3-PRS并联机构运动学分析

采用数值分析中的牛顿迭代法求解了关于3-PRS三自由度并联机构正解的非线性方程组,通过迭代计算出并联机构位置正解的精确解。该法程序设计简单,迭代收敛速度快,算法执行效率高。给出了求解过程及求解实例,其迭代精度达10-6。     

基于径向基函数神经网络的并联机器人运动学正问题

以一般形式的Stewart型并联机器人为例,由机器人的位置反解问题引出机器人运动学正解问题,在分析BP网络与径向基函数网络的特点基础上,采用基于径向基函数神经网络的算法,利用最近邻聚类方法获得径向基函数中心,求解并联机器人运动学正解问题·通过对训练样本的学习,确定神经网络权系数,能够准确地求解并联机器人的位置和姿态,算法具有运算简单,求解效果好等特点·同Newton Raphson算法比较,能获得相同的效果且位置和姿态误差近似恒定,而神经网络算法避免迭代初值及额定循环次数的影响·因此该方法可作为并联机构系统运动学轨迹跟踪控制的运动学模型辨识器·     

并联6-SPS机构位姿误差分析

结合并联机构的特点,应用机器人微分关系建立了并联6 SPS机构位姿误差分析的正解模型,给定各结构参数误差即可得出主轴端的位姿误差.应用此模型可定量分析结构误差对主轴端位姿误差的影响.为并联机器人的精度综合提供了理论依据.     

基于BFGS修正的高斯牛顿光束法平差解算方法

针对高斯牛顿(Gauss-Newton, GN)方法求解光束法平差模型时对初值准确度要求高、应用场景受限的问题, 提出基于拟牛顿法BFGS (Broyden-Fletcher-Goldfarb-Shanno)修正的高斯牛顿算法——BFGS-GN 法。当高斯牛顿法的信息矩阵失去正定性后, 使用BFGS算法对法方程进行补充修正, 可从根本上消除高斯牛顿方法对初值敏感的数学缺陷。在数据集上的实验结果表明, BFGS-GN算法对不同类型的初值具有鲁棒性, 在初值较好的情况下, 所提方法与高斯牛顿法具有相同的精度和迭代效率; 在初值较差的情况下, 高斯牛顿方法 因发散而失效, BFGS-GN算法仍可以收敛到较高的精度。     

三角平台并联机器人运动学参数识别

提出三角平台并联机器人运动学参数识别算法 .本算法是通过相互垂直两个向量的数量积来建立误差模型 ,避免了传统的并联机器人参数识别方法中通过位置正解及循环迭代过程求解误差参数而带来的一系列问题 .     

基于改进BAS-BPNN的Stewart平台位姿正解

针对目前Stewart平台位姿正解难以兼顾高精度和实时性的问题，设计出满足平台精度要求且运算时间尽量少的正解方法是研究并联平台运动学的关键。首先建立平台运动学反解模型求得BP神经网络（BPNN）的训练集，然后调整步长策略和引入惯性权重改进天牛须搜索算法（improved BAS，IBAS），提升算法性能，通过改进后的算法优化BP神经网络的初始权阈值，反复学习训练至最小误差，最后选取一段位姿变化进行仿真验证。仿真结果表明，IBAS-BPNN正解法在选取的100组位姿点中的最大位姿误差小于0.6%，运算时间为31.9 s，通过与遗传算法(GA)、粒子群算法(PSO)和天牛须搜索算法(BAS)优化的BP神经网络模型进行对比分析，验证了IBAS-BPNN模型在精度和运算速度方面具有优越性。算法模型有效提升了Stewart平台位姿正解的精度和实时性，为平台的运动学和控制提供了理论和方法参考。     

