基于PSO-RBF神经网络的串联机械臂逆运动学分析

针对目前基于神经网络对串联机械臂求逆解方法中出现的精度不足和实时性较差的问题,使用粒子群优化(particle swarm optimization,PSO)算法对径向基函数(radial basis function,RBF)神经网络进行结构优化,提出一种基于PSO-RBF神经网络的机械臂逆运动学算法。首先由正运动学模型获取神经网络训练和测试参数样本,经过欧拉角变换在神经网络输入端建立机械臂关节位姿映射关系,然后通过PSO算法对径向基核函数进行参数寻优并对测试样本求解分析,最后获取经逆运动学求解后机械臂的运动轨迹,验证了该算法的可靠性。仿真结果显示,由PSO-RBF神经网络逆运动学算法能够快速得出满足精度要求的关节角度,为进一步机械臂工业控制提供了理论支持。     

粒子群与差异演化的混合进化算法研究

将差异演化(DE)算法和标准PSO算法混合进行进化,把DE算法的优势带入到粒子群算法中,利用DE算法其本身具备的对粒子个体的交叉和变异操作使PSO算法种群保持寻优所需的多样性.文中将这种算法成功应用到神经网络的优化中,从而保证粒子速度能获得较大程度的更新保持较好的搜索能力,避免陷入"早熟"或"停滞"的能力大大提高.     

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·     

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。     

基于混合优化算法的工业机器人逆运动学求解

为简化工业机器人逆运动学求解过程,提高求解精度,增强求解算法通用性,提出一种计算工业机器人逆运动学问题的混合优化算法(hybrid optimization algorithm, HOA)。该方法基于冯诺依曼邻域和差分进化算法对标准灰狼优化算法(grey wolf optimize, GWO)的种群个体进行重新构造,得到一种改进的GWO;在Rosenbrock搜索法中引入柯西变异改善劣质解;将改进的GWO的解作为Rosenbrock搜索法的初值计算运动学逆解,以六自由度和七自由度工业机器人为测试对象进行仿真实验。结果表明,混合优化算法相较于对比算法具有更高的精度,更好的稳定性和通用性,证明了算法的有效性。     

改进型粒子群优化算法的BP神经网络全息图压缩

针对拥有庞大数据量的全息图再现像质量不理想的问题, 提出一种针对粒子群优化算法(PSO: Particle Swarm Optimization)中学习因子和惯性权值进行动态调整的方法, 将改进后的算法与反向传播(BP: Back Propagation)神经网络相融合形成改进型粒子群优化BP 神经网络(MPSO-BP: Modified Particle Swarm Optimizing
BP Neural Network)并用于全息图压缩。通过与BP 神经网络和粒子群优化BP 神经网络(PSO-BP: Particle Swarm Optimizing BP Neural Network)压缩算法进行对比, 证明了该网络压缩算法在保持较好的压缩效率时得到的全息图再现像质量更好。     

一种基于优化小波神经网络的语音识别

在以往的BP小波神经网络中,最常用的学习算法是BP算法,BP算法实质上就是梯度下降法,是一种局部搜索算法,梯度下降法使得网络极易陷入局部最小值,从而使得网络训练结果不尽人意,搜索成功概率低.取代传统的梯度下降法,利用粒子群算法对小波神经网络中的参数进行优化.然后利用基于粒子群优化(PSO)的小波神经网络进行抗噪声语音识别实验,仿真结果表明,与BP网络相比,PSO算法在迭代次数、函数逼近误差、网络性能方面均优于BP网络,系统的识别率也得到较大的提高.     

Delta并联机器人装配误差分析与补偿

针对工业应用中并联机器人运动规划与控制的精度需求,提出一种基于多样性反馈的自适应粒子群优化算法(APSO)来提高并联机器人精度。利用机器人机构闭环矢量关系得到运动学正逆解;并应用基于多样性反馈的自适应粒子群优化算法将结构参数优化问题转化为非线性系统优化问题。通过对机器人驱动电机转角进行优化,使得机器人在工作空间内具有理想的工作精度。以SRBD型号Delta型并联机器人进行试验验证,仿真结果可达到10~(-3)毫米级别,验证了方法的有效性用。     

