基于关节空间轨迹规划的机械臂远程控制

轨迹规划对提高机械臂的稳定性、可靠性、工作效率有重要意义。为实现对远程机械臂连续、平稳 、无抖动的控制,基于关节空间轨迹规划,提出了一种采用5次多项式插值函数对远程机械臂运动轨迹进行插补的优化算法。利用该算法对机械臂进行了实际的远程控制实验,实验结果表明,该算法使机械臂各关节运动连续、平稳,实时性好,能够满足实际的工作要求,为远程机械臂的安全应用奠定了基础。     

基于复杂组织的褶裥机织物整体设计

褶裥机织物包括地部和花部.以复杂组织为基础,地部、花部分别采用经二重组织和双层组织,创新设计了一种横向褶裥机织物,并在电子多臂剑杆织机上成功织造出试样.结果表明,褶裥机织物的整体设计及其一次成形织造是可行的.     

单步启发式策略的备份虚拟机复用策略

针对云环境中的备份虚拟机(VM)利用率过低的问题,提出了基于不停歇多臂赌博机(RMAB)方法的备份VM分时复用策略,并给出了获得最优解的条件。该策略将每个备份VM形式化为具有"空闲"(1)和"占用"(0)两种状态的Markov过程,将多个备份VM的调度问题形式化为具有多个Markov过程的Markov决策问题(MDP),最终目标是期望在有限的备份VM数量下,最大化备份VM的利用率同时保证系统整体的可用性不会明显降低。然而,利用传统的动态规划方法求解该问题时会出现维度爆炸的现象,从而导致问题不可解,故将该Markov决策问题转化为RMAB问题,然后利用简单易操作的单步启发式算法进行求解,并通过计算单步最优获得长期最优解,在特定条件下该策略可以保证得到的解为最优解。模拟实验结果表明:所提方法将备份VM与服务VM之间的备份比例从1∶1扩展成1∶M(M1),同时保证失效VM的恢复比率不低于96%,相应地备份VM的利用率显著提高;在VM失效率较低的条件下,备份VM利用率比1∶1备份时提高了89%;利用该备份VM调度策略,有助于减少整个云计算平台的建设和运维费用。     

针灸效应:一把解开生命调节之谜的钥匙

<正>针灸(针刺和艾灸)是我国治疗疾病的常用方法。西汉马王堆汉墓出土的《足臂十一脉灸经》与《阴阳十一脉灸经》是迄今为止发现的最早记载人体经脉循行路线及针灸治疗疾病的著作,距今已有2千余年历史。针灸学于16世纪传入欧洲,然而直到20世纪70年代,知名记者詹姆斯·雷斯顿(James Reston)在《纽约时报》头版发表了一篇名为"现在让我告诉你们我在北京的手术"(Now,About My Operation in Peking)的报导后,以针刺镇痛为代表效应的     

面向任务约束的可重构机械臂最优构形设计

为解决受限可重构机械臂在完成任务时的最优构形确定问题,提出一种基于自适应粗粒度并行遗传算法(adaptive coarse parallel genetic algorithms,ACPGA)的构形确定方法:以关节模块和连杆模块的加权和为目标函数,在满足可达性、关节转角限制和避免构形奇异的约束条件下,综合考虑模块数量和连接方位,确定可重构机械臂在受限空间内完成任务的最优构形.通过实例验证了该构形方法的有效性.     

优化开关频率的三电平四桥臂逆变器矢量控制

三电平四桥臂逆变器基本空间矢量数目多,并且具有冗余分量,给绝对开关状态的选择带来了困难.本文提出一种优化开关频率的3-D SVM控制方法,将abc坐标系下的三相参考电压归一化处理,确定参考矢量所在的小立方体,计算参与矢量合成所需的基本作用矢量及开关序列,给出了满足最低开关切换次数的映射关系.采用MATLAB/simulink仿真平台对该方法进行了仿真验证.结果表明该方法能够有效地跟踪参考矢量的变化,并降低每个采样周期内的开关次数.     

高血压患者PWV和ABI检测结果及临床意义

探讨脉搏波传导速度(PWV)和踝臂血压指数(ABI)在高血压患者诊断和治疗的临床意义。对128例高血压患者组和120例正常对照组(均排除糖尿病)进行了PWV和ABI的检测。1级高血压与对照组无显著差异,而2、3级高血压患者PWV、ABI对照组相比差异有显著性。PWV和ABI异常改变与高血压相关,正确评估对指导治疗可收到更好的效果。     

青年男子空间感知觉评价指标体系的构建

空间感知觉是人对物体空间位置、距离判断的能力。很多运动项目对空间感知能力的要求很高。通过构建空间感知觉评价指标体系,编制空间感知觉的测量方法,对34名青年男子进行空间感知觉的实验测试与分析,确定了各指标单项评价方法和各指标权重。主要研究结果:1)累进评分法更适合于评价空间感知能力;2)运用累进评分方程加权后5个评分公式分别为睁眼4m投掷评分公式:y=3.853×(x-4.435)~2-25.56;闭眼4m投掷评分公式:y=3.024×(x-3.372)~2-24.7725;闭眼转圈2m投掷评分公式:y=2.351×(x-0.754)~2-26.7075;睁眼5m距离预测差值评分公式:y=4.0236×(6.729-x)~2-31.5;闭眼6m距离预测差值评分公式:y=3.145×(5.595-x)~2-32.355。