基于迭代学习和模糊模型的机器人故障估计

针对柔性机器人执行器故障问题,提出了基于迭代学习和模糊模型的机器人故障估计策略。首先,为了处理机器人系统的非线性,将机器人系统转化成Takagi-Sugeno(T-S)模糊系统。其次,基于T-S模糊系统和机器人重复运动特性,设计模糊观测器和模糊迭代学习故障估计算法,实现同时精准估计机器人状态和执行器故障。再次,提出可解条件,保证模糊迭代学习故障估计算法的鲁棒单调收敛性,使迭代估计算法具有良好的暂态行为。最后,利用一个单连杆柔性关节机器人来验证所提方法的有效性。

基于局域社交网络的舆情溯源算法研究

随着互联网技术的日益普及,加快了信息在网络中传播速度及影响。信息体量增加的同时,许多虚假舆情信息也应运而生,舆情信息的广泛传播会对国家、社会以及个人利益造成难以控制的负面影响。因此,需采用技术手段对网络中的舆情信息进行溯源研究,从而保证网络安全。文章提出了一种舆情溯源算法,并通过实验结果表明:该算法具有准确率较高、错误距离较小的优点,适合在局域社交网络中应用,对网络安全具有重要现实意义。

一种针对大型凹型障碍物的组合导航算法

针对移动机器人导航过程中无法规避大型凹型障碍物问题,该文提出一种多状态的组合导航算法。算法按照不同的运动环境,将移动机器人的运行状态分类为运行态、切换态、避障态,同时定义了基于移动机器人运行速度和运行时间的状态双切换条件。当移动机器人处于运行态时,采用人工势场法(APFM)进行导航,并实时观测毗邻障碍物的几何构型。在遭遇障碍物时,切换态用于判断是否满足状态切换条件,以进入避障态执行避障算法。避障完成后,状态自动切换回运行态继续执行导航任务。多状态的提出,可有效解决传统人工势场法在大型凹形障碍物的避障过程中存在局部震荡的问题。基于运行速度和运行时间的双切换条件判定算法,可实现多状态间的平滑切换。实验结果表明,该算法在解决局部震荡问题的同时,还可降低避障时间,提升导航算法效率。