论文部分内容阅读
机器人在工业打磨、喷涂和装配上具有很大优势,为提高其感知环境力的能力,在六自由度研磨机器人末端安装六维力传感器。在分析了力控基本原理后,提出一种基于粒子群寻优的自适应阻抗控制算法,与遗传算法寻优和整定法相比,该算法提高了控制系统的力跟踪速度和位置控制精度。
基于粒子群算法寻优的机器人自适应阻抗力控制
【摘 要】
：
机器人在工业打磨、喷涂和装配上具有很大优势,为提高其感知环境力的能力,在六自由度研磨机器人末端安装六维力传感器。在分析了力控基本原理后,提出一种基于粒子群寻优的自适应阻抗控制算法,与遗传算法寻优和整定法相比,该算法提高了控制系统的力跟踪速度和位置控制精度。
【机 构】
：
南京工业大学机械与动力工程学院,南京工大数控科技有限公司
【出 处】
：
计算机应用与软件
【发表日期】
：
2021年10期
【基金项目】
：
国家自然科学基金项目(51635003),江苏省科技成果转化专项资金项目(BA2017099)。
其他文献
SDPBloom算法减小了基于简单发现协议的自动发现算法SDP_ADA的网络数据传输量和内存消耗,但在自动发现过程中存在哈希运算量大的问题,导致参与者端点之间发布/订阅消息的时间过长。为解决这一问题,在简单发现协议的基础上,提出一种基于单哈希多维布隆过滤器的自动发现算法SDP_OMBF。该算法将单哈希多维布隆过滤器向量(OMBF)用于参与者端点信息的匹配。实验结果表明,该算法提高了数据分发服务(D
分布式学习是减轻现代机器学习系统中不断增加的数据和模型规模压力的有效工具之一。DANE算法是一种近似牛顿方法,已被广泛应用于通信高效的分布式机器学习。其具有收敛速度快且无须计算Hessian矩阵逆的优点,从而可以在高维情况下显著减少通信和计算开销。为了进一步提高计算效率,就需要研究如何加快DANE的局部优化。选择使用最流行的自适应梯度优化算法Adam取代常用的随机梯度下降法来求解DANE的局部单机
针对各个地区的实际情况进行道路、交通等不同点应选择更加适合的快速路设计形式,基于此,介绍了城市快速路的定义、特点及设计要点,分析了城市快速路的系统设计、空间设计思路,并提出了城市快速路设计的逻辑关系分析方法.
顶点数较少的3D模型本身细节不够丰富,浅浮雕建模生成的浮雕效果较差。针对低分辨率3D模型本身细节不够丰富的问题,引入深度学习的方法对3D模型生成的法向图做超分辨率放大,设计出一种基于法向图的超分辨率卷积神经网络,丰富低分辨率法向图的细节,网络的输入是低分辨率3D模型的法向图,输出是高分辨率法向图。实验结果表明:该算法可以有效提升低分辨率法向图的细节,显著提升低分辨率3D模型的浅浮雕建模质量。
为了更准确地构建非刚体三维网格模型之间的形状对应关系,提出一种改进的热核特征分析与研究三维网格模型之间的局部对应关系。该方法利用压缩流形模式压缩三维网格模型的特征函数,截取局部顶点;利用乘法器交替方向(ADMM)优化计算三维网格的压缩流形基替换传统的离散化拉普拉斯-贝尔特拉米算子以改进热核特征;选取相同的压缩部位进行局部的对应匹配。实验结果表明,基于改进的热核特征与传统的离散化热核特征相比有更加突
为提高公路路网管理与应急处置能力,回顾了二广中连州至怀集公路项目交通情况调查站的系统整体布局、站点布设方案和数据传输方案.通过分析可知,从系统整体布局来看,广东省交调数据中心是数据汇集中心,也是统一出口,高效实现了数据共享.从站点布设方案来看,列出了13条应设站点的原则,反映出不同层级用户关注的重点区域、通道和路段交通情况.从数据传输方案来看,设备安装方便、建设成本低、周期短、数据传输高效可靠.应用交通情况调查采集系统,可以有效改善公路路网管理与应急处置能力,值得进行推广.
针对传统数据分析方法对高维数据进行聚类分析时存在的操作过程繁琐及准确率低等缺陷,提出基于曲线距离分析的嵌入式增强聚类算法(ECE-CDA)。计算高维空间中数据点之间的成对曲线距离并由聚类引导将其映射到低维空间,构造权重函数保持局部拓扑结构不变性。该算法简化了数据分析过程,同时实现降维和聚类,可作为通用的高精度框架。在12个公共数据集上的实验结果表明,该算法能有效进行数据降维并大幅提高模型的聚类精度
为了提高社交网络中用户影响力识别的准确率,提出一种基于灰狼优化算法的社交网络影响力检测算法。该算法考虑邻居节点和非邻居节点来决定用户间的相似性,并且设计迭代合并的自适应社区检测算法,无需社区数量等先验信息。在用户影响力的识别过程中,采用灰狼优化算法寻找影响力最高的用户,并为灰狼优化算法补充两个变异算子,增加种群的多样性。基于真实数据的实验结果表明,该算法的局部影响力识别准确率和全局影响力识别准确率
为解决异质信息网络社区发现问题,提出一种基于超图和K-means改进的算法。引入超图对异质网络进行建模,通过DeepWalk的深度随机游走产生节点序列,利用Skip-gram模型将网络节点序列映射到一个低维的向量空间,通过节点向量间距离进行聚类完成社区发现。针对传统K-means在初始聚类中心选择的敏感性问题,提出一种基于密度基尼系数的聚类中心选取方法。在两个真实数据集上进行了实验,实验结果表明,
与批量RNA测序数据相比,单细胞RNA测序数据提供了单个细胞层面粒度的信息,能够揭示细胞之间的异质性。稀有类型细胞检测作为其重要的数据下游分析之一,具有显著的生物意义。针对现有算法时间复杂度高、精确度较低等问题,提出一种新的稀有类型细胞检测算法。该算法通过多轮快速随机划分,对每个细胞的稀有程度进行打分,然后将结果基于最近邻算法进行调整,最终预测出稀有类型细胞。在有标签的单细胞RNA测序数据集上的结