六自由度装配机械手设计及运动学求解

结合对自动化装配线的应用对象,选定了机械手所要实现的功能。首先,给出了装配机械手的总体方案,总体方案包括机械手本体组成和自由度的分配。确定了机械手各杆臂长度以及各关节的转角范围。其次,对六自由度机械手具体结构进行了建模、虚拟装配,并对部分关键零件进行强度校核。然后,建立了六自由度机械手的运动模型,利用D-H参数法建立了运动模型的各个关节的坐标,并确定各关节的D-H参数,利用Matlab软件对机械手的运动学正解、逆解进行了计算与验算,结果表明了所建立模型的正确性与合理性。其设计理念对以后关节型工业机械手的设计有一定的参考和应用价值。     

神经网络在过程建模中的应用

阐述了神经网络用于过程建模目前存在的问题，提出了改进的方法，并将此应用到了大型炼油厂脱蜡过程的建模中。通过比较改进前后的ＢＰ算法仿真结果可以看出，改进后的算法在网络的训练收敛速度上有了较大提高。     

二自由度平面机械手的模糊建模与模糊控制

本文以二自由度平面机械手为例，尝试用线性系统理论和模糊控制理论解决非线性系统问题。要点是：把一个整体非线性动力学模型看成是多个局部线性模型的模糊逼近；把整个非线性系统的控制看成是多个局部线性系统控制的模糊逼近。这种方法称为并行分配补偿法。本文建立了二自由度平面机械手的模糊模型并在此基础上用并行分配补偿法对系统进行了综合，最后用仿真进行了验证，证明了并行分配补偿法的成功和所建模型的合理性。     

识别平面运动链自由度类型的有效方法

本文对平面运动链的三种自由度类型（即分离自由度、部分自由度和总体自由度）进行了详尽研究，重新宣言了分离自由度，并给出识别这三种自由度类型的一种简便有效的方法。     

平面机构自由度计算中常见错误分析

机构的自由度就是机构所具有的独立运动的参数的数目。机构的自由度必定与原动件数目相等。在应用机构的自由度计算公式时,常常会发生许多共同性的错误问题,在教学实践中笔者总结了几条经验,对以下几种常见错误情况加以分析。     

基于SolidWorks的机械手三维建模设计

本文在上料机械手设计与研究的基础上,具体进行了机械手三维设计。完成基于SolidWorks的机械手各零部件三维建模设计,并将各三维零部件进行装配。设计结果表明该设计可大大提高设计效率,收到良好效果。     

计算平面机构自由度的查杆法

本文根据机构的组成原理，提出一种计算平面机构自由新方法－查杆法。该方法只需查出机构中的构件总数就可确定出机构的自由度。     

基于模糊控制器的单级平面倒立摆的实时控制

针对一个单级平面倒立摆系统,建立了相应的数学模型;进行了稳定性、能控性与能观性分析。分别设计了变量融合模糊控制策略和模糊PID复合控制策略。应用所设计的控制器对该倒立摆系统分别进行了系统仿真与实时控制实验。证明了两种模糊控制器均可以保证倒立摆系统具有良好的控制精度,特别是模糊PID复合控制器使系统具备了较强的抗外部干扰能力。     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

基于BP神经网络的织物折皱等级评定

采用改进的BP神经网络客观评定织物的折皱等级，网络结构为3层结构，输入样本数据经BP神经网络学习训练后，很快达到较小的误差收敛，从而确保评价的准确性和可靠性。     

非线性时间序列预测的BP神经网络方法及应用

针对在非线性时间序列的BP神经网络建模预测的基本方法中,存在的建模速度慢,计算较复杂等问题,提出一种改进的BP神经网络动态建模与预测方法,并运用该方法对一非线性时间序列进行了仿真,仿真结果表明此方法的实际应用效果较好。     

基于神经网络的压缩感知观测序列建模

首先阐述了信号处理的热点———压缩感知技术的基本理论框架,并且分析了压缩感知中观测序列的相关特性,接着将BP神经网络应用于非线性时间序列建模与预测中,相应地提出了加入观测序列建模预测后的CS理论框架,基于此框架,给出了实验仿真的结果,得出结论:利用神经网络对压缩感知观测序列进行建模预测可以进一步减少观测序列的传输量,并且具有很高的预测精度。     

中厚板轧制平面形状神经网络预报

通过神经网络的建模，利用实验数据对其进行训练，得到较回归数学模型精度更高的钢板平面形状外形曲线，若用MAS法控制平面形状的外形曲线，其精度更高。     

SCARA型机械臂的智能神经网络控制研究

在传统机械臂动态控制基础上,将RBF神经网络与模糊逻辑控制相结合,提出一种新的智能控制方法——RBF模糊神经网络控制方法。该方法使用两个子网络分别对关节1和关节2实施控制,最后通过协调级网络来消除和减小两个关节之间的耦合作用。以仿真实验结果说明该网络结构简单明确,计算更加有效,并通过适时地修正网络参数,在线调整了模糊隶属函数的中心值和宽度,所设计的控制器能快速、稳定地跟踪到期望轨迹。     

基于回归神经网络的复杂工业对象的建模

讨论一种动态神经网络－Ｅｌｍａｎ回归神经网络的结构和算法,基于这一网络结构提出了非线性时变工业对象－直流电弧的神经网络建模方法,并与用其他方法为对象建立的模型进行了比较。     

应用BP网络预测混凝土中的钢筋锈蚀量

通过建立BP网络模型对钢筋的锈蚀量进行计算和预测,并与目前常用的鉴别和检测方法相比较,结果表明建立BP网络是一种可以定量分析、简便易行的预测方法．     

人工神经元网络在辊道窑炉温度过程建模中的应用

研究了应用ＢＰ网络在辊道窑炉温度过程中建立数学模型的方法．所研究的辊道窑炉的烧成段有八个区，靠燃料阀门开度调节温度．选取三层网络，辊道窑炉烧成段各区的燃料阀门开度作为网络的输入，各区的温度作为网络的输出，隐层节点数取１０，建立温度过程数学模型．通过计算机仿真计算和实测温度曲线比较，满足误差范围要求．证明人工神经网络建立的数学模型能较准确计算辊道窑炉参数，为实现辊道窑炉生产过程的优化研究奠定了基础     

PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用

针对BP优化PID神经网络（BP-PDNN）易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中.利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率.采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制.仿真结果表明,MSCOA-PIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN.     

两种改进的BP神经网络学习算法

借鉴计算机网络拥塞控制中的"慢启动"策略,针对传统BP算法中存在的收敛速度慢与精度不高的不足提出了两种改进的变学习率学习算法,仿真结果表明改进的BP算法与自适应附加动量BP算法性能相近,其学习的收敛速度与精度优于传统的BP算法.