机器人逆运动学的微分进化与粒子群优化BP神经网络求解

针对采用传统反向传播(BP)神经网络算法进行逆运动学求解收敛速度慢的问题,提出将微分进化(DE)与粒子群优化(PSO)算法相结合,对用于机器人逆运动学求解的BP神经网络进行优化。基于机器人正解映射建立优化算法的目标函数,在PSO过程中,引入DE操作优化粒子进化方向,并将此混合算法用于BP神经网络权值与阈值的优化。对KUKA机器人进行仿真实验,结果表明:采用该文方法对机器人逆运动学问题的求解精度高,求得的关节角度误差小于0.1°;逆运动学求解结果所对应位姿矩阵的位置误差在0.1 mm数量级,具有较好的泛化能力。该文方法满足机器人位置和姿态方面的精度要求。     

丝传动3-S■R并联机构运动学分析与力反馈控制

并联机构刚性高且动态性能好,用于开发力反馈设备时,在力觉刚性以及位姿分辨率方面优势明显.学界与业界多基于Delta机构开发高性能并联力反馈设备,本文采用3-S■R并联机构设计和开发出一种新型力反馈设备.采用丝传动方式并基于差动原理,提出了一种新型直线动单元作为3-S■R并联力反馈机构驱动副,有效提升了力反馈设备的位姿分辨率与力觉刚性.并联机构的位置正解效率直接影响操控力反馈设备的实时性,本文以动平台中心和球铰链中心距为中间变量,构造出量纲统一的迭代矩阵,实现了该机构位置正解模型的高效求解.相较于传统位置正解的数值方法,求解效率提升近一个数量级,大幅提升了该力反馈机构的位姿反馈实时性.在运动学模型的基础上,基于虚功原理建立了力反馈机构的力映射模型,提出一种含机构重力补偿的反馈力计算方法.基于上述方法开发算法并设计出控制系统,实现了力反馈机构的位姿实时监控及反馈力控制.通过重力补偿实验,验证了上述方法及其控制系统的有效性.     

并联机构位置正解方法研究

以位置方程为基础,采用速度雅克比矩阵判断位置模型耦合度,并根据耦合度判断位置正解的难易程度,从而为求解方法的选择提供依据.针对强耦合位置模型具有普遍性且求解困难这一问题,以6-PRRS并联机构为研究对象,运用粒子群优化(PSO)算法进行位置正解计算,实例计算结果与实际位姿吻合,说明该方法有效且可行.     

三角平台并联机器人运动学参数识别

提出三角平台并联机器人运动学参数识别算法。本算法是通过相互垂直两个向量的数量积来建立误差模型,避免了传统的并联机器人参数识别方法中通过位置正解及循环迭代过程求解误差参数而带来的一系列问题。     

基于BP神经网络的并联机器人位姿分析

应用BP神经网络对并联机器人的位姿反解进行学习 ,进而求得机器人的位姿正解问题 .并对并联机器人的典型机构Steward平台进行了仿真计算     

高速四点接触球轴承力学模型的数值求解算法

文中根据Hertz弹性接触理论分别建立了零转速和高速工况下四点接触球的力学模型;针对高速四点接触球轴承力学模型数值求解初值难以确定和不易收敛的问题,提出了一种基于Newton-Raphson理论的高速四点接触球轴承力学模型的数值求解算法,并给出了迭代变量取值范围及收敛因子的选取原则.为了降低求解难度,文中通过对高速四点接触球轴承力学模型进行数学变形,使得未知量的个数减少了一半.为了解决求解规模较大非线性方程组时经常出现卡死现象的问题,文中通过优化算法解决卡死现象,并提高了计算效率.文中算法计算结果与Jones程序结果的比较表明,调整收敛因子可控制文中算法的收敛性和收敛速度,从而验证了文中算法的正确性.     

