针对高冗余蛇形机械臂在三维空间中的路径规划问题,结合快速搜索随机树算法(Rapidly-exploring Random Tree,RRT),提出角度约束快速搜索随机树算法(Angle Constraint Rapidly-exploring Random Tree,AC-RRT)。首先根据空间中障碍物分布...
详细信息
针对高冗余蛇形机械臂在三维空间中的路径规划问题,结合快速搜索随机树算法(Rapidly-exploring Random Tree,RRT),提出角度约束快速搜索随机树算法(Angle Constraint Rapidly-exploring Random Tree,AC-RRT)。首先根据空间中障碍物分布关系提出一种步长与目标偏置概率的确定方法,提高算法的自适应能力;其次根据蛇形机械臂机械结构提出一种随机树延伸的角度约束模型,使规划路径更加符合机械臂的空间运动特性;最后引入一种目标点贪婪查询方法,缩短路径搜索时间、减少冗余节点。通过Matlab仿真并对比与RRT和RRT-connect算法之间的性能差异,使用V-REP软件结合机械臂模型对算法模拟仿真,验证算法的可行性。结果表明AC-RRT算法路径规划用时更短、路径代价更小、路径轨迹更符合机械臂的运动特性。
将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical f...
详细信息
将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical features support,Catboost)算法构建暂态电压稳定评估模型。在模型训练中采用排序提升的方法避免预测偏移问题,提升准确性;使用对称决策树以提高计算效率;同时考虑数据的类别不平衡特性,采用代价敏感手段提高模型的分类性能。为了提高模型的可解释性,提出基于SHAP理论的暂态电压稳定评估归因分析框架,通过计算Shapley值的平均绝对值大小得到暂态电压稳定特征重要性排序,并根据每个特征的边际贡献,进一步量化不同输入特征对模型输出结果的影响。在新英格兰10机39节点系统上的测试结果表明,所提方法比其他机器学习算法具有更高的预测准确性与更快的预测速度,基于Shapley值的归因分析方法能够有效地解释输入特征对暂态电压稳定的影响以及机器学习模型对样本的预测结果。
暂无评论