
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
一种模拟群体行为的优化算法,通过模拟群体中个体的交互和协作来寻找最优解。:采用随机方式搜索空间,适用于高维或非线性问题。RRT算法通过构建随机树来探索可行解空间,快速找到一条从起点到目标点的路径。:将随机生成的点作为可行解,构建路线图,从而实现路径规划。PRM算法适用于复杂环境中的路径规划,能够处理障碍物分布不均匀的情况。Dijkstra算法:基于图论,能够计算出所有节点到起点的最短路径。Dijk
在新型电力系统建设与可再生能源消纳责任刚性考核背景下,超额消纳量机制、绿证交易与中长期电力市场协同运行,重塑了独立售电商的购电成本与收益结构。独立售电商作为连接发电侧与终端用户的市场主体,需同时兼顾常规电量采购、新能源消纳指标履约、超额消纳量流转及绿证市场化交易多重约束。本文以 12 个月长时序运营周期为研究边界,综合考虑月度负荷时序波动、新能源出力不确定性、消纳责任权重考核要求,构建以售电商全周
针对三自由度机械臂在复杂工业环境中存在的滞回非线性、动力学不确定性及状态不可测问题,本文提出一种基于径向基函数(RBF)神经网络与高增益观测器的自适应控制框架。通过构建双神经网络分别逼近系统动力学模型与滞回特性,结合高增益观测器实现状态估计,并基于李雅普诺夫稳定性理论设计自适应律。仿真与实验结果表明,该方案在存在模型误差和外部干扰的场景下,关节角跟踪误差收敛至±0.3N·m以内,较传统PID控制精
随着人工智能终端设备的普及,深度神经网络(DNN)推理任务的海量算力需求与终端设备算力、功耗受限的矛盾日益凸显。边缘计算通过将网络计算资源下沉至用户终端侧,为DNN任务分布式卸载提供了技术支撑,可有效降低终端负载、减少任务推理时延。然而,多终端、多边缘节点协同场景下的DNN分层卸载、资源分配问题属于典型的NP难组合优化问题,传统优化方法难以适配动态复杂的边缘环境。粒子群优化算法作为经典的元启发式算
空中无人机(UAV)长期以来一直被用作移动网络中的网络处理器,但它们现在被用作移动边缘计算(MEC)中的移动服务器。由于它们的灵活性、可移植性、强大的视线通信联系以及低成本、可改变的使用,它们在研究和商业应用中变得更加流行。广泛的民用服务现在可能因其基本特性而得到支持,包括运输和工业监测、农业以及森林火灾和无线服务。本项目研究了基于无人机的移动边缘计算网络,其中无人机(UAV)进行移动终端用户提供

针对六自由度机械臂在笛卡尔空间与关节空间中进行多类型轨迹规划时存在的平滑性不足、逆解异常处理困难等问题,本文以LittleRA六自由度机械臂为研究对象,构建了一套涵盖直线、圆弧与关节角度空间三类轨迹、并支持四种规划方式的多轨迹规划仿真框架。研究思路为:先在笛卡尔空间或关节角度空间生成目标轨迹,再通过逆运动学求解关节角度序列,结合轨迹优化实现平滑运动。具体控制内容包括:支持直线、圆弧、角度空间三类轨
针对二自由度机械臂在模型不确定性及外部扰动条件下的轨迹跟踪问题,本文设计了一种滑模变结构控制与PID控制相结合的复合控制策略(SMC-PID)。首先,采用拉格朗日方法建立二自由度机械臂的动力学模型,得到包含惯性矩阵、科里奥利离心力矩阵及重力向量的完整动力学方程。其次,在Matlab/Simulink环境中搭建仿真平台,其中轨迹生成模块产生正弦形式的关节期望位置及其各阶导数;滑模面构建模块依据关节角
两连杆机械臂作为典型的非线性、强耦合多输入多输出系统,其轨迹跟踪控制面临参数摄动、外部干扰与建模误差等多重挑战。传统滑模控制虽具备强鲁棒性,却因线性滑模面导致收敛速度受限,且终端滑模控制存在奇异问题。本文针对两自由度机械臂设计非奇异终端滑模控制器(NTSMC),通过构造融合位置与速度跟踪误差的非奇异终端滑模面,结合机械臂逆动力学模型设计控制律,并引入饱和函数抑制抖振、补偿正弦外部干扰。仿真以余弦/
针对二自由度机械臂在模型不确定性及外部扰动条件下的轨迹跟踪问题,本文设计了一种滑模变结构控制与PID控制相结合的复合控制策略(SMC-PID)。首先,采用拉格朗日方法建立二自由度机械臂的动力学模型,得到包含惯性矩阵、科里奥利离心力矩阵及重力向量的完整动力学方程。其次,在Matlab/Simulink环境中搭建仿真平台,其中轨迹生成模块产生正弦形式的关节期望位置及其各阶导数;滑模面构建模块依据关节角
机械臂工作空间是衡量其运动能力与作业范围的核心指标,对轨迹规划、任务适配与结构优化具有重要意义。本文以UR3六自由度串联机械臂为研究对象,基于改进D-H参数法构建其连杆坐标系与运动学模型,设定各关节在-360°至360°范围内的运动极限;采用蒙特卡洛法在关节空间内随机采样80000组关节角组合,通过正运动学求解每组角度对应的末端执行器位姿,并提取齐次变换矩阵中的位置分量以获得工作空间点云;最后从三







