基于改进灰狼算法的电动缸摩擦辨识及补偿

针对电动缸的非线性摩擦难以辨识,且会对六自由度电动Stewart平台(Electrically Driven Stewart Platform, EDSP)位姿的跟踪精度造成不利影响,提出了一种引入Levy飞行和柯西变异的改进灰狼算法(improved Gray Wolf Optimization algorithm introducing Levy flight and Cauchy variation, LCGWO)对电动缸摩擦模型进行辨识,并设计了基于摩擦模型的前馈补偿方法。首先,建立了考虑电动缸非线性摩擦力的EDSP数学模型,并使用Lugre摩擦模型描述电动缸摩擦力。然后,考虑到电动缸的非线性摩擦力难以辨识,提出一种LCGWO同时对摩擦模型中的静态和动态参数进行辨识,并与一般的辨识方法进行对比分析。最后,设计了基于Lugre摩擦模型的前馈补偿算法,并进行实验验证。实验结果表明,相较于其他算法,LCGWO具有更优的收敛速度和预测精度;并且通过基于摩擦模型的摩擦前馈补偿方法对电动缸进行摩擦补偿,可以有效提升平台的位姿跟踪精度。

基于博弈论的关联网络攻防博弈分析

根据现实中关联网络复杂的关联特性和网络中重要的评估指标,提出了5种不同的耦合方式,建立了9种关联网络模型;考虑到网络中信息的传输,再分配和级联故障,建立了基于介数虚拟流的级联失效模型;基于博弈论,从复杂网络的角度分析了关键基础设施的攻防问题,分析了多种关联网络的鲁棒性。发现了关联网络中博弈参与者的偏好,为基础设施网络的保护提供了决策支持。