多约束条件的NURBS曲线自适应前瞻插补算法

针对数控系统加工过程中的刀具抖动和机床震荡等问题,提出多约束条件的NURBS曲线自适应前瞻插补算法。在预处理阶段,根据曲率变化对NURBS曲线进行分段,速度规划采用改进正弦三角函数加减速算法,获取连续和平滑的加加速度曲线;综合NURBS曲线弓高误差、最大法向加速度和加加速度以及机床动力学等多约束条件对进给速度进行自适应调节。在实时插补中,采用二阶泰勒展开式计算插补参数,实时计算进给速度。仿真结果表明,多约束条件能全面且自适应地处理曲率极值点等特殊位置的进给速度,曲线插补输出的弓高误差小于设定的最大值,满足高速高精的加工要求。     

基于Runge-Kutta的NURBS曲线实时前瞻插补算法

针对传统的NURBS曲线加工过程中插补算法插补参数计算精度低、实时性不高以及加速度过大对机床造成的冲击大的问题,提出了基于Runge-Kutta的NURBS曲线实时前瞻插补算法.该算法采用经典Runge-Kutta方法计算插补参数,基于弓高误差和法向加速度约束条件自动调整进给速度,根据进给步长预期值与实际值的偏差进行参数校正.由粗插补得到的离线数据寻找进给速度极值点,并对曲线进行前瞻分段,找到各前瞻插补区间上的首末速度敏感点.根据敏感速度与插补距离之间的关系重新进行加减速控制,避免速度急剧变化,从而满足机床的加减速性能要求.最后,通过Matlab仿真验证了算法的有效性.     

S型速度规划下NURBS曲线双向插补算法

为了避免NURBS曲线单向插补算法中加速度突变过大、减速点定位不准确、低速拖尾补偿等弊端,提出一种S型速度规划下的双向插补算法.基于曲线预插补点自适应速度集合筛选出减速终点;利用正反插补的互逆性简化了S型速度规划计算;详细论述了实时插补流程;在双向插补交叉区域,设计一种基于加速度微小突变的简易迭代方法修正预插补参数.通过MATLAB仿真实验表明该算法计算量小,插补点速度和加速度平稳,插补曲线满足加工误差要求.     

螺旋线插补速度规划及其插补参数求解方法

提出了一种基于曲率特性与7段式S型加减速的阿基米德螺线插补算法.该插补算法的速度规划综合考虑了螺旋线变半径特性与曲率特性对运行速度的持续限制,以求得到合理的速度规划结果.针对一般插补参数求解方法存在较高速度波动率的问题,设计了一种基于改进牛顿迭代的预估-校正法.该方法以1阶泰勒展开法求解迭代初值,然后利用改进牛顿迭代计算限定的次数得到精确值,最后通过仿真对比与实验说明其优势与应用价值,该方法可有效降低速度波动率,且满足数控系统实时性要求.     

一种连续小线段高速插补算法

为使自行研发的机床数控系统具有连续小线段高速加工能力,该文以离散的方法建立了一种全新的插补算法。该算法以级数求和的方法推导了S型加减速控制模型,并以小线段夹角为参变量控制拐点通过速度建立了小线段速度衔接模型,在此基础上,算法将插补过程分解为插补预处理及插补点计算两个步骤,预处理中对小线段进行速度规划并设计了线段间速度的递推处理方法,插补点仅需根据当前速度及线段方向向量即可求出。通过对系统输出的插补点数据分析以及数控系统实际运行测试表明：该算法的加减速控制连续平滑,小线段加工程序具有较高的运行速度。     

机械手圆周运动的轨迹规划与实现

研究机器人跟踪由任意不共线空间三点所决定的外接圆曲线,提出了机器人圆周运动的一种笛卡尔空间的轨迹规划方法.该方法通过坐标变化将三维空间内的圆周轨迹规划问题简化到二维平面上进行研究,由此简化了轨迹规划问题;为了保证机器人圆周运动较好的插补精度和圆周轮廓,提出了一种可控插补精度的圆周插补算法.根据坐标变化以及插补算法给出了轨迹规划的算法步骤,将该规划方法用于微操作机械手,完成了机械手的圆周涂胶作业,实际应用表明该方法能够满足实时性和精度指标要求.     

NURBS曲线插补的离散比例积分器速度规划算法

传统NURBS(Non-uniform rational B-spline,NURBS)曲线插补算法忽略了弧长与曲线的参数关系,造成无法在线对速度进行实时调节,针对这个问题,该文提出一种NURBS曲线插补的离散比例积分器速度规划算法.该方法分2个步骤实现速度规划:①使用数值方法计算NURBS曲线弧长及给定速度的运行时间;二、使用具有加减速的对称性和信号转换功能的离散比例积分器,完成对NURBS曲线插补的在线速度规划.在离散比例积分器的速度规划方法中,起始段、结束段的轨迹速度能够得到实时控制,系统以不超过机床要求的加速度运行.实验结果表明,该文速度规划算法能有效地满足系统约束,保证机床平稳运行.另外,相较于其他算法,该文算法在插补精度、插补实时性及速度波动率性能方面优于现有方法,说明该文方法的有效性和先进性.     

