【摘 要】
:
利用三维设计软件设计四足机器人的整机结构。对四足机器人进行了数学建模和数学计算,利用公式计算了运动学的正解和逆解,用MATLAB进行了仿真验证对比。对机器人基于对角步态和三角步态进行步态规划,推导和计算了四足机器人四条腿各个关节的转动角度。利用ADAMS进行了步态的仿真,仿真结果符合预期设计。计算和仿真结果为物理样机的制作提供了数据支撑,有助于缩短研发周期,提升研发效率。
【基金项目】
:
广东省普通高校青年创新人才项目(2019KQNCX212),华南理工大学广州学院优秀骨干教师项目(52-CQ18YG22,52-YG180020)。
论文部分内容阅读
利用三维设计软件设计四足机器人的整机结构。对四足机器人进行了数学建模和数学计算,利用公式计算了运动学的正解和逆解,用MATLAB进行了仿真验证对比。对机器人基于对角步态和三角步态进行步态规划,推导和计算了四足机器人四条腿各个关节的转动角度。利用ADAMS进行了步态的仿真,仿真结果符合预期设计。计算和仿真结果为物理样机的制作提供了数据支撑,有助于缩短研发周期,提升研发效率。
其他文献
以芝麻多肽和精炼芝麻油为原料,利用美拉德生香源反应制备浓香芝麻油,研究不同水解度的芝麻多肽对浓香芝麻油感官综合评分的影响,采用高效液相色谱对浓香芝麻油感官综合评分最高的芝麻多肽进行相对分子质量分布分析,并对该芝麻多肽膜分离纯化工艺进行优化。结果表明:水解度为20%的芝麻多肽制备的浓香芝麻油感官综合得分最高,可达5.4分;水解度为20%的芝麻多肽中1 000 Da以下的芝麻多肽占83.33%,对美拉德生香源反应的影响最大;芝麻多肽最佳膜分离纯化工艺条件为酶解液pH 8.0、膜分离压力0.32 MPa、膜分离
以3种分子筛(HZSM-5、Hbeta、HY)负载镍作为催化剂用于催化微藻油脂制备航空煤油范围正构烷烃和芳烃.通过X射线衍射(XRD)鉴定了Ni/HZSM-5、Ni/Hbeta、Ni/HY催化剂的物相,以氢
为了建立一种准确性高、成本低的植物油中苯并(a)芘测定的样品前处理方法,基于GB 5009.7—2016以自制氧化铝柱为固相萃取柱,采用单因素试验对称样量、洗脱剂量、洗脱流速、吸附剂存放时间、吸附剂量这5个影响植物油中苯并(a)芘洗脱的因素进行研究,优化前处理条件,并对测定方法进行考察。结果表明:优化的前处理条件为称样量0.100 0 g、洗脱剂量120 mL、吸附剂(氧化铝)量22 g、洗脱流速1滴/2 s、吸附剂存放时间少于12周;方法检出限为0.2μg/L,样品加标回收率为94.23%~100.00
采用静高压联合碱性蛋白酶对米糠蛋白进行改性。考察静压力、保压时间对米糠蛋白溶解性的影响,优化静高压改性条件。以米糠蛋白溶解性、乳化性和乳化稳定性为指标,通过单因素试验和正交试验综合评分法优化了酶法改性工艺。结果表明,米糠蛋白最适改性条件为静压力200 MPa、保压时间15 min、碱性蛋白酶添加量1 500 U/g、pH 8、酶解温度50℃和酶解时间80 min,在此条件下米糠蛋白溶解性、乳化性、乳化稳定性、起泡性和泡沫稳定性分别增加了57%、88%、182%、185%、43%。
针对当前铸管承口尺寸测量自动化程度低、精度差等问题,研究了一种以机器人为平台,激光位移传感器为测量工具的自动测量系统。该系统采用改进的最小二乘拟合算法,对承口尺寸进行测量。通过分析测量系统产生误差的原因,增加机器人旋转中心预调整功能,保证测量设备与铸管的同轴度。系统以某型铸管作为验证对象,完成对承口尺寸的自动测量,采用预调整后,测量误差由1.25 mm降低至0.5 mm,验证了该系统的可行性与有效
针对测量数据野值难以快速剔除的难题,提出了一种新型的局部化处理模型。分析了测量数据野值特性,研究了一阶差分野值识别算法并应用到平稳信号的野值处理,改进了均方误差野值识别算法并应用到非平稳信号的野值处理。实验结果表明,研究的模型与算法可以实现数据野值的自动判别与快速修补,有效提高数据处理效率。
在火腿肠中分别以不同油凝胶部分替代动物脂肪,对其质构、保水性、流变特性、色泽、pH、乳化稳定性以及感官品质进行测定,评价油凝胶对火腿肠品质的影响,以得到更适合添加在火腿肠中的油凝胶。结果表明:在50%的脂肪替代量下,火腿肠硬度值显著下降,其中乙基纤维素油凝胶处理组具有最高的硬度值,但与对照组相比,其硬度下降49.60%;单甘酯油凝胶处理组保水性最弱,除单甘酯、单甘酯/β-谷甾醇油凝胶处理组外,其他油凝胶处理组保水性与对照组无显著差异;单甘酯/β-谷甾醇油凝胶处理组降低了样品的黄度值,其他油凝胶处理组提高了
为数控机床在线检测中预行程误差影响测量精度问题,对预行程误差的补偿方法进行了研究。在分析了在线检测系统中触测探针触发过程存在的预行程误差问题,提出了一种基于最小二乘配置法的预行程误差预测模型。并通过实际算例,验证了所提出的方法的精确性和有效性。同时与RBF神经网络模型的预测结果进行了对比分析。结果表明,最小二乘配置模型拟合残差较小,相应的在线检测预行程误差模型预测效果更好,预测精度相比高出38.86%。
动态窗口法(Dynamic Window Approach,DWA)是一种移动机器人速度采样的局部避障算法,基于DWA算法的移动机器人避障存在时间长以及在密集障碍物区无法选择最佳路径的缺点。基于此,提出一种改进的DWA算法,对移动机器人避障效果进行优化。首先根据单线激光雷达观测到的障碍物的方位信息以及设计的计算准则确定较优方位角范围,然后选取出较优方位角范围内的轨迹,最后对这些轨迹进行评价,确定最优轨迹对应的执行速度。MATLAB仿真结果表明:改进的DWA避障算法不仅能够使机器人以合理的运行轨迹选择较优角
为提高对运动目标的有效追踪,同时有效避免传统差分算法对目标有效边缘造成的"空洞"破坏,提出了一种改进型目标边缘差分算法。一方面,通过引入一种基于INMF的目标跟踪算法以完成对目标区域的动态捕捉和分割;另一方面,对目标图像的边缘处理进行Canny灰度值特征提取,通过一种改进型边缘帧差分算法完成对分割区域内目标对象的边缘运动识别。最后,将该算法同传统几种典型的跟踪识别算法进行实验验证。结果表明:在目标