【摘 要】
：
为了适应越来越复杂的非结构化环境,设计了一种基于球铰链连接和柔性支撑杆结合的线驱动连续型机械臂,并基于常曲率模型的假设建立连续型机器人的运动学模型,研究连续型机器
【机 构】
：
中国民航大学 机器人研究所,天津 300300
论文部分内容阅读
为了适应越来越复杂的非结构化环境,设计了一种基于球铰链连接和柔性支撑杆结合的线驱动连续型机械臂,并基于常曲率模型的假设建立连续型机器人的运动学模型,研究连续型机器人驱动映射关系,利用MATLAB进行运动学和驱动映射的仿真,仿真结果表明连续型机器人的空间优越性.搭建三关节连续型机器人样机平台,基于连续型机器人的特点设计末端关节跟随手柄操作模式,并在样机平台上实验验证,实验结果表明了运动学模型和驱动映射关系的合理性和正确性以及操控方式的可行性.
其他文献
Adam是目前深度神经网络训练中广泛采用的一种优化算法框架,同时使用了自适应步长和动量技巧,克服了SGD的一些固有缺陷.但即使对于凸优化问题,目前Adam也只是在线学习框架下
由于传统的农业业务系统设计独立,数据孤岛问题显著,已开始影响业务的办理效率和数据价值的应用,限制了农业智能化发展.通过对安徽省农业业务系统和数据趋势研究,应用数字化
摘 要：在中學解物理习题时，学生往往觉得难于入手，这与题中的隐含条件有关。有些解题的必要条件，题中并未明确给出，而是隐含在字里行间。如果找出这些隐含条件，利用隐含条件对题目进行梳理，就能快捷地进入解题状态。充分挖掘隐含条件、明确题目要求、采用合适的方法是解决这类题的关键。 关键词：中学物理习题；隐含条件；挖掘；方法 一、引言 在很多高中物理习题中，或多或少都有一些条件隐含在字里行间。如果
针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-andexcitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交