板式反应精馏塔的模拟计算——修正的Newton-Raphson法

通过选择合适的迭代变量和分层迭代的方法,提出了一种计算机内存少、机时省且稳定收敛的板式反应精馏塔的数学模拟算法。该算法将模型方程分成内外两层迭代求解。内层以塔板上各组分的液相浓度为迭代变量,以物料衡算方程为残差函数,用Newton-Raphson法求解;外层以各板上汽相流量为迭代变量,用直接迭代法求解焓平衡方程。该算法能适用于非理想性较强,反应级数高于一级的系统。并附计算实例。     

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96％,与径向基神经网络预测精度相比提高3.5％,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值.     

转向架测试6自由度模拟平台位姿正解解算

为了实现转向架实际线路运行状态室内台架模拟,对转向架动态测试的6自由度模拟平台位姿正解进行了研究.根据6自由度模拟平台几何结构和参数,利用基于欧拉角的齐次变换矩阵及杆长约束条件建立了以位姿变量为未知量、方程数等于作动器数的6自由度模拟平台位姿正解非线性数学模型,借助于Matlab/simulink仿真环境利用牛顿拉夫逊算法将以位姿元素为变量的非线性数学模型转化为以位姿元素增量为变量、Jacobian Matrix为系数矩阵的线性方程组来求取近似解,结合实例,验证了6自由度模拟平台正解数学模型及算法的准确性及高效性,为转向架测试6自由度模拟平台的运动控制提供了重要的理论基础.     

L-M方法的收敛性分析

L-M方法是求解非线性方程组的重要方法之一,文中针对奇异非线性方程组给出了L-M方法的一种新参数为λk=‖Fk‖+‖JTkFk‖的迭代方法。并证明了在弱于非奇异条件的局部误差有界条件下,L-M方法产生的迭代序列二阶收敛方程组的解x*∈X*,数值实验结果表明算法是有效的。     

并联机器人位姿误差分析

利用并联机器人的运动学反解模型,通过误差传递矩阵的求解来探讨机器人主要误差源与其位姿误差之间的关系,建立了并联机器人的位姿误差模型、并讨论了并联机器人主要误差源对位姿精度的影响,为实际误差的补偿与控制奠定了理论基础．     

基于改进混合粒子群优化的特定谐波消除脉宽调制策略

针对传统迭代法求解特定谐波消除脉宽调制策略(SHEPWM)开关角方程组需要合适的初值和难收敛的问题,提出一种改进的混合粒子群优化(HPSO)算法对其进行求解.该算法对粒子群(PSO)算法的权重系数和学习因子进行了改进,并且提出了一种温度系数线性递减的模拟退火(SA)算法与粒子群算法结合,有效弥补了传统粒子群(CPSO)算法求解开关角收敛速度慢和精度低的缺点.仿真分析表明,该算法消除了对初值的依赖,提升了算法寻优的能力,从而提高了求解速度与精度,并且通过实验验证了该算法的可行性.     

大范围求解非线性方程的加速迭代法

为了解决一些传统方法不能解决的非线性方程求根问题,提出一种大范围求解的加速迭代法,利用卷积实现了大范围内选用初值,并加速过渡到根的邻域中,由于在局部迭代求根的过程中采用了松弛参数,局部迭代过程得到加速,加速效果非常明显.相关算例显示这种加速迭代算法不仅能在大范围内选取初值,不用计算导数,而且计算量和迭代步数少,收敛速度快,计算精度高.     

改进型流量误差反馈迭代法及其空气静压轴承应用

空气静压轴承以空气作为润滑剂,尤其适用于高速应用场合。该文基于Reynolds方程,在极坐标条件下推导出止推空气静压轴承的有限差分模型。提出改进型流量误差反馈迭代法并应用于止推空气静压轴承的迭代计算中,采用伴随迭代随时更新的流量相对误差作为反馈变量,并随时修正速度因子。研究改进型流量误差迭代法的收敛特性,具体分析速度因子和迭代初值对收敛速度的影响。结果表明:迭代初值对收敛速度影响不明显,改进型方法可以增加速度因子裕度。通过研究轴承节流参数对轴承性能的影响表明:配合良好的节流孔和气隙可以显著提升轴承刚度。