期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于运动轨迹的机器人运动学逆解研究 被引量:4
1
作者 周友行 唐稳庄 张建勋 《机械科学与技术》 CSCD 北大核心 2009年第7期862-866,共5页
以8自由度凿岩机械臂为研究对象,提出了一种基于运动轨迹的求解多关节冗余机器人运动学逆解方法。首先构建求解机械臂逆运动学问题的BP神经网络模型,然后采用贝叶斯方法,把机械臂各关节在运动轨迹上的转动或移动变化总和作为优化函数的... 以8自由度凿岩机械臂为研究对象,提出了一种基于运动轨迹的求解多关节冗余机器人运动学逆解方法。首先构建求解机械臂逆运动学问题的BP神经网络模型,然后采用贝叶斯方法,把机械臂各关节在运动轨迹上的转动或移动变化总和作为优化函数的另一个约束项,建立求解逆运动学的贝叶斯-BP网络模型,进行仿真试验。仿真试验证明:构造的贝叶斯-BP神经网络模型可克服BP网络无反馈连接,易陷于局部最少及训练次数少的缺点;该方法在求解位于连续轨迹上的多个工作点的逆运动学问题时,求解的机械臂各关节转动或移动变化平缓,而且逆运动学求解精度可满足控制要求。 展开更多
关键词 贝叶斯-BP神经网络 机器人 逆运动学 运动轨迹
下载PDF
基于瞬态特征的钻削过程与监控信号映射模型 被引量:2
2
作者 周友行 张建勋 唐稳庄 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2010年第3期971-976,共6页
为实现批量钻削工序质量在线监测和分析,根据钻削加工特性、切削刃与工件的接触受力状况以及多维监控信号的分析,将一个钻削过程划分为7个阶段。通过分析实验中功率信号和声信号在钻削过程中各阶段的变化特征,采用离散RMS分析和离散求... 为实现批量钻削工序质量在线监测和分析,根据钻削加工特性、切削刃与工件的接触受力状况以及多维监控信号的分析,将一个钻削过程划分为7个阶段。通过分析实验中功率信号和声信号在钻削过程中各阶段的变化特征,采用离散RMS分析和离散求导方法进行特征识别,提取与钻削过程7个阶段相对应的功率和声信号变化特征点,并建立钻削过程与监控信号的特征映射模型。研究结果表明:该模型可在0.7%的时间误差范围内找到钻刃刃尖切入特征点,0.05%的时间误差范围内找到钻刃完全切入特征点,1.2%的时间误差范围内找到钻刃刃尖切出特征点以及1.1%的时间误差范围内找到钻刃完全切出特征点,因此,可在1.2%左右的时间误差范围内,建立监控钻削加工过程中功率信号和声信号与钻削过程在时间上的同步映射关系。该模型可用于钻削过程与监控信号映射机理的进一步研究。 展开更多
关键词 钻削过程 映射模型 瞬态特征 功率信号 声发射信号
下载PDF
无标定视觉伺服机器人系统研究
3
作者 李国栋 周友行 +1 位作者 邓胜达 唐稳庄 《机械制造与自动化》 2007年第2期67-69,共3页
介绍了机器人视觉伺服的一般原理,按李雅普诺夫稳定性方法推导出了模型无关的无标定视觉伺服控制律,给出了图像雅可比矩阵的递推公式,并将算法加以改进使系统满足大范围渐近稳定。最后通过轨迹跟踪的仿真试验验证了摄像机固定和eye-in-h... 介绍了机器人视觉伺服的一般原理,按李雅普诺夫稳定性方法推导出了模型无关的无标定视觉伺服控制律,给出了图像雅可比矩阵的递推公式,并将算法加以改进使系统满足大范围渐近稳定。最后通过轨迹跟踪的仿真试验验证了摄像机固定和eye-in-hand两种结构下算法的正确性和有效性。 展开更多
关键词 无标定视觉伺服 李雅普诺夫方法 图像雅可比矩阵
下载PDF
基于无标定视觉伺服机器人的运动物体跟踪
4
作者 李国栋 周友行 +2 位作者 王延伟 邓胜达 唐稳庄 《机械研究与应用》 2007年第1期50-52,共3页
介绍机器人视觉伺服的一般原理,然后选取图像的全局特征描述子-图像矩来描述图像的特征信息,推导出基于图像矩特征的图像雅可比矩阵,并按李雅普诺夫稳定性方法推导出模型无关的无定标视觉伺服控制律。最后通过运动物体轨迹跟踪的仿真试... 介绍机器人视觉伺服的一般原理,然后选取图像的全局特征描述子-图像矩来描述图像的特征信息,推导出基于图像矩特征的图像雅可比矩阵,并按李雅普诺夫稳定性方法推导出模型无关的无定标视觉伺服控制律。最后通过运动物体轨迹跟踪的仿真试验,验证了摄像机固定和eye-in-hand两种结构下算法的正确性和有效性。 展开更多
关键词 图像矩 无标定视觉伺服 李雅普诺夫方法 图像雅可比矩阵
下载PDF
基于监测信号特征的批量钻削工序质量研究 被引量:1
5
作者 周友行 董银松 +1 位作者 张海华 唐稳庄 《世界科技研究与发展》 CSCD 2010年第5期569-572,592,共5页
针对批量钻削工序质量的快速监测和分析问题,利用批量钻削加工过程主轴功率信号和声信号的时域统计特征和频域能量特征构造了批量工序钻削过程特征矩阵。应用K均值聚类技术从时域统计、频域能量和时频域综合特征三个角度依据钻孔本身的... 针对批量钻削工序质量的快速监测和分析问题,利用批量钻削加工过程主轴功率信号和声信号的时域统计特征和频域能量特征构造了批量工序钻削过程特征矩阵。应用K均值聚类技术从时域统计、频域能量和时频域综合特征三个角度依据钻孔本身的质量特征对钻孔进行分类,分析批量工序过程特征分布状况,间接反映批量钻削工序质量。对比人工质量检测结果,分析批量钻削过程监控信号时频域特征矩阵聚类纯净度,结果显示其工序质量分布状况检测准确率高达94.19% 展开更多
关键词 批量钻削工序 工序质量 监测信号 特征矩阵 聚类分析
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部