空间机器人抓捕目标星碰撞前构型优化

空间双臂机器人抓捕目标星会导致碰撞,针对碰撞引起机器人系统基座姿态变化的问题,提出一种基于粒子群算法的碰撞前构型优化方法。该方法首先给出了碰撞前和碰撞后的动力学模型,然后根据冲量-动量方程推导出碰撞阶段动力学方程,最后提出基于粒子群算法的最优碰撞前构型规划数值方法,使碰撞对机器人系统角动量的影响尽量小。通过计算校验了该方法的有效性,找到了用于空间机器人抓捕目标星的较理想的碰撞前构型。     

机器人在轨构建空间桁架结构的装配序列规划方法

针对机器人在轨构建空间桁架结构的装配序列规划问题,提出一种可同时求解装配单元装配序列与机器人运动的序列规划方法.首先设计了装配机器人并建立了动力学模型;其次,对机器人在整个装配过程中的运动进行了分类并分别给出了规划与控制方法;然后,建立了装配序列规划的评价指标并采用离散粒子群算法求解.最后,以常用空间桁架结构为例,通过...     

基于MSDM方法的粒子-固壁侵蚀效应研究

为研究导弹发射过程中发动机喷出的高温高速粒子对发射装置壁面的冲刷和侵蚀作用,利用MSDM(微尺度动力学模型)方法,建立了粒子对固壁材料的冲刷侵蚀模型,对粒子入射速度、入射角度、粒子尺寸及固壁材料特性等影响侵蚀效应的因素进行了研究,获得了粒子入射条件、固壁材料特性与侵蚀效应的相互关系.用MSDM方法将粒子和固壁离散为具有一定连接关系的微团质点,并利用材料属性和牛顿运动关系确定了微团间的相互作用和运动过程.研究表明,该方法在分析粒子-材料侵蚀方面具有一定效果.     

焊接机器人工作站应用研究

介绍了机器人焊接系统的通用结构,通过对焊接机器人工作站的变位机与工作平台进行研究,设计了具有同步运动控制方式的9自由度机器人系统平台。针对目前机器人示教编程方法中存在精度不稳定、效率低等问题,提出了机器人焊接平台的设计方案与编程系统的解决方案。     

具有容错性的自重构机器人变形原理

自重构机器人通过自主变形来适应环境和任务的需要，它具有低成本、多样性、自修理和容错性等特点。本文针对系统的容错性目标，深入研究了具有容错性的自重构机器人的自组织变形方法。首先建立能够表达失效模块信息的系统结构描述模型；然后建立自重构机器人的模块运动规则；提出可以实现容错性的自组织变形算法。在系统出现失效模块的情况下，机器人依然能够有效完成指定的任务。本文以平面正方形晶格机器人翻越障碍物为例对变形原理和算法进行了验证和仿真。     

激光模拟单粒子效应设备及试验研究进展综述

单粒子效应的脉冲激光模拟方法是单粒子效应地面模拟试验中近年来才发展起来的一种方法。文章主要介绍了脉冲激光模拟单粒子效应的基本原理、特点及国内外研究进展。研究表明脉冲激光模拟是一种有效、安全、经济、方便的地面模拟单粒子效应的方法,在器件单粒子效应危害评估及电路加固验证方面具有明显的优势。     

基于多项式插值的自由漂浮空间机器人轨迹规划粒子群优化算法

针对自由漂浮空间机器人轨迹规划问题,提出一种基于多项式插值与粒子群优化算法相结合的非完整运动规划方法。首先,通过对系统非完整约束条件进行分析,给出了以机械臂关节角耗散能为目标函数的轨迹最优控制算法;并采用高阶多项式插值方法逼近机械臂关节角轨迹,将插值多项式的系数作为优化参数,结合粒子群优化算法对关节角轨迹进行优化求解。最后,对本文提出的轨迹规划算法进行数值仿真。仿真结果表明关节角轨迹平滑连续,保证了关节角速度及关节角加速度在初始和终止状态均为零,从而验证了所提方法的有效性和可行性。     

