多功能移动机器人分层路径规划研究

现有移动机器人规划算法生成轨迹目标单一,无法满足多样化的任务需求,为此,提出一种多指标维度反馈的路径规划策略。基于强化学习在线决策机制,寻求多条抵达目标的无碰撞路径;进而根据路径性能特征建立价值评估体系,动态更新机器人运动节点间的动作代价值,并且在不同权重配比下进行了仿真测试。结果表明：该算法能根据需求针对性提高全局路径相关性能,并结合全局路径信息,反馈控制局部运动决策,从而使得移动机器人能够在相同环境中解算出不同满足期望的运动决策。     

基于DSM的协同设计过程规划方法

围绕产品协同设计过程中协同任务的定耦与解耦问题,将整个项目划分为粗粒度规划和细粒度规划两大阶段.根据图论中的路径搜索法构建强连通图,并将其向矩阵映射,建立强连通矩阵,从而确定出耦合任务集,完成粗粒度规划;考虑任务间灵敏性和可变性对其相互影响的程度,提出用改进的结构灵敏度分析法对耦合任务集解耦,确定出任务组内各任务的执行顺序.以车身产品设计过程的案例验证了所提方法的有效性和实用性.     

A new perceptual illusion reveals mechanisms of sensory decoding

Perceptual illusions are usually thought to arise from the way sensory signals are encoded by the brain, and indeed are often used to infer the mechanisms of sensory encoding. But perceptual illusions might also result from the way the brain decodes sensory information, reflecting the strategies that optimize performance in particular tasks. In a fine discrimination task, the most accurate information comes from neurons tuned away from the discrimination boundary, and observers seem to use signals from these 'displaced' neurons to optimize their performance. We wondered whether using signals from these neurons might also bias perception. In a fine direction discrimination task using moving random-dot stimuli, we found that observers' perception of the direction of motion is indeed biased away from the boundary. This misperception can be accurately described by a decoding model that preferentially weights signals from neurons whose responses best discriminate those directions. In a coarse discrimination task, to which a different decoding rule applies, the same stimulus is not misperceived, suggesting that the illusion is a direct consequence of the decoding strategy that observers use to make fine perceptual judgments. The subjective experience of motion is therefore not mediated directly by the responses of sensory neurons, but is only developed after the responses of these neurons are decoded.     

CTF定位策略下基于多特征的智能机器人目标跟踪

针对复杂环境下机器人目标跟踪问题,提出由粗到精定位策略下基于多特征的智能机器人目标跟踪方法.该方法首先利用射频识别系统实现目标粗定位,然后采用自适应模板匹配算法、改进核函数的连续自适应均值飘移算法及扩展卡尔曼滤波算法提取目标头肩形状、衣服颜色与运动特征,实现精确定位.最后根据人机运动状态设计基于模糊规则的智能调速控制器,实时自动调整机器人的基准线速度与转弯增益,以稳定跟随运动目标.实验结果表明,该方法能有效保持人机之间的安全距离,对遮挡、相近颜色背景干扰及目标突然转弯的跟踪问题有较强的鲁棒性.     

一种直接面向位移寻优的冗余度机器人运动规划算法

针对冗余度机器人梯度投影逆解算法和数值优化方法在处理位移层面附加作业任务时存在的不足,基于自运动流形,推导出直接面向位移寻优的冗余度机器人运动规划的新算法.新算法将运动规划等效为两步来完成,首先采用非冗余关节实现末端操作器的精确位姿跟踪,然后利用附加作业对冗余关节位移的梯度来调整冗余关节,再利用机器人的自运动来实现附加作业.仿真结果表明,新算法在有效完成主任务和附加任务的同时还具有更快的求解速度,因此更适于冗余度机器人完成位移层面的附加作业任务.     

