NURBS曲线新S型加减速反向寻优插补算法研究

NURBS曲线的弧长与参数之间无精确的解析关系,导致基于S型加减速进行插补时,曲线长度计算和减速点的预测十分困难,为此提出了新S型反向寻优插补算法。首先建立新S型加减速模型,将分段后的曲线逐段取出,利用新S型算法进行速度规划。接着对速度敏感点进行校正,并反向插补寻找减速点。通过插补实例证明,该算法适应性、实时性较好,能够满足高速高精度数控加工的要求。

改进 RRT 算法的机器人路径规划

机器人已被广泛应用于日常生活之中。路径规划作为机器人的主要技术之一,优秀的路径规划算法能提升机器人的工作效率、降低其使用成本,并为研究机器人的导航打下良好的基础。RRT(rapidly-exploring random trees)算法具有扩展性强的优点,但存在路径长度并非最优、光滑性差等不足,为此提出反向寻优和三次样条曲线插值以改进算法,并在MATLAB和ROS(robot operating system)系统中仿真。结果表明:改进后的RRT算法能降低路径长度,减少节点数目,提高光滑性,实现了算法的有效性。

基于改进人工蜂群算法的分布式电源规划

通过改进人工蜂群算法,建立了系统网损最小、电压质量最优的综合优化目标,应用判断矩阵法确定多目标的权重系数,进一步优化分布式电源的选址与定容.在改进的算法中,运用均匀设计-反向寻优的方法来优化初始群体,提高全局寻优率.同时,为了解决基于比例适应度选择不足的问题,用基于适应度排序的选择概率代替了基于比例适应度的选择概率,不仅使种群的多样性得到了保护,而且扩大了全局搜索的范围.最后采用IEEE33标准节点配电网仿真,通过算例分析来验证该算法的有效性和可靠性.