一种基于光流计算的机器人视觉与行为模型

主动环境探测与准确的行为控制近来已成为机器人领域的重点研究课题，它直接关系到机器人对环境的适应能力，以及能否根据周围环境做出及时、准确的动作规划。该研究背景是月球探测机器人的智能导航，阐述了如何建立机器人视觉与电机行为关系的视觉与行为模型。在此模型中，机器人根据运动所引起的地面图像光流场变化来计算当前机器人运动状态。在实验室环境中，该方法具有运行速度快，工作稳定等特点。这种视觉与行为模型可以用于今后的自主机器人主动目标跟踪和动态避障等实际导航项目中，具有一定的现实意义。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

Petri网在机器人足球系统中的应用

足球机器人系统是一种典型的离散事件动态系统,很难用传统的数学模型表达式来表达。Petri网是一种系统描述和分析工具,由于它本身具有的某些优势,使得它在足球机器人系统中的应用越来越广。论文提出了应用Petri网对该系统建模的方法,利用该方法在对机器人足球比赛充分研究的基础上,建立了其Petri网模型,并通过适当的分析方法对其合理性进行了分析。该建模分析方法不仅适用于足球机器人系统,而且适用于其它离散事件动态系统。     

空间机器人动力学奇异回避的笛卡尔轨迹规划

针对空间机器人动力学奇异的回避问题,提出一种基于组合函数的笛卡尔轨迹规划方法。将梯形规划与正弦函数相结合,对机械臂末端的位姿进行参数化。机械臂沿着某一轨迹运动时,根据阻尼最小方差法(DLS)的特点,提出一种判断是否发生动力学奇异的方法,并据此进行轨迹规划。该方法可以保证空间机械臂运动过程中不会遇到动力学奇异。此外,将基座姿态扰动和机械臂运动时间作为目标函数的一部分,最终,轨迹规划问题转化为多目标优化问题,并利用混合整数规划的混沌粒子群优化算法(CPSO)进行求解。该优化算法能够改善标准粒子群算法(PSO)的“早熟”现象。仿真结果表明,新方法能够有效处理动力学奇异问题,减小基座姿态扰动及运动时间。     

基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。     

Time-optimal trajectory planning for underactuated spacecraft using a hybrid particle swarm optimization algorithm

A hybrid algorithm combining particle swarm optimization (PSO) algorithm with the Legendre pseudospectral method (LPM) is proposed for solving time-optimal trajectory planning problem of underactuated spacecrafts. At the beginning phase of the searching process, an initialization generator is constructed by the PSO algorithm due to its strong global searching ability and robustness to random initial values, however, PSO algorithm has a disadvantage that its convergence rate around the global optimum is slow. Then, when the change in fitness function is smaller than a predefined value, the searching algorithm is switched to the LPM to accelerate the searching process. Thus, with the obtained solutions by the PSO algorithm as a set of proper initial guesses, the hybrid algorithm can find a global optimum more quickly and accurately. 200 Monte Carlo simulations results demonstrate that the proposed hybrid PSO–LPM algorithm has greater advantages in terms of global searching capability and convergence rate than both single PSO algorithm and LPM algorithm. Moreover, the PSO–LPM algorithm is also robust to random initial values.     

分布式卫星系统在轨操作的多目标分配

针对空间在轨操作目标分配问题,以分布式卫星系统为研究对象,提出了一种基于粒子群算法的在轨操作多目标分配方法。以分布式卫星机动所消耗的总能量最省为目标函数,建立了在轨操作多目标分配的数学模型。基于固定时间拦截理论,以机动时刻和对应的速度增量作表征,设计实现了单颗卫星最优机动方案。通过合理设计粒子位置与目标分配解的对应关系,采用粒子群算法对问题进行了求解,并详细阐述了算法的实现步骤。算例分析结果表明,建立的模型和算法能够快速得到正确的可行解,可有效解决多约束条件下空间在轨操作的多目标分配问题。     