一类非完整系统的变结构控制运动规划

本文研究了一类带有非完整约束的非线性受限系统的运动规划问题。首先讨论了非完整系统的分类及可控性条件,并给出一类非完整系统运动可规划条件,进而采用模型到达系统的变结构控制方法实现了该类非完整系统的运动规划。     

泥沙起动流速研究现状分析

该文通过回顾泥沙起动的随机性、运动判别标准、以及泥沙颗粒在河床面的受力分析研究,简要综述了粗颗粒散体泥沙、均匀沙散粒体及细颗粒粘性泥沙、非均匀沙、砾石和卵石以及斜坡上泥沙起动流速的一些主流研究成果,并将最近的一些研究成果与经典研究进行对比。虽然泥沙起动流速研究由国外学者奠基,但在后续的理论体系完善中我国学者也进行了较为深入的研究工作并得到许多实用的经验和半经验公式。粗颗粒散体泥沙的起动流速、均匀沙散粒体及细颗粒粘性泥沙的起动流速研究较为透彻,非均匀沙和砾石和卵石的起动机理,以及斜坡上的泥沙起动流速仍有很大发展空间,对于规律性较为不明显的起动流速研究将会成为今后研究的热点方向。     

飞机货舱门作动系统工作状态分析与虚拟仿真

为研究飞机货舱门作动系统的工作状态,确定操作和状态转移逻辑、核心处理任务,采用有限状态机理论模型进行系统性的梳理,识别出状态划分、故障管理、运动规划等关键问题并给出了解决方案.基于Matlab一体化建模方法构建虚拟操作环境,并进行仿真验证.结果表明,作动系统工作状态清晰,指示和故障处理逻辑合理,运动规划结果可行,验证了所用方法的有效性.分析结果可以为底层代码实现提供支持.     

协同制造的配置管理和协同控制

在分析协同制造工作原理、需求和实现技术的基础上,提出任务排程、配置管理和协同控制的系统总体架构及相应的功能.制定出协同制造任务配置管理模型、人员配置管理协同策略与任务计划、任务执行和检查阶段中的业务过程和人员的协同控制方法,使得盟主与外协厂商间能够快速、有效、协同地一起完成生产过程.     

一种力位置控制冲击问题解决方法

针对数控系统力位置控制过程中的力冲击问题,基于阻抗控制基本原理,研究了一种解决该问题的控制策略.以X-Y-Z三轴运动平台为被控对象,建立了系统数学模型以及力传感器动态数学模型.以控制Z轴与工件的恒定接触力为目标,构建了切换控制系统,并证明了闭环系统的稳定性.在Simulink中搭建了力位置双闭环阻抗控制仿真系统,结果证...     

多关节跳跃机器人的起跳机理与运动规划分析

在给定离地任务要求的情况下,针对多关节冗余自由度跳跃机器人起跳机理及运动规划与优化问题进行了研究.以速度方向可操作度为性能指标,将期望的离地质心速度和加速度映射到关节空间,作为关节空间规划的边界条件.采用Fourier基函数参数化关节空间轨迹,从正运动学方程出发,结合驱动约束条件,利用粒子群优化算法搜索和寻求使能量利用率最大的参数值,实现起跳性能的优化.利用计算机仿真证实了此种方法的可行性.此外还建立了滑模控制器,实现起跳阶段轨迹跟踪控制仿真分析,为具有冗余自由度的多关节跳跃机器人的运动规划提供了一种有效的方法.     

复杂曲面加工过程多约束自适应进给率控制策略

建立了基于过程约束和刀具运动分析的切削力精确预测模型,在此基础上提出了复杂曲面加工过程多约束的进给率自适应定制方法.基于刀具与工件的相对运动分析,并依据刀刃微元在切削过程中真实运动轨迹的解析表达,建立了精确计算未变形切屑厚度的理论模型,由此给出针对复杂曲面加工的任意刀具运动轨迹拓扑形状的铣削力计算公式.以切削力模型为基础,结合悬臂梁模型、应力模型和扭矩计算公式,给出进给率定制过程中的关键制约因素.以材料去除率最大化为目标,通过求解有约束极值问题实现进给率优化.实例验证表明该模型能够进行复杂曲面加工进给率自适应定制,优化后的进给率有利于在保证加工精度和安全的前提下实现加工效率的最大化.     

基于案例学习的排球机器人运动规划及其支持向量回归实现

针对混合型控制问题,以排球任务为例研究机器人的运动规划.模拟人类球员通过经验积累而采取相应动作的行为学习模式,采取案例学习的方式解决球的初始状态微小变化(仅发球速度和角度变化)时的运动规划问题.由于支持向量回归(SVR)在处理小样本问题的优越性并受局部学习思想的启发,采用局部加权SVR(LW-SVR)实现案例学习.结果证明,LW-SVR的学习精度较RBF神经网络和SVR明显提高.     

