-
题名ADAMS虚拟平台上的机器人夹持器动力仿真
被引量：2
- 1
-
-
作者
张龙
马振书
穆希辉
杜峰坡
-
机构
军械工程学院军械技术研究所
-
出处
《现代制造工程》
CSCD
2008年第7期37-38,67,共3页
-
文摘
介绍ADAMS在虚拟样机技术中的应用,采用SolidWorks对机器人夹持器进行实体建模,应用ADAMS对其进行动力仿真,通过仿真对夹持器张合角度、转动力矩进行求解,并与手算结果进行对比,结论清晰、准确,为夹持器的设计提供依据,并为机器人的仿真提供实践基础。
-
关键词
ADAMS
SOLIDWORKS
动力仿真
机器人夹持器
虚拟样机
-
Keywords
ADAMS
Dynamic simulation
SolidWorks
Robotic hands
Virtual prototype
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名融入限制反向学习与柯西-高斯变异的蜣螂优化算法
被引量：1
- 2
-
-
作者
杨志龙
邹德旋
李灿
邵莹莹
马乐杰
-
机构
江苏师范大学电气工程及自动化学院
-
出处
《计算机应用》
北大核心
2025年第7期2304-2316,共13页
-
基金
国家自然科学基金资助项目(62103173)
徐州市科技计划项目(KC22024)
江苏省2024年研究生科研与实践创新计划项目(2024XKT0277)。
-
文摘
针对蜣螂优化(DBO)算法中存在的收敛速度慢、精度不高以及容易陷入局部最优的问题,提出一种融入限制反向学习与柯西-高斯变异的蜣螂优化算法(SI-DBO)。首先,用Circle映射初始化种群,以使种群的分布更加均匀和具有多样性,从而提升算法的收敛速度和寻优精度;其次,使用限制反向学习对蜣螂的位置进行更新,以提升蜣螂的搜索能力;最后,使用柯西-高斯变异策略帮助种群逃逸出局部最佳位置并寻找全局最佳位置。为了验证SI-DBO的性能,在测试函数上进行仿真实验并对实验结果进行Wilcoxon秩和检验,而且将该算法用于求解机器人夹持器问题。实验结果表明,与黑寡妇-蜣螂优化算法(BWDBO)和麻雀搜索算法(SSA)相比,SI-DBO在测试函数上均获得了较高的寻优精度和收敛速度,同时,SI-DBO在求解机器人夹持器问题时的效果优于粒子群优化(PSO)算法,验证了SIDBO具有更好的寻优性能和工程实用性。
-
关键词
蜣螂优化算法
限制反向学习
柯西-高斯变异
Wilcoxon秩和检验
机器人夹持器问题
-
Keywords
Dung Beetle Optimizer(DBO)algorithm
restricted reverse learning
Cauchy-Gauss variation
Wilcoxon rank-sum test
robot gripper problem
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
