移动机械臂的层级聚合建模方法研究

移动机械臂因机械臂在动态作业过程中的耦合效应会影响移动平台的运动特性,增加了整个系统的复杂度和非线性,给系统建模带来了极大挑战.为此提出了一种新的层级聚合建模方法.该方法依据分析力学中Udwadia-Kalaba(U-K)理论的层级属性,首先将移动机械臂划分为3个子系统,并分别利用Lagrange方程建立各自的无约束动力学模型,然后基于移动机械臂机械结构上的约束利用Udwadia-Kalaba基本方程(UKE)建立整体系统模型.此外,针对系统存在初始条件偏差的情况,利用基于Lyapunov稳定性理论来补偿初始条件偏差,以达到收敛理想轨迹的目的.仿真结果验证了该文所提出的建模方法的可行性.

MAP-Vis:基于MAP模型的时空点状大数据可视化方案

目的对于大数据挖掘,可视分析是一种非常重要的研究手段,有助于快速、直观地理解分析大数据蕴含的价值信息。但因其海量、时空、高维等特征,大数据可视化存在内存消耗大、渲染延迟高、可视效果差等问题。针对上述问题,以海量时空点数据为例,采用预处理可视化方案,设计并实现了一套高可扩展的分布式可视分析框架。方法借鉴瓦片金字塔模型提出一种多维度聚合金字塔模型(MAP),将瓦片金字塔的2D空间层级聚合扩展到时间/空间/属性多维度,同时支持时间、空间、属性的多维层级聚合。进而以Spark集群作为并行预处理工具,以HBase分布式数据库持久化存储MAP模型数据,实现了一套开源的分布式可视化框架(MAP-Vis)。结果以纽约出租车数据集为例,本研究实验证明能够支持时间/空间/属性多尺度、多维度联动的交互式可视化,同时具有高可扩展的预处理能力和存储能力。结论在分布式处理能力支持下,系统能实现亚秒级的查询响应,达到良好的交互式可视化效果,证明MAP-Vis是一种有效的大数据交互式可视化方案。