一种基于B样条插值的机器人速度规划算法

在传统工业机器人的线体设计中,工艺的完成依赖于示教与再现技术.而传统的逐点示教方法极为繁琐并占用操作人员大量时间.因此,能够找出一条经过所有示教点的曲线并进行高速插补将有效提高机器人加工曲线的轮廓精度和示教效率.本文提出了一种能完全经过示教点的机器人轨迹样条插值方法.在此方法的基础上,利用修正的S型加减速算反向插补预测减速点,能显著提高减速点的预测能力,从而可极大提升机器人复杂轨迹的插补效率.实验证明此算法曲线轮廓精度高,插补速度快,柔性高,能满足机器人复杂曲线插补的要求.     

柔性辊弯成型可变时域离散插补控制

针对高精度复杂截面形状的柔性辊弯成形伺服控制问题,提出可变时域的离散插补控制,应用板材轮廓曲线曲率变化快慢来实时修改插补周期.在板材前进过程中,利用当期插补节点处板材轮廓曲率变化率计算下一插补节点插补时域.当曲率变化率等于0时,则为最大值;当不等于0时,若为极值则下一插补时域为最小值,若不为极值则等比例增加时域值.通过实时调整加工过程中的插补时域,最终实现曲率快速变化时插补点密集,曲率缓慢变化时插补点稀疏,建立兼顾精确点位与高效拟合伺服控制模型.实验结果表明：可变时域的离散插补控制对复杂截面形状的板材成型提供了一种较好的运动控制方法.     

连续时间周期化的NURBS曲线插补及其速度规划

根据机床动力学性能,提前预测NURBS曲线插补时的速度极小值点,以这些点为基准将曲线分段,同时估算每条子曲线的长度.利用捷度阶跃式7段S型加减速规律对每条子曲线进行连续时间域下的速度规划,以插补总时间周期化为原则对连续时间域下的加减速各阶段运行时间做周期化离散处理.为了减小子曲线间衔接速度的波动,提出连续时间域运行时间重新规划的方法.为了减小NURBS曲线实时插补时的速度波动率,提出利用反向二次插补法进行实时插补计算,该方法不需要迭代计算且计算精度较高.仿真实验结果表明,连续时间域重新规划和周期化离散处理方法能够实现捷度满足机床性能要求的S型加减速速度规划,且实时插补阶段的速度波动率能够达到10-6级.     

机器人空间三点圆弧功能的实现

基于机器人终端执行器经历的空间任意三点,求出空间圆弧的圆心和半径,继而推导出机器人控制系统中任意空间圆弧的实现方法.该算法不仅理论上可使所有插补点均落在圆弧上,而且由于采用了矢量算法,并以三点的次序作为圆弧的方向,从而避免了插补方向和过象限的判断,可以使用统一的实时插补递推公式.研究成果已在实际机器人中得到应用,该成果同样适用于需要空间圆弧功能的机床数控系统.     

改进的时间序列关键点表示算法

针对时间序列数据表示存在压缩率不高的问题,首先给出了时间序列定义和时间序列的9种基本形态;然后通过对极值点的优化处理,提出了关键极值点、剔除了轻微变化的极值点,并给出了结合转折点算法的IRAKPTS算法;最后通过实验验证,通过IRAKPTS算法的时间序列数据,较好地保留了时间序列的外形轮廓,并提高了压缩效率。     

基于机器视觉的烹饪机器人锅具识别算法

全面介绍了基于机器视觉的烹饪机器人锅具识别算法,用于提取复杂背景中的锅具曲线.算法分为两个阶段:特征点确定、图像匹配.使用曲率作为特征点,给出了数字图像的离散特征点计算方法和加权Hausdorff距离识别锅具轮廓特征点.解决了图像因为旋转、位移、缩放造成图像形变以及由于锅具动作图像部分遮挡、动态模糊造成识别困难问题.实验表明该锅具识别算法能够高效地提取画面中的锅具轮廓,能较好地满足烹饪机器人示教系统的要求.     

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划,提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法.首先,建立差速驱动机器人运动模型,用于操控左右两个驱动轮线速率,完成机器人转弯及非匀速运动;其次,利用Bézier曲线描述路径状态,将路径规划问题转换为产生Bézier曲线有限点方位优化问题,提升机器人...     

