考虑非线性摩擦模型的机器人动力学参数辨识

针对机器人动力学参数辨识的问题,提出了一种基于人工蜂群算法的辨识方法。考虑到关节摩擦特性,引入非线性摩擦模型,推导了机器人动力学模型的非线性形式。设计满足速度、加速度边界条件的五阶傅里叶级数作为激励轨迹来采集实验数据;利用人工蜂群算法,以蜂群为搜索单位,通过群体间的信息交流方式与优胜劣汰机制,对模型中的未知参数进行了辨识。最后,对得到的辨识模型进行了分析与验证,结果表明通过辨识得到关节预测力矩与测量力矩有较高的匹配度,所建立的非线性模型能够更好地描述机器人的动力学特性。     

小型无人直升机航向线性自抗扰控制

针对小型无人直升机航向系统存在内部不确定性和外部扰动大的问题,提出了一种基于线性自抗扰控制(LADRC)算法来实现航向通道高性能控制方法。首先,分析和推导了Trex-600型无人直升机的航向模型,并引入阵风模型模拟实际飞行环境。然后,根据LADRC的控制原理设计了基于二阶LADRC的航向控制系统,并利用人工蜂群算法对控制器参数进行了整定。最后,对所设计的控制策略进行了仿真分析与实验验证,实现了无人直升机航向通道的轨迹跟踪控制,并与常见的PID控制进行了比较。结果表明:设计的LADRC控制器鲁棒性好、响应时间快、控制精度高,能够使Trex-600型无人直升机的航向角快速、精确地跟踪参考轨迹。     

基于改进人工蜂群算法的水电站水库优化调度研究

首先建立了水电站水库优化调度模型。在对人工蜂群算法描述的基础上,为有效避免标准人工蜂群算法局部搜索能力差等缺点,提高寻优能力,本文设计了一种以反向学习策略搜寻初始解、以自适应比例选择策略代替轮盘赌法、以基于指数分布突变策略更新蜜源位置的改进人工蜂群算法。应用MATLAB软件将改进后的人工蜂群算法应用于新安江电站水库优化调度中。仿真结果表明,改进人工蜂群算法具有更好的全局搜索能力,调度结果显著优于人工蜂群算法和粒子群算法。     

基于引导人工蜂群算法的3—RPS并联机构正解优化

提出了一种求解3—RPS并联机构正解优化的快速数值解算法，采用数值优化方式将正解转换为最小化问题。针对3—RPS并联机构位姿正解优化，采用数值法建立该并联运动平台正解方程，其实质为带约束的多目标非线性方程组。建立判定方程实现方程组单目标优化，采用引导人工蜂群算法进行最小值优化求解。该算法既利用了基本人工蜂群算法中邻近蜜蜂交换蜜源信息的方式，又采用全局最优蜜蜂引导所有蜜蜂往更优蜜源处移动，更快速地搜索到最优蜜源位置。通过求解3—RPS正解数值解优化仿真算例分析，对比改进蚁群算法和基本人工蜂群算法，结果表明引导人工蜂群算法是高精度高速求解并联运动平台正解优化的一种有效方法。     

基于改进的A~*算法在三维路径规划中的仿真应用

针对无人机路径规划中全局静态路径优化和局部动态避障的需求,提出一种基于生物神经动力学模型的改进A^*算法实现全局冬天路径规划。建立生物神经动力学模型,并应用该模型实时获取环境中的动态障碍物信息,通过神经元的活性值来引导无人机的局部动态避障。设计了一种A^*算法的优化启发函数,有效地减少A^*算法在全局路径搜索过程中的节点数量,提高A^*算法的全局搜索效率。最后,将生物动力学模型中神经元的活性值融入到A^*算法的实际代价函数中,融合算法保证了A^*算法在全局路径优化的性能,又秉承了生物神经动力学模型的局部实时避障能力。静态路径和动态路径下仿真结果表明:与生物动力学模型相比,该融合算法考虑到实际代花费问题,能够在动态和静态环境下规划出一条低代价的全局路径;与A^*算法相比,该融合算法可提高全局搜索效率,且实现实时动态避障性能。     

改进的蜂群算法在机器人路径规划中的应用

人工蜂群算法已经急速占据了增加的利益群体智能研究社区和被应用到许多真实世界的领域,然而,人工蜂群算法在处理一些复杂问题时也面临着初始收敛速度慢的问题,为了克服这个缺点,本文提出了改进的人工蜂群算法:第一,配置调优参数。在蜜蜂飞行过程中加入步长和视野所看范围的限制条件。第二,将人工蜂群算法与其他算法进行融合以提高性能。本文用改进的人工蜂群算法,实现了动态障碍物环境下机器人的自主动态避障,并且寻找到全局最优路径。     

