从专利分析看六自由度并联机构的研究

【目的】从专利申请的角度对六自由度并联机构的技术进行分析总结。【方法】通过检索统计分析了六自由度并联机构专利申请量的趋势、专利申请的分布及典型的技术方案。【结果】国外对六自由度并联机构的研究并不热衷,我国大力研究六自由度并联机构,其专利申请已经远远高于其他国家,同时,国内技术大部分掌握在高校和科研院所中,反映出科学技术的成果转化还有很大空间。【结论】通过对六自由度并联机构的专利申请进行分析,以期为相关人员提供参考和借鉴。     

基于改进遗传算法的六自由度并联机器人位置正解研究

将并联机器人运动学位置正解转化为求解一组多元非线性方程的优化问题,提出了改进遗传算法进行优化求解,依靠计算灰色关联度对求解结果进行分组的方法,并通过实例计算得到了3-6结构6自由度Stewart平台并联机器人的7组实解.研究结果表明该方法简单方便,求解精度高且具有通用性.     

用优化方法求解一般并联机械手运动学正问题

采用优化方法求解一般并联机械手运动学正问题,其方法简单实用,不需要复杂的公式推导,对初始值也没有什么要求,对于一般的并联机械手都可以求出其最优解.文中最后给出了一个数值算例     

一种新型自适应粒子群优化粒子滤波算法及应用

基于粒子群优化的粒子滤波算法精度不高,运算复杂度大,难以在实际工程中应用. 为此,文中提出一种新型邻域自适应调整的动态粒子群优化粒子滤波算法. 该算法考虑了粒子的邻域信息,利用多样性因子、邻域扩展因子和邻域限制因子共同对粒子的邻域粒子数量进行自适应调整,控制粒子对邻域的影响,减轻局部最优现象,达到收敛速度和寻优能力的最佳平衡. 利用UNGM模型、目标跟踪模型以及故障检测模型对算法的性能进行仿真测试,结果表明：该算法与PSO-PF相比提高了精度和运算速度,具有实际工程应用价值.     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

带有基数约束的指数跟踪问题及其粒子群算法求解

随着指数衍生产品日益受到重视,指数化投资组合常被传统的消极基金管理者或机构所采用,而用有限的资金按指数构成比例进行投资显然是不现实的,所以指数的最优误差追踪就显得更加重要。将追踪误差定义为证券投资组合收益率与所追踪的指数基准收益率之差的均值平方和的平方根,建立了基数约束(即总资产数不超过某个特定整数K)下的跟踪误差最小化模型。由于引入显示的基数约束使得该模型是一个非线性混合整数规划问题,传统算法难以有效求解,为此设计了一个粒子群算法求解基数约束下的指数跟踪模型,实际算例表明,算法是有效的。     

企业科学决策中的一种优化分析新方法及其应用

将多指标优选Fuzzy动态聚类分析方法应用于企业综合实力与活力评价的科学决策,有效地克服了传统聚类分析的缺陷,建立了一个能充分挖掘企业生产潜力与提高企业活力的多指标优选Fuzzy聚类分析最佳模型,为调整产品结构的最佳时机与保持产销两旺的最好势头提供了最优科学决策.