自适应变异麻雀搜索优化算法

针对麻雀搜索算法前期易陷入局部极值点、后期寻优精度不高等问题，提出一种自适应变异麻雀搜索算法（AMSSA）。先通过猫映射混沌序列初始化种群，增强初始种群的随机性、遍历性，提高算法的全局搜索能力；再引入柯西变异和Tent混沌扰动，拓展局部搜索能力，使陷入局部极值点的个体跳出限制继续搜索；最后，提出探索者-跟随者数量自适应调整策略，利用各阶段探索者和跟随者数量的改变增强算法前期的全局搜索能力和后期的局部深度挖掘能力，提高算法的寻优精度。选取16个基准函数和Wilcoxon检验进行验证，实验结果表明：所提算法与其他算法相比，寻优精度、收敛速度和稳定性都取得较大提升。     

机器人多维力传感器的研究进展

机器人多维力传感器是机器人与人和外界环境交互的重要部件。力感知技术作为机器人的四大关键技术之一,在抓取、打磨、装配以及健康医疗等领域得到了广泛应用。本文针对机器人多维力传感器当前的研究进展情况进行了概述。首先对几种常用的多维力传感器的研究现状进行了简单地介绍。然后介绍了几种典型的弹性体结构和改进的弹性体结构。此外,对多维力传感器的标定方法进行了总结,并对标定中存在的问题进行了讨论。由于维间耦合是影响传感器精度的关键因素,且广泛存在于各种结构的多维力传感器中,所以减小或消除维间耦合成为多维力传感器研究中的一个不可或缺的内容,因此本文对多维力传感器的解耦方法进行了综述。在动态力信号测量场合,需要动态性能好的多维力传感器,因此本文还给出了多维力传感器动态性能补偿的一般方法,并分析了运动中的机器人多维力传感器存在的惯性力问题及一般的解决方法。最后,本文对多维力传感器技术的未来发展趋势提出了新思路,并指出了未来需要解决的问题。