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     

Stewart机器人的位姿误差分析

本文提出了一种分析Ｓｔｅｗａｒｔ机器人位姿误差的方法，即将各个关节引入的误差以及伺服定位误差对位姿误差的影响，都归算为杆件长度误差引起的位姿误差，并给出了按杆件长度误差计算位姿误差的关系式。     

Stewart并行机构位姿误差分析

在获得６－６ＳＰＳ六自由度Ｓｔｅｗａｒｔ并行机构封闭运动学位姿正解精确解析的基础上,提出了六自由度并行机构位姿误差的一种分析方法。针对一种Ｘ－型Ｓｔｅｗａｒｔ并行机构,进行了必要的数字模拟位姿误差分析。     

Stewart并行机构位姿误差分析

在获得6-6 SPS六自由度Stewart并行机构封闭运动学位姿正解精确解析的基础上,提出了六自由度并行机构位姿误差的一种分析方法.针对一种X-型Stewart并行机构,进行了必要的数字模拟位姿误差分析.模拟结果表明在杆长所限定的工作空间里,与Y-型Stewart并行机构相比,X-型6-6 SPS六自由度Stewart并行机构除在特殊形位对于六杆综合输入误差具有较高的放大作用外,对于六杆综合输入误差的放大作用要小近一个数量级.     

6-6 并联机构封闭运动学位姿正解单解

用代数法研究了6-6六自由度Stewart并联机 构封闭运动学位姿正解单解.在添加了一个附加位移传感器的基础上,解得了上平台六铰接点中三个铰接点在惯性坐标系中的矢量分量,并将其直接转化为六个自由度,从而获得了6-6 六自由度Stewart 并联机构封闭运动学位姿正解单解及其存在的条件.     

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.     

6—6并联机构封闭运动不位姿正解单解

用代数法研究了６－６六自由度Ｓｔｅｗａｒｔ并联机构封闭运动学位姿正解单解。在添加了一个附加位移传感器的基础上,解得了上平台六铰接点中三个铰接点在惯性坐标系中的矢量分量。并将其直接转化为六个自由度,从而获得了６－６六自由度Ｓｔｅｗａｒｔ并联机构封闭运动学位姿正解单解及其存在的条件。     

Stewart并行机构六自由度的转换

提出了在求解六自由度Ｓｔｅｗａｒｔ并行机构封闭运动学位姿正解过程中,正确地利用反正切,将上平台上三铰接点坐标转化为该机构的六自由度的方法。并给出对Ｘ－型并行机构仿真的结果。     

FAST工程馈源舱Stewart平台的机构精度标定

FAST工程采用柔索悬吊方案,利用六根支撑索拖动30t重的馈源舱在百米尺度空间内运动,并将馈源瞬时定位于毫米级精度位置。因此,馈源舱的主要执行机构-Stewart平台必须克服制造误差、刚度变形、测量误差以及外界扰动耦合的影响,实现馈源的定位精度要求。本文分析了Stewart平台的结构、机构、工作原理及误差来源,针对前期的精度标定提出了测量及误差补偿方案,研究内容对于FAST工程大科学目标的顺利实现具有重要的指导意义。     

基于改进神经网络及地理信息系统空间分析的风暴潮经济损失评估

台风风暴潮是影响我国最严重的海洋灾害之一,台风风暴潮经济损失的预评估对防灾减灾有重要作用。针对目前大量单机器学习模型评估效果不佳的问题,提出基于天牛须搜索算法优化的BP神经网络及GIS空间分析的台风风暴潮经济损失评估模型。该模型在神经网络训练前,先利用天牛须搜索算法对神经网络的初始权值阈值进行优化,以提高网络的寻优精度;在网络输出计算结果后,借助GIS空间分析功能找出待评估台风风暴潮的相似样本,并用相似样本对待评估台风风暴潮进行结果调整;最后基于悲观、乐观估计思想,给出台风风暴潮经济损失预评估区间。计算结果表明,结合GIS空间分析调整能给出更有效的模型评估结果。     

2DOF空间3-RPS并联机器人位置运动学混合算法

空间2自由度并联机构可用于高作用力下精确控制姿态的两个分量的工作场合.建立了2自由度3-RPS并联机器人的位置运动学约束方程;对其正逆运动学算法进行了讨论.对求解并联机器人位置正解的杆长搜索法进行了改进,并结合解非线性方程组的拟牛顿法,提出了一种能解决方程组多解并且计算精度较高的混合算法,推导了2自由度3-RPS并联机器人位置反解的求解过程.通过实例验证了算法的正确性和所能达到的精度.     

基于BP神经网络的Steward平台运动学分析

位置正解是Steward平台机构应用的基础,探讨了人工神经网络在Steward平台机构位置正解求解中的应用.采用BP神经网络,利用位置逆解结果,通过训练学习,从而求得Steward平台机构运动学正解.经过验证,BP网络的求解精度满足精确控制的要求.     

遗传算法在BP网络权值学习中的应用

针对BP算法学习神经网络权值收敛速度慢、易陷入局部最优等缺点 ,采用遗传算法学习BP网络的权值 ;并给出了“异或”(XOR)问题的仿真示例 ,通过比较 ,发现遗传算法不会陷入局部最优 ,有效地改善了收敛速度     

跨越连接多层神经网络的稳定性

研究了跨越连接多层神经网络的结构和稳定性。提出了有跨越连接的误差反向传播算法,通过仿真实验说明了跨越连接多层神经网络收敛性和稳定性优于传统网络。     

基于动力学模型预测控制的Stewart型轮足腿控制方法

为了提高轮足机器人Stewart型轮足腿在不同位姿条件下的精度和动态特性,提出将模型预测控制（model predictive control,MPC）应用于轮足腿的位姿跟踪.首先对Stewart平台进行受力分析,利用牛顿-欧拉方程建立动力学模型的状态空间表达式,建立MPC预测模型和优化目标函数;然后通过Adams和Matlab联合仿真对MPC控制器进行参数整定,检验其对未建模摩擦力的鲁棒性;最后通过对比实验验证MPC控制器在负载位姿变化条件下可以获得优于PI控制器的姿态跟踪精度和动态特性.      

基于遗传BP网络的PID控制算法在无模拉拔温度控制中的应用

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能. 通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型. 采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性.     

采用BP-GA算法的一种LSI神经网络的电路设计

将误差反传 (BP)算法和遗传算法 (GA)有机地结合在一起 ,提出了一种新的算法 BP- GA。采用 BP- GA算法 ,设计了一个两层前向 L SI神经网络。作为神经网络的关键部件 ,提出的新型神经元性能优越。它的激活函数与理想sigmoid函数拟合很好 ;可实现对阈值及增益因子的编程并且不同增益因子下饱和输出电压值相同。采用标准 1.2 μmCMOS工艺的模型参数 ,对该两层前向神经网络电路进行的HSPICE模拟证明了它有解决异或 (XOR)问题的能力     

基于遗传算法的神经网络学习算法研究

为了克服神经网络结构和参数设计的随机性及依赖于人的经验的缺点,提出了一种改进的基于遗传算法的BP神经网络学习算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,首先利用遗传算法对神经网络结构、初始连接权和阈值以及学习率和动量因子进行全面进化设计,在解空间中定位出较好的搜索空间,然后在进化神经网络中用训练样本再次寻优。通过利用该算法对XOR问题求解,证明了该算法的有效性,其收敛速度和精度均优于基本BP算法和附加动量项的BP算法。