基于地图建立的无人地面车路径规划

 提出一种同时完成地图建立与路径规划的算法。该算法为两层控制结构,其上层实现子目标点的生成,下层完成局部路径规划及运动控制。根据系统实时性的要求,以N个系统周期为触发条件执行子目标点生成程序。其中无人地面车通过传感器不断获取环境信息并进行处理,完成网格占据方式的地图建立与实时更新;将地图建立的结果作为数据输入,利用A*路径规划算法生成子目标点。根据子目标点生成结果,在每个系统周期内,通过基于模糊控制的底层快速算法完成无人地面车到子目标点的运动控制。以Pioneer 3-AT型无人地面车为试验平台在未知的复杂环境中对该算法进行验证,取得了良好的地图建立和路径规划效果,证明了该算法具有良好的实时性和准确性。     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

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.     

低浓度固液两相流颗粒相本构关系的动理学分析

固液两相流的动理学理论认为固体颗粒相可用Boltzmann方程描述。从流场中的颗粒受力分析出发 ,应用动理学的 Chapman- Enskog法 ,探讨了低浓度固液两相流下的 Boltzmann方程的二阶近似解和颗粒相本构关系。结果表明 ,尽管颗粒所受相间力与两相脉动速度有关 ,但在两相脉动速度近乎无关的极限条件下 ,颗粒速度分布函数和颗粒相本构关系与快速颗粒流的相同。这样的极限条件在含粗重颗粒的两相流中可以近似实现     

基于改进DPSO非退出故障下多无人机任务规划

针对非退出故障下多无人机协同任务规划问题,提出了一种基于混合策略改进的离散粒子群算法。该方法首先采用Sobol序列进行种群初始化,提高解空间的覆盖率;然后,提出非线性时变策略,加快算法的收敛速度;并引入柯西算子,增强离散粒子群算法的搜索空间;同时,还提出自适应交叉学习策略,丰富种群多样性,进而提升算法的全局寻优能力。综合改进的离散粒子群算法不仅加快了收敛速度,并且解的最优性也得到了提高。此外,运用三次样条插值算法进行无人机航迹规划,最后,将改进算法在三维空间中进行无人机故障前后的对比仿真实验,结果表明所设计的算法具有显著的寻优有效性,为部分无人机发生轻微故障后,多机协同执行任务规划的问题提供了理论依据。     

机械手圆周运动的轨迹规划与实现

研究机器人跟踪由任意不共线空间三点所决定的外接圆曲线,提出了机器人圆周运动的一种笛卡尔空间的轨迹规划方法.该方法通过坐标变化将三维空间内的圆周轨迹规划问题简化到二维平面上进行研究,由此简化了轨迹规划问题;为了保证机器人圆周运动较好的插补精度和圆周轮廓,提出了一种可控插补精度的圆周插补算法.根据坐标变化以及插补算法给出了轨迹规划的算法步骤,将该规划方法用于微操作机械手,完成了机械手的圆周涂胶作业,实际应用表明该方法能够满足实时性和精度指标要求.     

Slack-nibbling battery-aware task scheduling

Dynamic voltage scaling (DVS) is an efficient approach to maximize the battery life of portable devices. A novel overall planning strategy (OPS II) balancing slack supply and demand for DVS is proposed. An OPS II-based slack-nibbling overall planning strategy (SNOPS) algorithm is also proposed, which iteratively nibbles slacks for appropriate tasks selected by an overall planning dynamic priority function to perform DVS until the slack is exhausted and an optimum voltage setting is obtained. For a high-load task set, SNOPS manages to recover battery overload while maintaining schedulability. For random variable-load task sets, SNOPS achieves a saving of 29.51% battery capacity on average, the suboptimal gap is 27.84% narrower than that of our previously proposed OPS-based algorithm, and 92.10% narrower than that of the algorithm proposed by Chowdhury et al. Results indicate that OPS II manages to save battery to various extents while maintaining schedulability, and demonstrates good load compatibility and close-to-optimal performance on average. Biography: GAO Xun(1981–), male, Ph.D. candidate, research direction: embedded system, power optimization.