Particle swarm optimization applied to impulsive orbital transfers

The particle swarm optimization (PSO) technique is a population-based stochastic method developed in recent years and successfully applied in several fields of research. It mimics the unpredictable motion of bird flocks while searching for food, with the intent of determining the optimal values of the unknown parameters of the problem under consideration. At the end of the process, the best particle (i.e. the best solution with reference to the objective function) is expected to contain the globally optimal values of the unknown parameters. The central idea underlying the method is contained in the formula for velocity updating. This formula includes three terms with stochastic weights. This research applies the particle swarm optimization algorithm to the problem of optimizing impulsive orbital transfers. More specifically, the following problems are considered and solved with the PSO algorithm: (i) determination of the globally optimal two- and three-impulse transfer trajectories between two coplanar circular orbits; (ii) determination of the optimal transfer between two coplanar, elliptic orbits with arbitrary orientation; (iii) determination of the optimal two-impulse transfer between two circular, non-coplanar orbits; (iv) determination of the globally optimal two-impulse transfer between two non-coplanar elliptic orbits. Despite its intuitiveness and simplicity, the particle swarm optimization method proves to be capable of effectively solving the orbital transfer problems of interest with great numerical accuracy.     

卫星数传调度问题的速度可控粒子群优化算法

针对卫星数传调度这一类复杂的约束组合优化问题,提出了一种速度方向和尺度可控的粒子群优化求解算法。为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度迭代策略,实现了算法运行过程中粒子间吸引和排斥过程的动态调整,同时保证了算法的收敛速度。设计了卫星数传调度问题的编码和解码方式,并证明了该编码方式下最优可行解的存在性。通过仿真实例验证了算法的有效性,并分析了算法控制参数对优化结果的影响。     

GA-PSO组合算法模型修正

文章在遗传算法（GA）和粒子群算法（PSO）的基础上,介绍了GA-PSO组合算法的流程和模态修正适应度函数的确定,并利用该算法对一个5层钢架结构模型进行修正,证实了该算法能有效修正模型。该算法能在前期利用GA算法进行高效全局搜索,后期利用PSO算法进行细致局部搜索,与单独使用PSO算法和GA算法相比,该组合算法修正效率和精度更高。     

立方星电源系统最大功率点跟踪优化控制方法

针对立方星在能量来源严重受限条件下如何提高太阳能利用率的难题,提出一种适用于立方星的集中供电式空间微电源架构(EPS),并设计基于改进粒子群优化算法的最大功率点跟踪(MPPT)控制策略来提升能量转换效率。首先,推导太阳电池阵列的数学模型,并根据太阳电池阵列的工作特性,提出电源系统最大功率点跟踪控制的物理系统实现结构。其次,设计基于改进粒子群优化(PSO)的最大功率点跟踪控制算法,并进行了数学仿真校验。最后,对所设计的电源系统架构进行了硬件实现和试验验证。地面试验结果表明,电源系统的太阳能最大转换效率可达95.5%。该电源系统成功应用于世界首颗12U立方星“翱翔之星”的飞行试验,在轨数据表明电源系统工作状态良好,为微纳卫星电源系统的设计提供了有益参考。     

基于粒子群优化算法的整星有限元模型修正方法

文章介绍了一种基于粒子群优化算法的整星有限元模型修正方法,首先对整星进行了有限元建模和模态分析,并将试验和分析结果进行了相关性分析,然后引入粒子群优化算法对整星有限元模型进行修正,提高了模型分析和预示精度,为整星级有限元模型修正提供了一种新的手段。     

双轮驱动式移动机器人动力学控制

双轮驱动式移动机器人是由一个移动平台和两个独立驱动的驱动轮组成的,本文提出了双轮驱动式移动机器人的动力学控制算法.首先推导出双轮驱动式移动机器人的运动学模型,其次推导出双轮驱动式移动机器人的动力学模型,并给出基于该模型的动力学控制算法,最后用计算机仿真实验验证了该算法的正确性.仿真实验结果表明,利用该算法可以通过控制机器人两个驱动轮的驱动力矩来实现控制机器人按给定的轨迹运动,同时也能实现机器人方向角的改变.该算法很好地解决了双轮驱动式移动机器人系统的动力学控制问题.