用Frame-Stewart算法求解Reeve问题的几个结论

讨论了Reeve问题及其Frame-Stewart算法,对于在该算法框架下在求解Reeve问题所需要的最少步数R(n),利用递推关系得到了几个结论,并且估算了R(n)的计算量.

基于多目标蚁狮算法的Stewart平台优化设计

针对Stewart平台传统结构优化设计中,存在的设计过程低效、优化方案不全面以及优化结果不直观等问题,在深入分析Stewart平台运动特性的基础上,建立平台的运动学方程,并通过仿真技术求解出平台的可达工作空间以及灵活工作空间。文中将多目标蚁狮(MOALO)算法应用于Stewart平台的结构优化设计,以雅可比矩阵条件数以及可用操作度为优化目标,通过仿真软件得到多组优化解,即帕雷托优化解集;以用作运动模拟器的Stewart平台为例进行具体的优化设计分析,通过对灵活工作空间体积占比的求解,验证了该算法的有效性和可行性。在Stewart平台的结构优化设计中,MOALO算法相较进化遗传算法、多目标粒子群算法等,在多目标优化问题上具有更好的收敛性和覆盖性,更符合实际多目标优化工程设计。

对称结构Stewart机构位置正解的改进粒子群算法

根据杆长约束条件,建立了求6-DOF对称结构Stewart并联机器人机构位置正解的无约束优化模型。针对标准粒子群算法容易陷入局部极值、进化后期收敛速度慢等缺点,提出了一种基于差异度评价指标的改进粒子群算法——自适应变异粒子群算法。为克服随机算法不易求出并联机构全部位置正解的缺点,采用分层搜索自适应变异粒子群算法求并联机构位置正解中的优化问题。数值实例表明,对于对称结构Stewart并联机器人机构位置正解问题,改进粒子群算法能求出全部装配构型,且收敛速度较快、精度较高。

Web日志挖掘预处理中的Frame页面过滤算法

Web日志挖掘是将数据挖掘技术应用到Web服务器的日志中，发现Web用户的行为模式。在介绍了典型的数据预处理技术的基础上，指出Frame页面降低了挖掘结果的兴趣性，并提出相应的解决方法--Frame页面过滤算法消除其影响。通过实验数据对该算法进行验证，说明Frame页面过滤算法可以显著地提高Web日志挖掘结果的兴趣性。

基于遗传算法的Stewart并联机器人位置正解分析

充分利用Stewart并联机器人位置反解容易获得这一特性,把较难的Stewart并联机器人位置正解问题转化为一个优化问题,考虑到遗传算法的全局优化特性,提出了基于遗传算法的Stewart并联机器人位置正解方法.仿真实例证明了所提方法具有很高的计算精度,彻底克服了采用数值解法求解Stewart并联机器人位置正解时,解的精度受初值影响较大的缺点.

基于自适应遗传算法的Stewart平台结构双目标优化设计

探讨了大射电望远镜精调Stewart平台的设计准则,建立了综合衡量Stewart平台运动精度和质量的双目标优化模型,以其结构强度和固有频率为约束条件,采用自适应遗传算法对该优化问题求解。通过与采用标准遗传算法所得优化结果的比较,验证了自适应遗传算法在Stewart平台结构参数设计中的有效性。

基于多目标遗传算法的Stewart平台运动学正解解算

Stewart平台的运动学解算是指对驱动杆杆长与动平台位姿的对应关系的求解。其运动学逆解只需根据空间坐标变换求得,而运动学正解需要对12个非线性方程进行解算。普通的数值解算方法迭代步数多,求解精度低。为解决Stewart平台运动学正解的解算问题,将pareto最优化理论引入遗传算法,提出一种基于多目标遗传算法(NSGA-Ⅱ)和最小二乘理论结合的算法。利用算法生成上平台姿态,利用反解解算出姿态对应的杆长,与已知杆长进行最小二乘拟合分析,当拟合度极高时认为此时的位姿即为运动学正解结果。此算法将上平台姿态的6个参数求解转化成多目标最优化问题,其只需迭代102次左右便能输出最优解,单次结果输出用时在1 min以内,且求解的均方根值误差不超过0. 1。是一种求解速度快、精度高的可行的运动学正解解算方法。

