针对6自由度冗余驱动并联机构实时控制较难的问题, 以具有解析式正解的Stewart衍生拓扑构型为研究对象, 研究了位移输入的协调关系。通过设计二重复合球铰链和可转换主动、从动模式的移动副, 实现了6种不同冗余度的低耦合驱动模式。根据动平台上4个位置点之间的尺度约束关系, 构建了一种正向运动学全解析算法, 验证了位姿正解模型的正确性。推导化简了位移输入的6个协调方程, 分别运用Newton-Raphson法和Broyden法得到了协调方程的数值解, 对比结果发现, Broyden法的计算时间约为Newton-Raphson法的78%, Newton-Raphson法的精度优于Broyden法至少3倍。从许可初值偏差和结构参数两个方面研究了各种驱动模式对冗余协调算法的影响, 结果表明, 随着动平台边长的增大以及移动副初始长度的减小, 冗余协调算法允许有更大的许可初值偏差。进一步地, 基于区间分析理论引入并定义扰动适应性能评价指标, 计算出本机构的最佳冗余度为5, 并且得出Broyden法的综合扰动适应性能优于Newton-Raphson法的1.27倍。最后, 结合数值性态给出了Stewart衍生型并联机构移动副驱动模式优选的3点选取原则。研究方案可为6自由度冗余驱动并联机构的结构模型优化及实时控制提供参考依据。

柔性铰链是高精度柔性机构的关键部件, 其运动精度与运动范围影响着柔性机构的性能, 本文对圆弧柔性铰链进行了柔度矩阵推导, 并依据柔度方程进行优化设计。采用结构矩阵法建立了圆弧柔性铰链的柔度方程, 对矩形截面的翘曲抗扭刚度进行推导, 得到了约束扭转状态下的扭转柔度近似方程。为相对长度较小铰链的扭转刚度精确求解提供了依据。对比理论计算结果与有限元分析结果, 结果显示扭转柔度的最大相对误差在10%左右, 其余方向柔度相对误差低于6%, 验证了柔度方程的准确性。采用正交试验直观分析法得到柔性铰链各设计参数对转动刚度的灵敏度, 并利用多目标遗传算法对柔性铰链的转动柔度以及轴向刚度两个目标进行了参数优化。通过优化结果与设计经验选取参数的对比, 发现优化后圆弧柔性铰链的弯曲柔度提升了5.12%, 同时铰链的轴向刚度提升了4.72%, 证明针对圆弧柔性铰链的优化设计具有明显效果。

针对无人机飞行任务规划系统中的航迹规划问题，提出了一种改进的人工蜂群算法，将其应用于无人机的航迹规划。该算法将航迹规划问题转换成函数优化问题，以蜂群为搜索单位，通过群体之间的信息交流与优胜劣汰机制，使蜂群向更优方向进化。在雇佣蜂搜索阶段采用自适应搜索策略来加快算法收敛速度；在跟随蜂搜索阶段引入一种新的概率选择方式来保证种群的多样性；在侦察蜂搜索阶段利用混沌搜索算子提高算法的全局搜索能力。通过标准函数测试与航迹规划仿真对改进后的算法进行验证，结果表明，改进后的算法提高了全局收敛能力，在收敛速度和精度上优于传统的人工蜂群算法，可有效解决无人机的航迹规划问题。

提出了利用单目视觉与激光测距仪混合的航天器间相对位置和姿态参数测量的解析算法。首先利用四元数测量算法，采用5个非共面特征光点和单目视觉获取航天器间相对位置和姿态参数的解析解，并对解析解进行修正；然后，将上述6D位姿参数与激光测距仪获取的1D距离进行融合，以进一步对6D位姿参数进行修正。最后，通过计算实例对该算法进行数学仿真，仿真结果表明：该算法保证了在相机标定和特征光点提取及匹配较大误差下的位姿参数的估计精度，能够满足航天器相对位姿确定精度和实时计算要求。

基于解耦算法研究了并联式六维加速度传感器的误差特性和容错策略。通过引入“辅助角速度”的概念,并借助于四元数将旋转参量扩展至四维空间,得到了两个形式简单的递推公式,实现了六维加速度的完全解耦。通过剖析解耦机理,找到了影响解耦精度的3类误差源,并分析了它们的产生原因。通过构建辅助角速度误差与源误差、输出误差之间的映射关系,推导出了3组基本误差方程的解析表达式,据此揭示了各误差因素的影响规律。仿真试验与数学推导的结果吻合得较好,验证了误差方程及规律的有效性。从尺度约束的角度挖掘出弹性体拓扑构型中隐藏的变形协调条件,推导出了3个力协调方程,由此给出了一种可解决93个组合故障问题的容错处理方案。样机试验结果显示,局部支链出现故障后重构系统的综合解耦误差不超过8.5%,基本满足测量要求,验证了容错处理方案的可行性,同时也表明并联式六维加速度传感器具备一定的鲁棒性。

针对六维加速度传感器的输入、输出量较多，且其动力学方程的解耦参数难以辨识的问题，提出了“四步法”对并联式六维加速度传感器的25个解耦参数实施分组辨识。设计并加工了基于双曲柄滑块机构的标定平台，为参数辨识提供外部激励; 在LabVIEW平台上开发了虚拟仪器，为参数辨识提供软件支持。在静态情况下对预处理后的采集数据求均值得到“零值漂移”，完成第一组参数辨识; 将传感器安装在标定平台上做1~2 Hz的纯线性运动，使动力学模型简化成关于“刻度质量比”的线性代数方程，运用最小二乘法完成第二组参数的辨识; 做1~2 Hz的纯角运动，将动力学模型简化成关于“惯性质量比”的线性代数方程，完成第三组参数的辨识; 做4~5 Hz的纯线性运动，通过关于“刚度质量比”的一维搜索完成第四组参数的辨识。试验结果表明：运用辨识后的参数对六维加速度实施解耦，最大误差为7.479%，比参数辨识前的解耦误差降低了1个数量级。结果验证了基于“四步法”实现并联式六维加速度传感器的参数辨识是有效、可行的。