新型变形轮腿式移动机器人的运动学分析及设计

移动机器人作为智能勘探与侦察的自动化装备,在航天探测、军事侦察、抢险救灾等领域具有广阔的应用前景.兼具良好的机动性及越障性是移动机器人快速适应非结构化复杂环境的首要性能指标,结合轮式行进机构强机动性与腿式行进机构优越障性的变形轮腿式移动机器人受到普遍青睐.然而,现有变形轮腿式移动机器人在设计与优化方面仍存在变形形式过于复杂、设计方法缺乏理论依据等不足.针对上述问题,提出一种结构紧凑、操作简便的新型轮腿变换结构,借助电磁离合器分离运动的原理,通过改变轮-腿变形动力输入促使轮与腿相对运动,以曲柄滑块机构触发轮-腿结构径向扩展,完成由轮式变形为腿式的过程.定义变形过程中曲柄滑块机构的压力角为机动性指标、变形前后结构的展开比为越障性指标,进而开展变形结构的尺度综合,优化结果表明新型变形轮腿式移动机器人的展开比为1.92,可越过高度为150 mm的障碍物.基于优化后的尺度参数,建立变形轮腿式移动机器人越障过程的动力学模型,确定驱动电机参数,设计并制造物理样机.最终开展软件仿真与实验研究,仿真结果与理论分析结果一致,表明优化设计方法与动力学建模方法的有效性,实验结果证明所设计的变形轮腿式机器人具有...     

欧式看跌期权定价问题的紧致有限差分格式

针对单个的Black-Scholes方程,提出一种紧致差分格式.首先,利用指数变换消去方程中的空间一阶导数;接着,在时间方向上采用CN格式,空间二阶导数采用四阶Padé逼近,构造精度为O(Δt~2+h~4)的紧致差分格式;然后,利用一种较为不同的离散能量法分析差分格式的稳定性和收敛性;最后,通过数值算例验证理论分析的有效性.     

生活中的对称及对称性的刻画

文章通过对一些具体的对称对象进行分析，得到了对对称的基本特性的认识，并给出了对称的精确刻画。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

积分变换法求解点电荷的静电势

应用积分变换法求解点电荷静电势所满足的δ函数形式表示的泊松方程,得到点电荷或电偶极子激发的静电势,在内容上起到衔接电磁学、电动力学和数学物理方法的作用.例举的实例简单易于理解,可作为电动力学或数学物理方法课程教学上的补充材料.     

红外光谱法检验香烟过滤纤维的研究

目的建立一种灵敏、准确、无损的检验香烟过滤嘴的方法。方法利用傅立叶变换红外光谱仪,采用Smart Performer采样器,对120个不同品牌、同一品牌不同档次和同一品牌同一档次不同系列的香烟过滤嘴样本进行分析检验,并考查各种影响因素。结果依据红外光谱图中吸收峰的不同,可以将香烟过滤嘴样本加以区分。结论该检验方法不破坏检材,重现性好,可用于鉴定香烟物证。     

爱因斯坦的洞察力

<正>今年12月2日是爱因斯坦广义相对论论文发表100周年纪念日坐在办公桌前或常年在实验室中独自忙碌,直到——灵感产生——觉察到了一切。这就是科学工作的神话,而且这个过程几乎总是错的。在现实生活中,科学的进步是循序渐进的,大多数研究人员是在团队中工作,孤独的天才总是难以找到揭示宇宙的革命性的新理论。然而,阿尔伯特·爱因斯坦(Albert Einstein)却做到了。来自于哈勃空间望远镜的图像:遥远星系由于地球附近星系团质量的存在而发生弯曲——这种弯曲是由广义相对论所预言的(又称引力透镜现象)     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

Hybrid SVM／HMM Method for Face Recognition

A face recognition system based on Support Vector Machine(SVM) and Hidden Markov Model (HMM) has been proposed. The powerful discriminative ability of SVM is combined with the temporal modeling ability of HMM. The output of SVM is moderated to be probability output, which replaces the Mixture of Gauss (MOG) in HMM. Wavelet transformation is used to extract observation vector, which reduces the data dimension and improves the robustness.The hybrid system is compared with pure HMM face recognition method based on ORL face database and Yale face database. Experiments results show that the hybrid method has better performance.     

算法的相关性变换与划分带个数的关系

使用相关性变换法，划分并映射循环算法到具有固定尺寸的Ｓｙｓｔｏｌｉｃ阵列。下标集合被划分成若干条带，划分带的条数与变换后的Ｓｙｓｔｏｌｉｃ阵列算法的执行时间成正比。指出了Ｍｏｌｄｏｖａｎ给出的计算划分带条数的公式有很大局限性，给出了由空间变换计算划分带条数的方法。