存在材料相似度误差的模型试验修正方法探讨

在复杂环境岩土体工程的模型试验中,材料相似度误差往往造成试验结果与目标值间的不容忽视的差异,需进行修正后才可反馈到原型。为探究存在相似度误差的模型试验的有效修正方法,以某高速公路边坡工程为依托,首先通过与室内试验配套的数值试验检验了采用数值方法研究模型试验修正问题的合理性;其次从位移演化规律和位移值大小两方面对现有的模型试验修正方法进行验证,指出当前方法的不足并分析其存在不足的原因。在此基础上,基于位移畸变值概念提出了模型试验误差修正方法,并对当前方法和推荐方法的修正效果进行对比分析。研究结果表明:1.一般而言,模型材料相似度存在较大误差情况下的试验结果与目标值间的差异较显著,不容忽视,对其进行修正十分必要;2.当前模型试验修正方法对预测值的修正仅建立在单一岩层有量纲参数的基础上,因而无法达到对复杂环境地质体模型试验数据进行修正的目的,修正效果较差;3.通过SPSS估值曲线分析能够准确获取位移畸变值函数,基于位移畸变值修正方法的修正效果明显,能有效修正模型试验相似度误差对试验结果的影响。

一种优化相关性模型的机器人精度补偿方法

工业机器人由于绝对定位精度低,难以直接应用于航空航天高精制造领域。为提高工业机器人的绝对定位精度,提出了一种优化相关性模型的机器人精度补偿方法。基于误差相似度原理构建了机器人定位误差与关节转角之间的数学关系,仿真证明分析了不同相关性模型对精度补偿效果的影响规律,最后通过试验选出最优模型。试验结果表明,优化相关性模型后工业机器人的绝对定位误差由补偿前的1.8057mm降至0.2902mm。研究结果为推动工业机器人在航空航天高精制造中的应用提供了一种技术手段。

复杂网络中的抽样链接预测

针对传统相似度算法无法预测给定顶点存在的链接问题,以抽样方法为基础,提出一种对复杂网络进行链接预测的方法,找出用户感兴趣节点的相关链接.根据用户感兴趣的节点,使用随机游走的方法,构造一个子图.设定该子图的大小使相似度估计值的误差小于给定的容错阈值.该方法仅在一个小的包含全局信息的子图上进行相似度计算,可以使计算时间大大减少.实验结果表明,算法的时间复杂度与数据集大小呈线性关系,基于局部指标的常见邻居(CN)算法、Jaccard以及PA指标算法的时间复杂度与数据集大小呈平方关系,以全局拓扑路径为基础的Katz算法的时间复杂度与数据集大小呈立方关系.

复杂网络链接预测的路径抽样方法

链接预测问题在社会学、人类学、信息科学以及计算机科学等各个领域都受到了广泛的关注.在许多现实应用中,只需要对用户感兴趣顶点的相似度进行预测,而不需要预测复杂网络中的所有顶点.提出一种快速的以路径相似度为基础的方法来预测指定的顶点对间的链接.在该方法中,首先定义顶点之间的路径相似度的概念,然后对给出的节点对之间构造一个的路径的集合,通过设定该集合适当的大小,可以将相似度的误差限制在一个给定的阈值范围内.由于只要计算相关路径的个数,因此该算法可以大大减少计算时间.以对单个节点的路径抽样方法为基础,提出了整个网络的链接预测算法.通过在实际网络上的实验结果表明,本算法与其他方法相比,在更短的时间可以获得更高精度的结果.

考虑关节回差的工业机器人精度补偿方法

工业机器人由于绝对定位精度低的缺点一直难以应用于航空航天高精制造领域。影响机器人定位误差的因素较多,对精确建立其误差模型提出了严峻的挑战。现有的建模方法通常将机器人定位误差与其位姿关联,忽略了同一位姿下关节回差对其定位误差的影响。为提高工业机器人绝对定位精度,提出了一种考虑关节回差的工业机器人误差相似度精度补偿方法。基于改进的Denavit-Hartenberg模型建立了包含机器人几何误差、坐标系误差和传动误差的综合辨识模型,利用最小二乘法辨识了关节回差。根据辨识得到的关节回差等参数构建了误差相似度模型,使用3种型号的机器人验证了该方法对提高机器人绝对定位精度的可行性和通用性,最终通过KUKA KR500-3机器人进行了制孔试验验证。试验结果表明,该方法相较于传统方法将机器人定位误差降低了约0.1 mm,精度提高了30%以上,制孔孔位精度从0.701 mm提升至0.134 mm,为有效提高工业机器人的绝对定位精度提供了一种技术手段。

面向飞机装配的机器人定位误差和残差补偿

工业机器人由于其高柔性和低成本而被越来越多地应用到飞机自动钻铆系统中,使用精度补偿有效地提高机器人的绝对定位精度是保证产品质量的关键,为进一步提高机器人末端定位精度,提出了基于误差相似度的残差补偿方法。首先使用基于运动学参数标定的方法辨识出机器人的几何参数误差,再利用基于误差相似度的方法对残余误差进行估计,实现对机器人的误差和残差的补偿。以工业机器人KUKA KR-30 HA为对象所进行的试验验证表明,机器人的绝对定位精度平均值由补偿前的0.879mm经过定位误差补偿后提高到0.194mm,经过残差补偿后进一步提高到0.141mm,经过定位误差和残差补偿后的机器人最大误差由1.492mm降低为0.296mm,最大绝对定位精度误差降低了80.16%。该方法能有效地补偿参数辨识后遗留的残差,进一步提高机器人的定位精度。