多策略混合搜索的变时段人工蜂群算法及应用

【目的】研究非汛期洪水、中小洪水调度和发电调度模拟中时段步长和约束条件在较长系列上的融合优化,提升水库调度综合效益。【方法】建立了多策略混合搜索的变时段的人工蜂群算法,构建了长系列可变时段的多约束下发电量最大的水库优化调度模型,对万安水库进行实例应用。【结果】非汛期水量利用率提高了3%,加强了对洪水资源的利用;多策略混合搜索的人工蜂群优化算法缓解了多约束条件优化模拟计算时,时段步长选取与运算精度和收敛速度之间的矛盾,有效提升了标准人工蜂群算法的寻优效率与开发能力。【结论】研究成果可为非汛期洪水、中小洪水调度和发电调度综合效益的提升提供依据。     

基于改进人工蜂群模糊聚类的葡萄图像快速分割方法

为解决基于模糊C-均值聚类(FCM)的图像分割算法需要预先给定初始聚类数目和聚类中心,易使得算法陷入局部最优的问题,提出一种改进的人工蜂群优化模糊聚类的图像分割方法。该方法在传统的人工蜂群的基础上进行优化,以FCM算法中目标函数为基础改进人工蜂群的适应度函数,运用蜂群行为中的采蜜蜂、跟随蜂和侦察蜂的分工合作来快速求解图像中的最优初始聚类中心,将求出的最优聚类中心输入给FCM进行处理,根据最大隶属度原则对果实图像进行分割。以300幅不同光照情况下拍摄的夏黑葡萄果进行分割试验,试验结果表明,改进的图像分割方法能更快地将水果从自然环境中分割识别出来,单幅图像平均分割时间为0.219 3 s,正确分割率达到90.33%,能满足采摘机器人及水果分级系统对目标图像的实时性要求。     

直升机旋翼系统的CATIA参数化建模及多体运动仿真

直升机是一种旋翼飞行器,旋翼系统的运动可靠性直接关系着直升机的飞行安全。为了准确可靠地模拟直升机旋翼系统运动,提出了一种基于CATIA运动仿真模块创建直升机旋翼系统运动仿真模型的方法。采用CATIA知识工程模块实现不同飞行状态运动仿真分析的自动化循环过程,建立了旋翼桨毂和自动倾斜器的运动骨架模型,并对不同飞行状态下的旋翼桨毂和自动倾斜器进行实时的参数化运动仿真分析,得到了运动关节的运动普、部件的相互干涉、以及桨毂和自动倾斜器的运动包络体,为旋翼系统的研制提供了技术基础。     

基于改进蚁群算法的蔬菜大田无人农机路径优化

推进蔬菜机械化与无人化种植能够保障优良的蔬菜规模化种植技术效益,有力保证蔬菜质量与品质,有利于蔬菜规模化生产种植技术产业体系的发展。利用无人拖拉机作业GPS定位点集将实际农业作业区域转化为规则矩形,在此基础上建立以无人拖拉机总转弯距离最短为优化模型,采用蚁群算法对无人拖拉机耕地作业路径序列进行搜索。同时考虑到传统蚁群算法易陷入局部最优、全局搜索能力不足等问题,提出一种基于和声搜索策略的改进蚁群算法,通过引入sigmoid函数与和声搜索机制改善路径搜索能力,得到高质量耕地作业路径序列。将传统蚁群算法(AC)、精英蚁群算法(ELAC)作为对比算法,将传统梭形、回形作业方法作为路径对比作业方法,针对不同耕地作业规模进行无人拖拉机作业路径搜索试验。结果表明,本文算法得到的总转弯距离较梭形耕法降低35.53%～43.08%、较回形耕法降低24.98%～86.88%。精英蚁群算法在小规模作业区域中性能较优,但随着蔬菜大田规模扩大,改进和声蚁群算法优化效果更明显。     

小型油动无人直升机机架振动特性与试验研究

农用油动植保无人直升机在航空作业时因受到发动机、旋翼、传动箱动力载荷激励作用与无人机表面附面层紊流强度的影响,导致机身及相连施药关键部件的振动。若机架与喷杆连接点的激励频率与喷杆固有频率接近或相等,则会引起两者共振,强烈的振动甚至会影响无人机的飞行姿态。因此,为了保证植保无人机的安全飞行,获得机架的振动特性是研究的首要任务。为此,以小型油动无人直升机为研究对象,建立无人机机架的有限元模型,应用ANSYS Workbench对模型进行自由振动状态下的模态分析,获得前8阶非刚体模态固有频率和振型,通过模态试验验证模型的准确性。试验中,试验模态与解析模态模态频率差均小于10%,模态置信准则均大于0.8,试验结果表明:有限元模型能够反映机架振动特性,随着机架固有频率的增长,振型变化越来越复杂,由机体单向摆动向机体多向同时扭摆转变,变形最大部位在喷杆、起落架、尾管处。该研究为后续展开谐响应分析与喷杆结构优化研究提供了理论依据,旨在避免喷杆与机体产生共振。     