基于改进鲸鱼优化算法的码垛机器人时间最优轨迹规划

码垛机器人在运行轨迹过程中所消耗的时间直接影响到了其工作效率,针对码垛机器人的轨迹规划的时间问题,提出了一种改进的鲸鱼优化算法对时间进行优化。在基础的鲸鱼优化算法基础上,利用混沌映射初始化种群,引入自适应的权重和改进收敛因子,以提高算法的求解精度、收敛速度和全局搜索能力。首先,根据 D-H 参数法建立机器人的运动学模型;其次,在关节空间中利用3-5-3次多项式插值函数对机器人末端执行器经过的路径点进行规划,然后采用改进的鲸鱼优化算法对时间进行优化。最后通过 MATLAB软件进行效果仿真和对比。结果表明,与其它同类的算法相比,改进的鲸鱼优化算法的求解精度更高,收敛速度更快。将该方法与轨迹优化结合,与未采用算法优化的3-5-3多项式轨迹规划所需要的运行时间相比缩短了22.46％,且各个关节轨迹平稳连续,验证了该轨迹规划方法的有效性。     

基于改进的烟花-蚁群算法和B样条曲线的农业机器人路径规划

根据蚁群算法收敛速度较慢,易陷入局部最优等问题,提出了一种改进烟花-蚁群(improved fireworks-ant colony algo-rithm,IFWA-ACO)混合算法,解决静态环境下农业机器人的路径规划问题,首先针对基本烟花的交互机制和选择策略做出改进,提出爆炸与迁移相结合的策略以及密度峰值火花、探测火花概念,提升烟花算法寻找最优解的能力,然后把改进烟花算法得到的最短路径作换算成蚁群算法中的信息素加强值,从而避免蚁群盲目搜索,最后采用B样条插值方法进行曲线化拟合,生成平滑路径,有利于机器人平稳行进.试验仿真结果表明,IFWA-ACO算法能快速的规划出机器人的最优路径,降低农业机器人能耗,提高工作效率.     

基于全息扫描的大型复杂钢结构变形监测与受力评估新技术

以重庆来福士高空连廊结构为项目依托,阐述了大型复杂钢结构变形监测的新方法和具体技术路线。针对变形监测中点云数据难以拼接的问题,通过空间特征点实现坐标系配准;针对变形监测点选取困难、数量多、工作量大的问题,提出一种基于算法提取结构的挠度变形曲线的方法,实现无监测点的变形监测;同时将有限元仿真模拟与三维激光扫描技术的变形监测相融合,根据三维扫描变形监测结果反向修正有限元计算,通过应力变化评估结构受力状态。结果表明:该方法有效解决了变形监测中的难题,保证了工作的效率和有限元计算的准确性,对于结构的健康监测具有重要意义。     

基于分形插值与机器学习模型的股指分析和预测

股票市场预测一直是金融市场分析中的热点和难点,一些传统的预测模型很难对股票市场做出有效的预测;针对这一问题,将分形插值方法与机器学习算法相结合,提出了分形插值与SVM以及分形插值与BP神经网络两种混合模型;所提的混合模型利用机器学习算法首先计算出分形插值所需要的插值点,然后建立分形插值外推模型对所需其他值进行预测;实证结果发现两个混合模型的预测效果均比单独使用分形插值模型预测效果更佳,预测精度更高;因此分形插值方法与机器学习算法相结合所得到的混合模型,能较好地预测诸如股票市场指数等非平稳金融时间序列。     

基于人工蜂群算法的现场服务调度问题研究

现场服务调度问题是一类极为复杂的NP难题,是影响现场服务效率的关键问题。针对现有研究中未考虑客户满意度的问题,综合运用前景理论与模糊理论,以降低客户平均不满意度为目标,建立了有时间窗约束的现场服务调度问题模型;并借助改进的最廉价插入法与人工蜂群算法结合的方法对该问题进行优化求解。最后,通过算例仿真发现,与传统的贪婪算法相比,人工蜂群算法在优化质量和鲁棒性方面的优势更为明显。     

移动机器人避障路径规划改进人工势场法

针对路径规划中的大型障碍物,机器人、障碍物与目标点三者一线,以及局部最小值等困难问题,提出了相应的改进人工势场算法。针对大型障碍物问题,采用障碍物边界斥力算法改进传统人工势场斥力函数,确保算法的实用性。针对机器人、障碍物与目标点三者在同一条直线时目标不可达问题,应用虚拟子目标引力算法,确保目标点是机器人的势场全局最小点,使得机器人能顺利到达目标点。针对在障碍物环境下的局部最小值问题,采用区域隔离障碍物的方法,使机器人快速走出局部最小值区域。仿真结果验证了改进算法的有效性。