针对一般的机械手臂运动规划时只适用于特定的工作任务,无法即时与环境互动的问题,开发出多轴学习式运动控制结合影像技术的机械手臂,以胜任各种操作任务的需求。通过建立矢量积分到端点(Vector Integration to Endpoint,VITE)模型实现...针对一般的机械手臂运动规划时只适用于特定的工作任务,无法即时与环境互动的问题,开发出多轴学习式运动控制结合影像技术的机械手臂,以胜任各种操作任务的需求。通过建立矢量积分到端点(Vector Integration to Endpoint,VITE)模型实现即时轨迹规划,并采用小脑模型控制器(CMAC)作为学习式控制器,以应对较为复杂的工作环境,利用两台二轴旋转焦距缩放摄影机估测目标物位置,运用NI的嵌入式数字信号处理器和影像采集卡,进行影像的拾取与手臂的控制。实验表明,该机械手能够根据目标物的影像实现即时追踪抓取,其运动轨迹与PD控制器相比,其误差较小,且控制更精准与平顺。展开更多
为了降低当前模糊规则优化学习算法的时间复杂度,加快其收敛速度,基于单变量边缘分布估计算法,引入CH(Cordon and Herrera)与COR(Cooperative Rules Methodology)机制,提出混杂分布估计算法耦合CH(Cordon and Herrera)与COR联合机制的...为了降低当前模糊规则优化学习算法的时间复杂度,加快其收敛速度,基于单变量边缘分布估计算法,引入CH(Cordon and Herrera)与COR(Cooperative Rules Methodology)机制,提出混杂分布估计算法耦合CH(Cordon and Herrera)与COR联合机制的模糊规则优化算法研究;对算法的时间复杂度进行理论推导和分析证明,构建算法的分布概率模型。首先使用CH机制产生变量空间;再由COR方法完备的候选规则库;然后利用多种群变量无关分布估计算法MUMDA(Univariate Marginal Distribution Algorithm)进行规则学习,通过增加种群的多样性,减少算法陷入局部最优解的可能;最后对该算法进行实验验证。实验对比结果可以看出,该设计的混杂优化算法的计算,可获得精度较高、可理解性较强的模糊规则库,便于模糊系统在实际工程中的应用。展开更多
文摘针对一般的机械手臂运动规划时只适用于特定的工作任务,无法即时与环境互动的问题,开发出多轴学习式运动控制结合影像技术的机械手臂,以胜任各种操作任务的需求。通过建立矢量积分到端点(Vector Integration to Endpoint,VITE)模型实现即时轨迹规划,并采用小脑模型控制器(CMAC)作为学习式控制器,以应对较为复杂的工作环境,利用两台二轴旋转焦距缩放摄影机估测目标物位置,运用NI的嵌入式数字信号处理器和影像采集卡,进行影像的拾取与手臂的控制。实验表明,该机械手能够根据目标物的影像实现即时追踪抓取,其运动轨迹与PD控制器相比,其误差较小,且控制更精准与平顺。
文摘为了降低当前模糊规则优化学习算法的时间复杂度,加快其收敛速度,基于单变量边缘分布估计算法,引入CH(Cordon and Herrera)与COR(Cooperative Rules Methodology)机制,提出混杂分布估计算法耦合CH(Cordon and Herrera)与COR联合机制的模糊规则优化算法研究;对算法的时间复杂度进行理论推导和分析证明,构建算法的分布概率模型。首先使用CH机制产生变量空间;再由COR方法完备的候选规则库;然后利用多种群变量无关分布估计算法MUMDA(Univariate Marginal Distribution Algorithm)进行规则学习,通过增加种群的多样性,减少算法陷入局部最优解的可能;最后对该算法进行实验验证。实验对比结果可以看出,该设计的混杂优化算法的计算,可获得精度较高、可理解性较强的模糊规则库,便于模糊系统在实际工程中的应用。
