【摘 要】
：
爬行机器人的足端轨迹规划是一个复杂多维难求解的问题,为此,提出一种自适应步长果蝇算法(ASFOA)并用于该问题的求解。ASFOA变果蝇算法(FOA)中的固定步长为自适应步长,增强了算法跳出局部最优和全局寻优的能力。典型测试函数的仿真结果表明了ASFOA相比于FOA的优势;在爬行机器人足端轨迹规划的实际应用中,同样是ASFOA获得了比FOA更好的结果。仿真测试和实际应用均验证了该方法具有一定的优势。
【机 构】
：
湖南城市学院机械与电气工程学院,中南大学自动化学院
【基金项目】
：
国家自然科学基金资助项目(61773403)。
论文部分内容阅读
爬行机器人的足端轨迹规划是一个复杂多维难求解的问题,为此,提出一种自适应步长果蝇算法(ASFOA)并用于该问题的求解。ASFOA变果蝇算法(FOA)中的固定步长为自适应步长,增强了算法跳出局部最优和全局寻优的能力。典型测试函数的仿真结果表明了ASFOA相比于FOA的优势;在爬行机器人足端轨迹规划的实际应用中,同样是ASFOA获得了比FOA更好的结果。仿真测试和实际应用均验证了该方法具有一定的优势。
其他文献
本研究旨在分析辽宁省大众滑雪场发展动力因素,拟构建科学合理的、符合我省实际情况的大众滑雪场发展动力机制理论框架,能够进一步丰富和完善我省大众滑雪场发展理论,为促进我省大众滑雪场高效迅速发展提供有益借鉴。
1946年6月，由12个人民团体推选代表组成上海人民呼吁和平入京请愿团，赴南京向国民党政府请愿。图为上海群众欢送请愿团。 在上海周公馆展厅内，一张名片被旋转圆盘托起。走近看，名片正面中间竖排着“邓颖超”3个繁体字，周围和背面写满了密密麻麻的小字，字迹饱满有力。 这是1946年7月18日，邓颖超在上海再次探望“六二三”请愿受伤代表雷洁琼时，因未晤面而留下的一张名片。作为那个特殊历史时期的小物件，
(2021年第21期)“碳水”——老一代很难想象,如今不少减肥人士就这么直指核心、统一称呼包括米饭在内的主食为“碳水”。他们不仅将口感各异、品种完全不同的主食们简化成了它们最基本的构成,还懒得把“碳水化合物”五个字说齐全,似乎缩略成“碳水”听起来更有气势,可以显示出对主食们的轻视甚至敌视。仿佛如此居高临下,就能瘦掉几斤。
2021年1月28日,著名天文学家、中国射电天文学开创者王绶琯院士辞世,享年98岁。为天文事业奋斗了70年,这位爱着星星的老人,最终化为了夜空中那颗最亮的星。边工作边育人新中国成立初期,我国的天文人才队伍亟待“招兵买马”。
近日,讯飞输入法、搜狗输入法、QQ输入法等五大输入法在多个应用商店遭遇下架。科大讯飞股价一度逼近跌停,讯飞对媒体承认:是按国家网信办关于个人信息收集违规问题通报的整改要求,被应用商店下架。啊,原来浓眉大眼、人畜无害的手机底层设施——输入法,也干出了侵犯用户隐私的事情。
在社会快速发展进程中,农业生产领域与机电一体化技术建立了紧密的联系,初步实现了农机设备的智能化,在提高农业生产效率的同时,减轻了农户劳作负担。基于此,文章以农业机械为对象,阐述了农业机械与机电一体化技术融合的内涵、意义,并对农业机械与机电一体化技术融合的现状、趋势进行了进一步探究。
情不知所起，一往而深。 記忆来到1945年的秋天，抗战胜利后的上海美琪大戏院。蓄须明志多年未曾登台的京昆艺术大师梅兰芳带着万众期盼，回到心爱的戏曲舞台，与著名昆剧表演艺术家俞振飞先生连演几天昆曲，从《游园惊梦》到《断桥》，丝竹管弦，水磨声声，一时间，万人空巷，票价最高竟要炒到一根“小黄鱼”（金条）换一张的盛况。而就在氍毹间的流连婉转之处，那悠扬的笛声，竟不自觉地进入了一位八岁孩童敏感、细腻且多情
为解决社区、学校等人员密集场所发生火灾时,大型消防车因道路狭窄、交通拥堵等原因无法及时抵达火灾现场以及消防栓个数不足的问题,设计出一种具有多个喷射水枪的微型智能消防车。首先结合模块化理念进行微型智能消防车的结构和功能设计;然后利用Lame公式对转换水箱管道作理论计算,Ansys Workbench对简化三维模型进行静力学分析,比对理论计算与仿真数据。最后通过比较不同结构和材料在不同压力工况下转换水箱的仿真结果,得出最优设计方案。结果表明:转换水箱管道的理论计算与仿真结果基本一致,应选择肋板式结构和光敏树脂
传统的三相电压型PWM整流器一般多采用双闭环控制,即电压外环控制和电流内环控制,控制环节均采用PI算法。但因为PI算法典型的滞后特性,使得双闭环控制的动态响应性能较差,抗干扰能力不强。为了解决这一问题,文章提出了一种用滑模控制算法来代替电压外环的PI算法的新的控制算法。通过MATLAB仿真软件中的Simulink模块进行模型的搭建,通过对比结果表明,滑模控制方式比传统的双闭环控制方式具有更优越的动态性能。
对海洋平台的健康状况进行客观合理的评估是保障海洋平台正常安全运作的重要前提。针对海洋平台日益突出的健康状况评估问题,提出了一种基于深度学习模型的海洋平台健康状况预测方法。在该模型中应用Adam算法优化各网络层之间的权重和参数,并在网络训练中加入了批量归一化层加快模型收敛速度,提高预测的精度,采用ReLu激活函数避免深度学习模型在迭代时梯度衰减,缓解过拟合现象的发生。通过对海洋平台的历史监测数据进行了仿真验证,结果表明基于深度学习模型预测的准确率高达93.8%,并且预测误差大都在0.1~0.3之间浮动,可以