螺丝锁付装置取放料时间寻优轨迹规划

为提高螺丝锁付装置的锁付效率，课题组针对锁付过程中最频繁的取放料操作进行时间寻优轨迹规划。课题组以旋量理论建立运动学模型，基于运动合成的思想，采用多段六次多项式插值算法进行规划轨迹，并结合改进粒子群算法得到时间插值节点的优化解。仿真实验结果表明：采用改进粒子群算法，在迭代约40次时算法达到收敛，轨迹所需时间相对于优化前缩短了约30%；关节空间下各关节的位置、速度和加速度曲线连续平滑，无明显突变，末端笛卡尔空间下轨迹满足取放料轨迹的设计要求。该时间最优轨迹规划的方法有效提高了螺丝锁付装置的工作效率。 〖HT5”H〗关键词：螺丝锁付；轨迹规划；旋量理论；改进粒子群算法；六次多项式插值算法     

可调足式机器人腿部机构设计

为实现腿部机构足端轨迹多样化以增强足式机器人地面适应性，同时提高其运动稳定性，课题组基于曲柄摇杆和曲柄滑块机构设计了一种可调整足式机器人腿部机构。采用解析法对该机构进行了运动学分析，建立了以理想的足端轨迹为设计要求的单目标优化模型，考虑了腿部机构运动过程中的平稳性，引入了速度波动指标，以轨迹 速度为设计目标，采用NSGA Ⅱ多目标优化方法对机构进行优化，对优化结果进行了对比分析；基于多目标优化结果建立了腿部机构的足端轨迹库，并进行腿部机构多步态分析；以该腿部机构构建4足机器人三维模型，运用ADAMS对整机进行运动仿真。研究结果表明：多目标优化比单目标优化的轨迹误差增大了0.16%，而速度波动降低了5.84%；多目标优化与已有相关研究相比，速度波动幅值降低了25.44 mm/s。4足机器人三维模型仿真结果验证了可调整腿部机构的设计具有可行性。     

基于位姿调整的晶圆传输机器人轨迹规划

为了提高晶圆传输机器人的运行效率和运动平稳性，课题组基于末端执行器的位姿调整对晶圆传输机器人进行了轨迹规划研究。首先，介绍了晶圆传输实验平台的机构组成，在此基础上采用了动静法对晶圆受力进行分析，得出加速度与位姿角度之间的内在关系；其次，提出了一种基于位姿调整的S曲线加减速控制算法，并基于该算法实现了对末端执行器的轨迹规划；最后，采用MATLAB软件编程，实现了关键参数的求解和算法仿真，得到了加速度、速度、位移随时间变化的曲线图。应用结果表明此轨迹规划可以在保证高度运动平稳的情况下提高晶圆传输机器人的工作效率。     

城镇企业基本养老保险缴费率优化路径分析

本文引入修正的两期世代交叠模型,根据中国东部、西部、中部与东北的区域划分,结合6种情景模拟,研究确定了15％养老保险最优缴费率水平,从而为城镇企业缴费率的动态调整优化提供了福利经济效率标准.基于第六次人口普查数据,构建了城镇社会统筹养老金精算平衡模型,设计了企业缴费率动态调整优化路径.这一调整路径可以实现企业缴费率向15％福利最大化标准渐进收敛,能够达到养老保险制度内部效率与外部效率的统一.     

基于改进深度强化学习的自动泊车路径规划

提出一种基于深度强化学习的运动规划方法,以车辆位姿、方向盘转角和与障碍物的最小距离作为状态,以目标方向盘转角作为动作,通过Pytorch搭建了基于深度强化学习的泊车算法框架。设计基于引导的奖励函数以避免奖励稀疏问题;以回合平均奖励作为优先级,将经验池改进为基于优先队列对样本进行存储和淘汰;针对泊车问题,提出了基于课程学习的分阶段训练方法,加速算法收敛。仿真结果表明:提出的算法较原始算法收敛速度提高25%,完成训练的智能体具有较强的规划能力和健壮性,规划成功率达到90.6%,同时具有良好的舒适性和安全性。     

改进A的4阶贝塞尔曲线路径规划

自动引导车（AGV）路径规划时，传统的A算法存在应对障碍物时生成路径平滑度低、累计折角多、易碰撞等问题，课题组提出一种利用Bezier曲线与A算法相结合的路径优化算法。首先利用A算法在有障碍物的栅格地图上规划出最短路径，找出路径转弯处的特征点；然后利用4阶Bezier曲线在2个特征点生成一条满足安全避障距离、具有一定曲率、路径相对更短的Bezier曲线；最后结合A算法生成的直线和Bezier曲线得到一条新的无碰撞曲线。试验结果表明在2种不同的障碍物密度下，课题组提出的新算法比传统A算法路径长度平均减少5.5%、转弯角度平均减少654%、碰撞次数平均减少100%。新算法法使AGV路径规划可减少路径长度和转弯角度，提高了AGV的工作效率和安全性能。     

