期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
毫米级全方位微装配机器人的识别、定位及运动控制 被引量:6
1
作者 李江昊 陈佳品 李振波 《电光与控制》 北大核心 2009年第6期72-76,共5页
介绍了一种毫米级全方位微机器人,设计用于微型工厂中的微装配操作。采用外部计算机视觉系统进行监控,先利用CCD摄像头捕捉微型机器人顶部及夹钳上的特征标志,再通过设计的视觉处理方法,实现了对微机器人的高精度识别和定位。在利用计... 介绍了一种毫米级全方位微机器人,设计用于微型工厂中的微装配操作。采用外部计算机视觉系统进行监控,先利用CCD摄像头捕捉微型机器人顶部及夹钳上的特征标志,再通过设计的视觉处理方法,实现了对微机器人的高精度识别和定位。在利用计算机视觉进行反馈控制的基础上,采用了对装配平台进行分区、快速前进与高精度步进相结合的运动控制策略,实现高精度的微装配任务。实验验证了以上方法和策略的有效性。 展开更多
关键词 微装配 移动微机器人 识别 定位 运动控制
在线阅读 下载PDF
微小型移动机器人的路径规划及编队研究 被引量:2
2
作者 李江昊 闫亚楠 彭丹 《计量学报》 CSCD 北大核心 2021年第4期445-450,共6页
针对微小型移动机器人的路径寻优及编队问题,提出了路径规划与轨迹跟踪相结合的方法来实现多机器人的编队任务。首先提出了基于传统蚁群算法的改进算法,仿真结果证明,改进算法通过改进参数及初始信息素矩阵,使其收敛速度提高了50%,全局... 针对微小型移动机器人的路径寻优及编队问题,提出了路径规划与轨迹跟踪相结合的方法来实现多机器人的编队任务。首先提出了基于传统蚁群算法的改进算法,仿真结果证明,改进算法通过改进参数及初始信息素矩阵,使其收敛速度提高了50%,全局寻优能力提高了30%。其次设计了基于李雅普诺夫算法的轨迹跟踪控制器,仿真结果证明,其误差最终趋于0,验证了该控制器的稳定性。最后结合李雅普控制器和路径寻优算法,实现了多机器人在最优路径上的稳定编队。 展开更多
关键词 计量学 多机器人编队 路径优化 轨迹跟踪 蚁群算法 李雅普诺夫算法
在线阅读 下载PDF
城市轨道交通专业智慧教学研究 被引量:3
3
作者 李江昊 《城市轨道交通研究》 北大核心 2021年第8期I0022-I0024,共3页
在科技与经济飞速发展的21世纪,全球已进入信息化和智能化技术和应用的快速发展阶段,我国也正朝着更加信息化与智能化的方向不断发展,这有效推动了社会工业化与技术革新的长足进步。现阶段,我国的工业发展正处于第四次工业革命时代,即工... 在科技与经济飞速发展的21世纪,全球已进入信息化和智能化技术和应用的快速发展阶段,我国也正朝着更加信息化与智能化的方向不断发展,这有效推动了社会工业化与技术革新的长足进步。现阶段,我国的工业发展正处于第四次工业革命时代,即工业4.0时代,其代表特点便是工业生产由密集型劳动向自动化、智能化转变。 展开更多
关键词 第四次工业革命 科技与经济 智能化技术 工业生产 城市轨道交通专业 社会工业化 快速发展阶段 信息化
在线阅读 下载PDF
基于光滑粒子流体动力学的波浪中航行体入水数值模拟 被引量:2
4
作者 管祥善 孙鹏楠 +1 位作者 李江昊 孙龙泉 《空气动力学学报》 CSCD 北大核心 2024年第2期85-95,I0002,共12页
航行体在波浪条件下高速入水的运动响应和载荷特性是其研发设计过程中需要重点考虑的问题,为了对该问题进行精准预测,采用无网格光滑粒子流体动力学(smoothed particle hydrodynamics,SPH)方法,提出了一种新型周期性波浪边界技术,利用... 航行体在波浪条件下高速入水的运动响应和载荷特性是其研发设计过程中需要重点考虑的问题,为了对该问题进行精准预测,采用无网格光滑粒子流体动力学(smoothed particle hydrodynamics,SPH)方法,提出了一种新型周期性波浪边界技术,利用四元数法计算物体六自由度运动,建立了波浪条件下入水模拟的数值水池。通过对静水中方块体垂直落水和航行体倾斜入水运动轨迹和冲击载荷的模拟,对比于实验参考结果,验证了数值模型的计算精度。随后,在SPH数值波浪水池中对航行体在不同波浪相位角下的高速入水过程开展研究,结果表明航行体弹道稳定性受到波浪相位角影响显著,0°相位角入水时弹道最为稳定。该新型SPH数值水池能够实现航行体波浪中入水过程的精确预报。 展开更多
关键词 光滑粒子流体动力学 航行体入水 周期性边界 造波 四元数法
在线阅读 下载PDF
基于改进免疫遗传优化蚁群算法的移动机器人路径寻优研究 被引量:12
5
作者 赵春芳 李江昊 张大伟 《计量学报》 CSCD 北大核心 2019年第3期505-510,共6页
针对移动机器人路径规划中使用蚁群算法(ACO)易陷入局部最优和收敛速度慢的问题,提出了一种适用于机器人静态路径寻优的改进免疫遗传优化蚁群算法(IMGAC)。该算法可以根据实际情况自动调整变异概率和变异方式,以及自动调节个体免疫位的... 针对移动机器人路径规划中使用蚁群算法(ACO)易陷入局部最优和收敛速度慢的问题,提出了一种适用于机器人静态路径寻优的改进免疫遗传优化蚁群算法(IMGAC)。该算法可以根据实际情况自动调整变异概率和变异方式,以及自动调节个体免疫位的长度,将通过改进的变异算子和免疫算子嵌入蚁群算法来提高全局寻优能力与收敛速度。仿真及实验表明:相比于经典ACO算法以及最大最小蚂蚁系统,IMGAC算法收敛速度更快,全局寻优能力更强。利用该算法寻找移动机器人最优路径,提高了静态路径寻优的效果和效率。 展开更多
关键词 计量学 路径寻优 移动机器人 遗传算法 蚁群算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部