改进粒子群优化BP神经网络的心理压力识别算法

为提高心理压力的识别率,提出一种改进的粒子群优化BP(back propagation)神经网络的压力识别算法。该算法在基本粒子群(particle swarm optimization,PSO)模型的基础上,引入了收缩因子,在收缩因子的作用下,使速度的边界限制消失,选取适当的参数来保证PSO算法的有界和收敛特性,实现对BP神经网络的优化。利用心算任务进行压力诱发,采集高压、低压状态下的心电信号,提取了与心理压力相关的心率变异性特征值,并对特征数据对比分析;建立了心理压力程度的分类模型,通过改进的PSO模型优化BP神经网络以识别心理压力。结果表明:改进的粒子群优化BP神经网络算法与BP神经网络相比收敛速度快、误差小且识别率高,该算法对心理压力的识别率可达94.83%,识别效果优于未优化的BP神经网络算法。     

一种新的优化神经网络权值算法及其应用

为克服和改进BP算法的不足,文章在分析遗传算法(GA)和粒子群优化(PSO)算法优越性与不足的基础上,提出了一种基于GA和PSO结合的算法——GA-PSO算法,用于训练神经网络权值.算法产生下一代个体时,不仅采用交叉和变异算子,而且在重新定义局部最优粒子的基础上,引入粒子群优化算法,有效地结合了遗传算法的全局收敛性能和粒子群优化算法的局部搜索能力.通过对异或问题和IRIS模式分类问题的学习,仿真结果明显好于单纯地用GA或PSO进行前向神经网络训练,能有效避免早熟收敛的同时,提高搜索精度.     

PB应用中的错误处理

本文介绍了POWERBUILDER6.0应用中发生的错误类型以及处理各种错误的方法。     

英语教学过程中的错误分析

从应用语言学的的角度上来看,语言学习者在学习一门外语的过程中所表达出来的所有的语言都叫做过渡语言(interlanguage).学习者在构建这种非标准语言的过程中,伴随着这样那样的错误发生.错误表明学习者在进步,这贯穿于过渡语言的整个过程.不同的错误代表过渡语言的不同阶段.错误分析能显示语言学习者对语言的欠系统性的使用,对外语教学中研究学习者的学习英语的过程意义重大.本文详细阐述了英语教学过程中错误分析的四个步骤分别为(1)错误识别;(2)错误描述;(3)错误解释;(4)错误更正.     

虚拟测试仪器的误差描述与修正

虚拟测试仪器在测试过程中不可避免地会产生误差,影响测试结果的精度.作者描述了虚拟测试系统的误差构成、误差传递及误差合成的方法,并对虚拟测试仪器的误差传递及合成进行研究,得出了虚拟测试仪器的误差评价体系和误差处理方法,在误差分析的基础上对误差进行修正.     

数据中偶然误差和系统误差的分析与检验

分析了数据中误差存在的普遍性;在讨论偶然误差的特点、测度、分布的基础上,分析算术平均数与最小二乘原理和最大或然原则的一致性,给出了标准差的计算公式;对数据中系统误差以及系统误差的检验进行专门研究,介绍了五种实用性强、可操作的系统误差检验方法,为消除系统误差奠定基础。     

单摆法测重力加速度实验误差分析

用误差理论综合分析了单摆法测量重力加速度的误差来源；使物理实验的偶然误差的各个基本概念更清晰明了，使系统误差的动用具体直观。     

错误分析:十年研究与回顾

本文回顾了近十年来国内有关错误分析的研究,内容包括:错误界定、错误样本收集、错误分类、错误起因,并总结出国内错误分析的研究趋势主要是运用实证性研究和基于语料库基础上的研究。     

机床夹具的误差及误差系统图

从几何和物理的角度系统地分析与夹具有关的各项误差及其关系，并制定出夹具误差系统图，为夹具设计和分析计算夹具误差提供参考。     

圆度误差测量中测点数的确定

文中采用谐波分析的方法，分析各次谐波在一定测量精度条件下测点数对圆度误差的影响，并给出测量过程中测量精度、滤波条件与测点数的定量关系。为在圆度误差测量过程中合理选取测点数提供了理论依据，恰当地解决了测量精度与测量效率的矛盾。结论对圆弧误差及圆柱度误差的测量也有一定参考价值。     

齿轮范成误差的单啮误差分离测量法

本文应用齿轮精度理论和误差分离技术,提出在单啮仪上配用微型计算机测量范成误差的新方法.     

电子计数器测量周期的误差分析

从电子计数器测量周期的原理出发,分析了测周误差产生的原因并指出测周误差由量化误差、时基误差、转换误差三部分组成,在此基础上提出了减小电子计数器测周误差的几种方法;为电子计数器在频率、时间间隔等参数测量时,如何减少测量误差提供了理论依据。