基于动力学系统方法的自主移动机器人行为设计

提出了动态障碍物环境下基于动力学系统方法的移动机器人行为设计。在行为动力学模型中考虑障碍物运动速度和运动方向,使得移动机器人具有根据移动障碍物的运动而调整自身线速度和角速度的能力,实现自主避障。用碰撞时间和碰撞角度描述的碰撞区域作为对移动机器人运动的约束,这样可消除无谓的避障运动。仿真结果表明所提出的设计方法能有效地改善动态环境下的移动机器人自主导航能力和工作效率。     

焊接机器人轨迹规划的研究现状

为了提高焊接效率、改善焊接质量的实际生产需求,对焊接机器人空间轨迹规划的方法及研究现状进行了综述, 对关节轨迹规划法和笛卡尔轨迹规划法做出了比较,指出了轨迹规划中存在的问题即如何更便捷地实现最优轨迹规划 和多种最优算法的统一,认为空间轨迹同焊接工艺参数进行联合规划将是未来研究的重点和方向。     

基于能量优化的无人驾驶车轨迹跟踪控制

为有效使用有限的电池容量,实现无人驾驶车（AGV）在轨迹跟踪过程中的能量优化,针对三轮AGV的特点首先建立了其运动学跟踪模型及电机能耗模型,然后运用Lyapunov稳定性分析方法、最优化理论及Backstepping技术等工具研究了求解算法,提出了一种基于能量优化的轨迹跟踪控制方法,实现AGV轨迹跟踪和能量优化的统一控制。该控制策略对所有AGV及其他轮式移动机器人具有一般性,且设计方法简单、鲁棒性强。计算机模拟仿真结果验证了该控制器的有效性。     

变道过程非线性模型预测轨迹跟踪控制

针对变道过程中由于路面附着系数变化引起的模型非线性问题以及滚动优化算法对于实时性的要求,提出了变道过程非线性模型预测轨迹跟踪控制策略,分析了低路面附着系数引起的模型非线性特性,建立了变道过程轨迹跟踪模型及其前轮转角滚动时域优化求解方法。仿真分析及硬件在环测试可得,相比现有的线性轨迹跟踪方法,所提出的算法在高附着系数路面和低附着路面上的轨迹跟踪精度平均可提高14.35%,车辆横摆角速度跟踪误差平均可降低24.35%,侧向加速度误差平均可降低19.67%,有效实现了车辆在不同附着系数条件下的避障轨迹跟踪控制。     

基于RRT改进的路径规划算法

针对快速随机扩展树(RRT)的路径规划算法效率低且采样具有随机性等问题,提出了一种偏向目标点的新节点扩展方法。该方法将目标点引力、障碍物斥力以及随机点引力三力合一,并且添加了与障碍物距离相关的自适应函数,可自适应调节随机点引力与目标点引力在新节点扩展过程中的占比,与障碍物斥力共同使随机树避开障碍物更快地朝目标点扩展;同时针对规划路径过长的问题,提出了剪枝优化方法,进一步优化路径长度。在仿真实验中分别与传统RRT算法、基于P概率算法以及另两种已有改进方法比较,结果表明:所提方法在时间、路径长度以及路径节点个数均有明显优化。     

基于IGA的机械臂时间最优轨迹规划

针对传统机械臂轨迹规划效率较低的问题，课题组提出了对传统遗传算法初始种群的选取及种群的变异策略改进的方法。该方法以三次B样条插值曲线作为轨迹规划的基础，以各关节运动角速度、角加速度、角加加速度作为运动约束，使用改进型遗传算法（improved genetic algorithm，IGA）进行时间优化，可以得到满足运动约束条件的时间最优运动轨迹。课题组以自主研发的QFB140机械臂作为研究对象，采用改进型D H参数进行标识，并导入MATLAB进行仿真。结果表明：IGA在时间优化上有了较大提升，进一步实现了时间最优轨迹规划，提高了工作的效率。     

针对移动平台的无人机自主降落的新型速度规划方法

针对现有的无人机降落存在过激的加速、减速以及反向飞行和多次振荡的问题,进行了无人机自主降落于移动平台过程中的速度规划方法研究,提出了一种基于移动平台梯度和风险权重的自主降落速度规划方法。仿真实验表明,与Fast-perching降落方法相比,所提方法减少了过激的加速、减速和振荡次数,避免了反向飞行,且降落时间效率提高了30.76%,水平方向降落效率提高了26.47%,垂直方向降落效率提高了37.5%,为无人机自主降落到移动平台速度规划问题提供了一种有效的解决方案,具有一定的工程实用价值。     

基于FIR滤波的拐角精确插补算法

刀具轨迹一般是由一系列直线（G01）或圆弧(G02)组成，为了实现路径之间的平滑转接和精确过渡，课题组提出了基于有限脉冲响应（FIR）的连续拐角精确插补算法。该算法利用FIR滤波器对速度脉冲进行滤波，生成刀具的拐角轨迹，通过调节滤波器重叠时间，精确控制拐角轮廓误差，利用过滤后脉冲生成加速度曲线的频谱，加速度曲线可以避免不必要的残余振动。通过实验与传统点对点（p2p）插补算法进行对比，课题组提出的算法加工时间减少了14.6%，加工效率明显提高。     

