过实例验证了该方法的有效性和可行性.     

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法. 上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量. 下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率. 通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.     

基于SIFT和SDM的虹膜定位方法

为了提高虹膜定位的速度和稳定性,提出一种基于SDM的快速、稳定的虹膜定位算法.该方法首先采用径向对称变换粗定位瞳孔,然后采用微积分算子精定位瞳孔;选取SIFT特征描述虹膜外边缘及眼睑的边界特征,采用SDM算法求解定位结果,最后采用最小二乘法确定虹膜外圆及上、下眼睑边界参数.实验结果表明该算法大大提高了虹膜定位的效率和稳定性.     

一种子目标和水平集方法融合的AUV动态航路规划新算法

针对当前水下避障航路规划算法中障碍物模型偏理想化,易导致不能安全避障,且算法规划速度偏慢的难题,提出了一种基于子目标法和水平集方法的自主实时航路规划算法.算法基于AUV的前视声呐探测的障碍物部分轮廓信息,预估障碍物尺寸和中心位置,据此得出安全可靠的子目标点,再通过滚动的子目标法实现完全避障,通过水平集方法提升规划速度.仿真结果表明,提出的算法均能做到100%的避障,且避障后的航路性能质量比预先规划的全局最优航路的性能质量下降得很小:航路长度和航行时间的平均增加量均不超过5%.      

基于事例推理的装配顺序规划中的遗传算法改进设计

针对基于事例推理(CBR)的装配顺序推理的特点,建立了相应的遗传算法模型.通过大量的算法实验,分析比较了传统进化、阶段进化和自适应进化策略的优劣,以及算法参数对推理效率和推理质量的影响.在此基础上,设计了改进的遗传算法.最后的实例分析验证了该算法的有效性.