基于改进蝙蝠算法和圆柱坐标系的农业无人机航迹规划

针对传统蝙蝠算法全局搜索能力不足的问题，提出一种改进蝙蝠算法(IBA-FCS)，通过设计脉冲变频策略、自适应局部搜索策略和变异机制，有效提升了算法的全局搜索能力。基于经典测试函数的寻优结果表明，与粒子群算法、传统蝙蝠算法和其他改进蝙蝠算法相比，IBA-FCS算法具有更好的寻优性能。针对农业无人机的航迹规划问题，结合山地果园飞行环境的三维地形数据，构建了农业无人机安全航迹规划模型，设计了多因素约束的飞行成本函数；同时，将航迹规划模型的求解空间由笛卡尔坐标系变换到圆柱坐标系，进一步提升IBA-FCS算法的寻优效率，从而获取更好的航迹规划方案。仿真实验结果表明，在具有不同数量障碍物的多个飞行任务中，IBA-FCS算法较传统蝙蝠算法的飞行成本函数适应度平均下降20.3355%，并且基于圆柱坐标系的IBA-FCS算法求解的飞行成本函数适应度较基于笛卡尔坐标系的规划结果平均下降4.6127%。实地场景实验结果表明，基于IBA-FCS算法的规划方案能够收敛于最优航迹，进一步验证了山地果园静态障碍环境下应用改进蝙蝠算法和圆柱坐标系进行农业无人机安全航迹规划的可行性和有效性。     

基于改进PSO的无人自转旋翼机二自由度PID飞行控制

针对传统无人自转旋翼机自动控制采用一自由度PID和优化算法相结合,因自转旋翼机的响应滞后特性,一自由度PID不能同时满足快速响应和抑制干扰的问题,提出基于粒子群算法和模拟退火算法的二自由度PID控制器,同时设计前馈控制器的降噪方法,实现对无人自转旋翼机的有效控制。通过搭建Matlab仿真模型验证其可行性,其仿真结果表明本研究中算法相对于传统一自由度PID控制响应速度较快,前馈控制器能有效地抑制外部干扰,鲁棒性强,且系统响应速度快,响应时间提升约11%,响应精度更高,收敛误差小,约是传统PID的1/6,控制系统更稳定。同时在2种不同飞行环境下实际飞行实验验证了基于PSO-SA的二自由度PID控制器可行性,可为无人自转旋翼机在农业航空领域中的应用提供理论基础。     

无人驾驶模式下电液复合转向系统高鲁棒性控制策略

针对重型车辆电液复合转向系统（Electro hydraulic hybrid steering system,EHHS）无人驾驶模式下的转向跟踪控制问题,首先建立了考虑EHHS系统参数不确定性及外界干扰影响的转向系统完整非线性动力学模型;然后提出了一种自适应双闭环转向跟踪控制策略,外控制环设计参数自适应率,以有效适应模型参数摄动,采用改进滑模控制计算期望转向力矩,内控制环则利用PI控制转向电机电流,实现对期望转向力矩跟踪;最后利用Matlab/Simulink对EHHS系统模型以及提出的控制策略进行仿真验证。结果表明,提出的自适应控制可有效缩短EHHS系统转角跟踪阶跃响应反应时间,降低转向轮角度跟踪误差,并保证转角跟踪精度不受系统参数摄动的影响,有效提高了EHHS系统无人驾驶模式下的转向跟踪控制性能。     

元胞多目标粒子群优化算法与其应用

针对现有多目标粒子群算法多样性不佳,难以平衡多目标优化的全局搜索和局部寻优的能力,提出了一种元胞多目标粒子群算法。在分析多目标粒子算法理论基础上,该算法将元胞自动机思想融入粒子群算法,研究粒子之间相互关系和信息传递机制,并提出一种粒子飞行速度控制策略。实验证明,新算法相对于4种比较算法,在求解含有无约束和有约束的多目标优化问题时有更好的收敛性和多样性,将其应用于盘式制动器优化设计,得到的解精度更高。     

基于混合学习果蝇优化算法的冗余机械臂逆运动学求解

针对常规方法难以有效求解冗余机械臂逆运动学的不足，提出了一种基于改进果蝇优化算法的逆运动学解决方案。改进算法采用线性候选解产生机制，克服了基本果蝇优化算法不能搜索负值空间及无法在指定的区域内均匀搜索的缺陷。通过混合学习嗅觉搜索策略的构建，有效增强并合理平衡算法的全局探索与局部开发。此外，通过视觉实时更新策略的引入，提升了算法的搜索效率及加速了算法的收敛速度。以7自由度冗余机械臂的逆运动学求解为例展开对比试验分析，结果表明所提出算法在寻优速度、精度以及结果稳定性等方面明显优于对比算法，说明该方法能够有效解决冗余机械臂的逆运动学问题。     

基于二维激光传感器无人直升机作业边界探测

无人机喷雾作业边界探测识别是无人直升机喷雾的重要内容,如果喷雾最大喷幅超过目标区域,会导致药液流失,造成环境的严重污染。为此,基于无人直升机平台,选取二维激光扫描传感器、姿态传感器等传感器搭建了一套二维激光扫描探测系统。该系统利用二维激光传感器探测无人直升机距离作物冠层和田埂的高度,计算冠层和田埂距离差值,并把高度差值作为分割阈值,实现无人直升机作业边界的提取,同时进行了田间试验验证。