面向工业机器人的位姿同步加减速算法

为满足工业机器人在执行笛卡尔空间下的连续轨迹控制指令时,机器人末端执行器位置轨迹和姿态轨迹光滑连续且同步规划的要求,提出一种面向工业机器人的位姿同步加减速算法。从正弦波加速度曲线加减速控制方法出发,采用最佳平方逼近法,求出了具有光滑连续曲线的加速度-时间、速度-时间和位移-时间函数。在所求函数的基础上,按照完全同步控制策略,给出了位置轨迹和姿态轨迹的同步规划处理过程,最终得到位姿同步加减速算法。实验结果表明:相较于非对称S曲线加减速控制方法、带约束S型曲线加减速控制方法和正弦波加速度曲线加减速控制方法,以及本文所提算法的规划运动时间分别缩短了5%、5%、3.2%,时间复杂度分别降低了48.9%、50.5%、16.4%,运动曲线平滑性更好,实现了位置轨迹和姿态轨迹的同步规划处理。     

面向视障人群的障碍物位置与距离的视觉测量方法

针对视障人群与障碍物之间的位置与距离难以检测的问题，课题组提出了基于单目视觉的障碍物检测与定位方法。该方法基于单目视觉系统获取外界环境信息，在三帧差法的基础上对相邻帧差图像进行加法运算，降低了噪声的影响，实现了对正前方和两侧横穿的障碍物的检测与定位；结合单目视觉系统标定，建立了单目测距模型，计算视障者与障碍物之间的距离；根据视障者的行走速度规划防撞预警策略。通过实验验证表明该方法能够有效检测出人行道上的行人障碍物，同时距离障碍物小于8 m时测距误差控制在5%以下，并提示预警措施。课题组的研究在一定程度上解决了视障人群出行安全的问题。     

Spark平台下基于优化BP神经网络模型的接触疲劳剩余寿命预测

针对海量监测数据背景下传统方法难以实现对机械装备/零部件状态的可靠诊断与预测等问题,以自主研发的滚动接触疲劳试验装备为依托,提出了一种Spark平台下基于优化BP神经网络模型的接触疲劳剩余寿命预测方法。引入基于指数衰减的周期性学习率改进BP神经网络优化模型,结合并行化技术构建了Spark平台下基于优化BP神经网络的接触疲劳剩余寿命预测模型。结果表明:基于Spark的优化BP神经网络模型能够实现剩余寿命预测,相比传统BPNN模型和SVR模型,预测精度分别提高了4.67%和9.18%,均方根误差分别降低了0.122和0.708,且模型具有更快的收敛速度。     

基于车联网信息的自动换道方法研究

针对汽车自动换道时未考虑周围车辆运动状态变化以及舒适性差、通行效率低等方面的不足,提出在车联网条件下的自动换道方法。在动态轨迹规划时首先构建提高舒适性和通行效率的综合换道时间和最大加速度的目标函数;然后利用预定义的五次多项式、约束条件以及目标函数求解最优换道轨迹,并根据车联网提供的实时信息参考换道轨迹,实现数据实时更新以在前方出现突发状况时及时反馈给决策单元重新进行规划路径,防止碰撞,使得换道车辆适应周围车辆运动状态变化;最后开展Carsim和Simulink联合仿真以及实车验证。试验结果表明:相较于传统非动态自动换道方法,该方法能解决换道过程中周围车辆车速变化及车辆突然闯入等情况导致的难题,可明显提升换道过程中的安全性。数据分析证明:在保证车辆舒适性、稳定性的同时,换道时间缩短了22. 5%,提高了车辆换道效率。     

基于LabVIEW和单线激光雷达的障碍物识别算法研究

为实现对动态障碍物的检测和跟踪,提出一种基于LabVIEW和单线激光雷达自主动态障碍物的检测方法。通过改进的DBSCAN自适应动态阈值算法对雷达点云进行聚类,使用最近邻算法的思想进行连续两帧雷达点云的数据关联,采用卡尔曼滤波对障碍物轨迹进行跟踪。实验结果表明:在低速驾驶的条件下,该方法能够有效识别车辆前方30 m的移动障碍物并检测其位置和速度。     

一种新型并联机床的最优轨迹规划

提出了一种新型并联机床的最优轨迹规划方法,其过程是在参数空间进行轨迹规划,再将参数空间的运动轨迹映射到关节空间。在轨迹规划中,以雅可比矩阵条件数的倒数作为适应度函数,利用遗传算法优化了并联机床的多余自由度。仿真计算结果表明:最优轨迹规划方法既能给出并联机床加工过程中的灵巧构型,又可使得并联机床获得平稳的运动性能。