基于粒子群优化免疫克隆算法的Stewart平台控制

结合粒子群优化算法的进化方程和免疫系统的克隆选择机制,提出一种组合优化算法。该算法有效利用了抗体的历史信息和抗体之间的合作,提高了种群的多样性和算法的收敛速度,并具有全局搜索能力。然后,在此算法的基础上,设计了一PID控制器(PCA-PID),可动态地改变其参数,以适应时变被控对象。仿真程序表明,与单纯的粒子群算法以及克隆选择算法设计的控制器相比,PCA-PID有更好的控制性能。

基于Stewart机构并联加工机的插补算法

目的研究基于Ｓｔｅｗａｒｔ机构的并联加工机的插补算法．方法利用通常的时间分割插补算法思想和并联加工机构逆运动学模型，求解刀具运动轨迹与６根伸缩杆之间的关系，导出一种插补算法，并采用面向对象的程序设计方法编制仿真软件，通过计算机仿真验证该插补算法的可用性．结果与结论对球面类和双曲面类零件加工过程仿真结果表明，所提出的插补算法是正确、实用的。

Web日志挖掘中的数据预处理研究——Frame页面过滤算法改进

Web数据挖掘是分析网络应用的主要手段。其数据源一般是网络服务器日志,然而日志记录的是杂乱的、不完整的、不准确的并且是非结构化的数据,必须进行数据预处理。本文将预处理过程分为4个阶段:数据净化、用户识别、会话识别、路径补充,并提出了一个高效的Web数据挖掘预处理结构和相应的算法。

基于改进蚁群算法的Stewart平台奇异性分析

针对Stewart平台的奇异性分析,以雅可比矩阵行列式为目标函数,将奇异性分析问题转化为在并联机构可达工作空间内的连续优化问题。通过对基本蚁群算法中的全局搜索、局部搜索以及信息素更新规则等环节进行有效的调整,构成了更加适用于连续优化问题求解的改进蚁群算法。采用该算法进行了Stewart平台的奇异性分析,结果证实了改进蚁群算法具有较好的全局优化能力和较快的收敛速度,从而为解决并联机构奇异性分析这一类问题提供了有价值的参考。

基于模拟退火算法的Stewart平台的运动学正解分析

在工业生产之中Stewart平台被广泛应用。由于上平台得位姿不易得到测量,又需要监控机构的运行位置。因此对Stewart平台进行运动学正解分析是十分必要的。本文利用牛顿-泰勒法建立Stewart平台的运动学正解模型,求解出位置逆解、速度逆解。并利用模拟退火算法与初值无关并且具有概率突跳性和Newton-Raphson迭代法精度高的特点,提出了模拟退火算法和Newton-Raphson迭代法相结合的Stewart平台位置正解方法。通过MATLAB编制了运动学正解和运动学反解的程序。利用SolidWorks进行建模,并且在Adams上进行运动仿真验真了算法的准确性,为下一步的研究提供理论依据。

基于改进灰狼算法的电动缸摩擦辨识及补偿

针对电动缸的非线性摩擦难以辨识,且会对六自由度电动Stewart平台(Electrically Driven Stewart Platform, EDSP)位姿的跟踪精度造成不利影响,提出了一种引入Levy飞行和柯西变异的改进灰狼算法(improved Gray Wolf Optimization algorithm introducing Levy flight and Cauchy variation, LCGWO)对电动缸摩擦模型进行辨识,并设计了基于摩擦模型的前馈补偿方法。首先,建立了考虑电动缸非线性摩擦力的EDSP数学模型,并使用Lugre摩擦模型描述电动缸摩擦力。然后,考虑到电动缸的非线性摩擦力难以辨识,提出一种LCGWO同时对摩擦模型中的静态和动态参数进行辨识,并与一般的辨识方法进行对比分析。最后,设计了基于Lugre摩擦模型的前馈补偿算法,并进行实验验证。实验结果表明,相较于其他算法,LCGWO具有更优的收敛速度和预测精度;并且通过基于摩擦模型的摩擦前馈补偿方法对电动缸进行摩擦补偿,可以有效提升平台的位姿跟踪精度。

