差分粒子群算法在PUMA机器人逆运动学求解中的应用

传统逆运动学求解主要从逆运动学方程出发,基于一定的数学理论推导,不能完全实现计算机程序化,且精度与计算效率较低;为改善这一缺陷,基于机器人正向运动学方程,借助MATLAB工具,使用蒙特卡洛法仿真分析出PUMA560机器人的工作空间,任取一点末端执行器位姿作为逆运动学求解的已知位姿矩阵T,结合差分粒子群仿生智能算法作为逆运动学求解的主要理论算法。将计算出的旋转关节变量[θ1~θ6]代入正运动学方程,得出末端位姿矩阵[T];通过计算分析T与[T]相关角度误差,两矩阵所对应的位置向量与姿态向量误差精度为0.001数量级,完全满足目前机器人定位要求。基于差分粒子群理论的机器人逆运动学求解方法计算收敛速度更快,能高度实现计算机程序化,误差精度高,提高计算效率。     

《液气压传动与控制》课程体系改革的探索和实践

随着液气压传动在现代工业中的应用越来越广泛,《液气压传动与控制》课程在教学中的地位也愈发重要。但由于该课程的知识体系较为独立,理论分析和计算较多、元件种类繁杂、概念抽象难懂,学生普遍反映难学。本文从《液气压传动与控制》课程教学入手,根据当代大学生的人文特征和个性特点,结合学生就业需求和社会人才需求,探索兴趣型和需求型相结合的课程教学方法,探索以启发、引导、探究、互动为主的多层次教学模式,在搭建"工程应用型"的课程内容结构、在有限时间内扩大实践教学环节等诸多方面提出教学改革设想,并进行了实践探索,有效地避免了学生读死书,死读书的现象,为提高该门课程的教学效果提供有益参考。     

基于K-means聚类的磁瓦缺陷图像分割方法

为了实现磁瓦图像中缺陷的准确检测,以分割磁瓦端面崩块缺陷为目的提出一种基于K-means聚类的分割方法。磁瓦图像采集的关键技术是光源选用,分析传统的磁瓦图像分割方法——阈值分割,并以迭代选择阈值算法作为对比算法进行介绍;着重剖析K-means算法的基本聚类原理,并引出其算法实现流程。采用两种算法对磁瓦端面图像进行分割。结果表明,基于K-means聚类算法对磁瓦图像进行分割,能够正确分割出磁瓦端面的崩块缺陷。