某款双横臂悬架运动学仿真分析

基于某款双横臂后悬架的初始设计方案,通过ADAMS/Car建立了悬架仿真模型,并根据模型进行轮胎跳动仿真试验,获得该悬架车轮定位参数随车轮上下跳动的变化规律,并对相关参数进行运动学分析,为汽车悬架系统开发提供一种有效的现代化手段。     

活塞和圆盘涡环的运动学特征分析

采用数值模拟方法,使用流函数和拉格朗日相关结构对由2种生长机制所得涡环的典型物理特征进行分析.结果表明:由2种生长机制所得涡环均属于薄核涡环,其涡核的涡量分布满足高斯分布,并且具有统一的物理模型;但由于2种涡环生长过程中的环境差异而导致其运动学特征存在差异,主要表现在涡环的传输速度和无量纲涡核半径有所不同.     

复杂多关节机械臂建模及逆运动学比较分析

针对含多种关节类型的复杂机械臂的建模问题, 在 D鄄H 参数法中引入虚拟关节建立运动学模型。 考虑机械臂逆运动学存在多解、 精度和实时性的问题, 通过4 种不同的 PSO(Particle Swarm Optimization)优化算法: 线性递减权重的粒子群(LPSO: Linear Decreasing Weight Particle Swarm Optimization)、 基于杂交的粒子群优化(CBPSO: Crossbreed Particle Swarm Optimization)、 基于模拟退火的粒子群(SAPSO: Simulated Annealing Particle Swarm Optimization)和混沌粒子群优化(CPSO: Choas Particle Swarm Optimization)进行计算。 随机选取工作空间的位置点, 验证优化算法能有效计算机械臂逆运动学解, 并对执行时间、 位置误差等方面进行了比较分析。 实验结果表明, 改进的 CBPSO 算法能有效计算复杂多关节机械臂的逆运动学解, 同时满足实际作业中对实时控制的要求。     

公路空间几何特性对汽车运动影响

从三维的角度采用曲率、挠率代替传统平、纵线形设计参数对公路中心线的空间几何特性进行描述,并在Frenet标架的基础上,将汽车视为刚体,从微观角度建立了以三维线形指标曲率、挠率为控制量的汽车空间运动模型.结合已有设计资料,对公路线形的空间几何特性对汽车运动的影响进行了详细分析.研究发现曲率的设置对汽车行驶起主导作用,挠率的影响相对较小;传统路线设计方法忽略了平、纵线形的耦合使得组合线形的曲率、挠率的连续性存在不同程度的衰减,直接影响到行车运动状态的平稳变化和行车舒适性水平.     

机器人操作臂逆运动学分析

在很多机器人应用问题中,人们感兴趣的是操作臂末端执行器相对于基础坐标系的空间描述。文章结合实验平台——5DOF操作型机器人,主要用D-H表示法研究了关节变量空间和末端执行器位置和姿态之间的关系,即运动学逆问题。     

龙门山中央断裂运动学研究

龙门山造山带中央断裂是扬子地台与松潘一甘孜褶皱带的分界断层,其运动学研究具有重要意义.作者应用小构造解析的方法对龙门山中央断裂运动序列进行了解析,结果是:北段有5个运动世代,即右旋(半脆性)、逆冲、左旋正断、左旋逆冲和左旋正断,南段也有5个运动世代,但不同于北段,即韧性逆冲、右旋、逆冲、正断和左旋正断;中段同时兼具南、北段的某些特征,又具有自己的特点.龙门山中央断裂运动的时代跨越了印支期到喜马拉雅期.     

刘翔110米栏第6栏下栏着地技术特征的运动学分析

采用文献资料、高速摄录解析和比较分析等方法,对刘翔110m栏两次比赛第6栏下栏着地技术进行了分析,并与其同场竞技110m栏选手若干技术参数比较解析。结果表明：刘翔第6栏下栏着地时摆动腿直腿下栏着地、直腿支撑,支撑时间短,着地角大,下栏距离短,其下拦技术符合该项目运动学特征,且顺应当今世界跨栏技术的发展趋势。     

不同训练水平标枪运动员预先助跑转入投掷步衔接阶段的动作技术比较

通过三维录像解析法对标枪运动员在自然助跑最后一步转入投掷步衔接阶段的运动学特征进行了分析,研究结果表明,优秀标枪运动员在自然助跑最后一步就开始了引枪动作,并在投掷步第一步腾空阶段基本完成该动作;在掷标枪助跑过程的第一衔接阶段,要求身体重心起伏较小,身体自我控制能力、协调能力较强。     

弧焊机器人离线编程系统的设计与实现

采用Visual C 及OpenGL技术开发了MOTOMAN-UP系列弧焊机器人离线编程系统,介绍了该系统的组成和功能及其设计方法.该系统能对任意马鞍形焊缝规划出焊枪的运动路径与姿态,且按比例同步显示工件;集成了机器人通信模块和运动学仿真模块,并自动导入工件,不仅能单步生成作业指令,而且可自动生成作业文件.通过以太网实现弧焊机器人的远程控制,表明该系统是可行的.     

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。