基于遗传算法和BP神经网络的Stewart平台正解研究

位置正解是并联机构控制与应用的基础。提出采取遗传算法优化BP神经网络的混合算法来处理Stewart平台位置正解问题。利用位置反解模型求得的杆长结果作为神经网络的输入,把平台的位姿作为输出,对其进行预测。仿真结果表明该混合算法模型的计算精度高,求解速度快,能够为Stewart平台的控制策略提供数值参考。

六自由度Stewart并联平台的参数优化及公差分配

并联机器人的基础设计工作主要涉及两个方面:基本参数设计与公差分配。从机器人可达工作空间进行了推广,引申出广义的可达工作空间,将机器人姿态与位置同时考虑。以广义可达工作空间为优化目标,对6-SPS型Stewart平台进行基本参数的优化,通过粒子群算法(PSO)获得了一组具有更大的位置,姿态可达空间的并联机器人参数。另外,以更低的机器人制造成本为目标,在尺寸公差与形位公差满足机器人设计目标的约束下,对各基本尺寸的公差进行优化分配。通过分析尺寸公差与形位公差对末端精度的影响,建立了大概的公差-精度关系模型。

基于蚁群算法的并联机器人误差补偿方法

提出一种利用蚁群算法补偿Stewart并联机器人位姿误差的方法。基于闭环矢量法建立Stewart并联机器人位姿误差模型,通过6个驱动杆的长度误差和铰链误差得到并联机器人的位姿误差。在位姿误差模型的基础上,利用基于网格划分策略的连续蚁群算法,通过信息素更新指导蚂蚁反复搜索,对驱动杆杆长误差进行寻优,最终补偿Stewart并联机器人位姿误差。数值仿真结果表明,该方法是有效的。

柔索悬挂Stewart平台振动控制及稳定性研究

在柔索悬挂条件下,利用多体动力学与控制理论以及特征系统实现算法(eigensystem reali-zation algorithm,ERA),研究了Stewart平台的基平台受到扰动时其末端执行器的控制稳定性问题,提出了相应的控制策略。用自行研制的多体动力学与控制仿真软件分析了不同弹性系数在柔索悬挂条件下Stewart平台的动态特性,并用ERA对系统的模态进行了比较,获得了动力学上可控的悬挂支撑方案。以数值仿真分析结果为基础设计了柔索悬挂Stewart平台的试验方案,对实际控制效果进行了研究,验证了数值仿真结果的正确性。

基于虚拟现实Stewart平台遥操作系统

针对基于虚拟现实的遥操作Stewart平台设计了虚拟系统.介绍了虚拟系统的驱动算法的原理.该算法首先建立合适的坐标系,通过一系列的空间坐标变换,解决了平台和6根杆的运动一致问题.采用基于L-M(Levenberg-Marquardt)算法的BP(Backpropagation Al-gorithm)神经网络来解决平台位置正解的问题,经过检验,证明该网络具有很好的泛化性能.采用了层次化的包围盒技术,每个节点建立轴向包围盒,来解决虚拟环境中的虚拟模型的碰撞检测问题.设计了一种简单的控制策略来解决大时延的稳定性问题.在机器人本地控制器的设计中采用离散化的微分跟踪器来保证机器人本地控制的稳定性和良好的动态性能,最后通过试验验证了本系统的有效性.

Stewart平台六自由度位姿方程的改进数值解法研究

针对数值法求解Stewart平台位姿方程,计算速度较慢,迭代初始值选取不当可能得不到位姿正解的问题,采用L-M优化算法解算非线性方程以及暖启动策略代入初值方法解决上述问题,实验结果表明该方法快速有效。

基于遗传神经网络的Stewart平台运动学正解

Stewan平台的特殊结构决定了其在正解求解的特殊性，它由一系列非线性方程组成，通常会有多组解．遗传神经算法是利用种群的适应度进行学习的，而不是梯度学习方法．多层遗传神经网络被用来识别Stewart平台正解的输入向量与输出向量之间的关系．仿真表明，多层感知机神经网络结合遗传算法对求解起到了很好的全局优化作用（训练周期减少近53％）．采用这种方法最主要的结论为减少了用于神经网络训练的时间．