一种新的PUMA类型机器人奇异回避算法

传统的奇异回避方法运算量大,本文提出了一种新的PUMA类型机器人奇异回避方法—奇异分离加阻尼倒数法.首先,分析产生奇异的条件,将导致Jacobian奇异的参数分离出来,然后用阻尼倒数代替其普通倒数,以回避运动学奇异的影响.该方法无需对Jacobian进行SVD分解,也无需估计其最小奇异值,因而运算量小,实时性好,仅牺牲末端部分方向的精度,适合于预定轨迹和实时轨迹的跟踪.仿真和实验结果证明了算法的有效性.

一种六自由度机械手奇异回避算法

针对传统机械手奇异回避算法存在的计算量大、实时性差的问题,提出了基于"奇异分离+指数级阻尼倒数"的奇异回避算法。首先,在对机械手运动学建模分析的基础上,通过Jacobian矩阵计算将导致奇异的参数分离出来;然后,介绍了指数级阻尼倒数算法的原理,并对采用指数级阻尼倒数进行奇异回避导致的误差进行了研究。仿真与实验结果表明,该算法可实现关节角速度在奇异域的平稳光滑过渡,且仅牺牲了机械臂末端在部分方向上的精度,由此算法的有效性和实用性得到验证。

奇异值分解(SVD)理论在同步电机参数辨识中的应用

将奇异值分解理论应用于同步电机参数辨识中 ,这一方法可在最小二乘辨识算法中无论雅可比矩阵奇异与否 ,均可获得最短的向量解 ,从而提高辨识算法收敛性及减少迭代次数 .应用本文算法成功地对一台 2 0 0MW汽轮发电机的参数进行了辨识 .

计算介质体瞬态散射矩阵元素方法的改进

针对求解均匀介质体的瞬态电磁散射问题,采用基于MOT的方法求解Müller方程来分析,对分析中矩阵元素的积分求解,提出了一种奇异分离方法。该方法考虑了时间项延迟的影响,减小了计算中的近似,提高了计算精度。验证表明,和原算法相比,新算法在近奇异处理上的误差很小。

ALFs标准按列/行递推公式的适用性

完全规格化的缔合勒让德函数(fnALFs)是一组正交的基函数。通常利用所谓的递推公式进行计算。本文基于分离奇异因子方法和扩充数域方法,给出了标准向前按列/行递推公式的适用性和普适性。分离奇异因子方法,在一定程度上,提升标准向前按行递推公式的普适性,其普适性可达到几百阶,但该方法对标准向前按列递推公式无效。扩充数域方法就是将双精度数域运算扩展到4精度数域。由于4精度数在运算过程中能够保留更多的有效数字,且能够表达更大和更小的数,因此扩充数域方法可显著提升标准向前按列/行递推公式的普适性和适用性,其普适性可达到几千阶。但是4精度运算需要占据更多存储空间,因此运算速度很慢,在实际应用中并不可取。本文首次将X-数方法引入到标准向前按行递推公式,基于X-数方法,利用标准向前按列/行递推公式都可将fnALFs递推至42亿阶。