基于线阵CCD导航和双DSP的AGV装置研究

自动导向车（Automated Guided Vehicle,简称AGV）能在具有一定地形特征的环境中顺利到达期望目的地或沿期望路径行驶。论文以两轮驱动的AGV为控制对象,采用高精度线阵CCD摄像头、高速DSP和超声波声纳构成AGV的视觉导航系统和避障系统。论文着重阐述了AGV避障方法、视觉传感器CCD的路径测量原理、AGV运动控制系统以及双DSP通讯方式,给出了基于数据融合的AGV模糊控制器设计,在MATLAB中通过模糊工具箱的规则观察器得到AGV轨迹跟踪的模糊控制表和路障躲避的模糊控制表,以及命令融合模糊控制表,最后给出了试验波形。     

基于运动预测与改进APF的无人机路径规划方法

动态路径规划是保障无人机在复杂干扰环境下飞行安全的关键要素。针对动态路径规划中存在的迭代次数高、收敛速度慢以及动态障碍物避障问题,提出了一种基于障碍物运动预测与改进APF的无人机动态路径规划方法。首先,针对动态障碍物,设计了基于激光雷达的目标检测算法和基于卡尔曼滤波的运动预测算法估计动态障碍物信息,并提出速度方向相似性检测方法进行局部位置脱离决策。其次,针对静态障碍物,引入模拟退火法扰动当前状态,并结合基于目标点的邻域优化函数进行动态路径规划。仿真结果表明,本文算法在应对静态障碍物时可缩短69%动态避障时间,应对动态障碍物时可缩短了19.7%的避障距离与23.6%的任务耗时,提高了无人机任务执行的安全性和效率。     

三自由度机械臂避障空间路径规划研究

文章首先通过 MATLABRoboticToolbox和 DenavitＧHartenberg (DＧH)参数对机械臂进行了运动学建模; 然后,基于点云的 MonteCarlo (蒙特卡洛)方法建立三自由度机械臂工作空间和障碍物点云模型,应用几何学得出机械臂和障碍物之间的位置关系,确定机械臂的避障工作空间;最后,基于 Dijkstra算法在三维避障工作空间中进行路径规划得出最短路径,验证了算法的可行性。     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

机器人吸尘器环境建模与路径规划研究综述

介绍了人工智能在机器人吸尘器的环境建模和路径规划的主要方法.详细解析每种算法的特点.并结合实例,根据吸尘器用传感器不确定性的特点,提出了基于信息理论的路径规划方法,给出了研究结果.旨在帮助自主吸尘器研究人员学习环境建模和路径规划的主要算法.     

深海履带机器人的局部避障规划研究

针对深海履带机器人的动态,复杂的工作环境,提出了基于遗传模糊算法的机器人的局部避障规划方法。该算法利用遗传算法对模糊控制器的控制规则进行在线自动提取和优化,并提出了一种用于评价规则有效性的适应度函数和自适应变异算子,实现履带机器人的局部避障,且能够满足深海履带机器人局部路径规划的实时性要求。仿真试验结果表明了该算法的有效性。     

基于 ROS与融合算法的室内无人机路径规划研究

针对四旋翼无人机在室内环境下路径规划效率低、缺乏实用性等问题,提出一种基于融合改进算法的路径规划方法。 首先引入室内混合约束,使用动态加权对传统 A* 算法的评价函数进行重构;其次根据不同地图区域方位角自适应调整邻域 搜索方式;然后考虑无人机实际尺寸影响,设定安全半径,并用Floyd算法对路径做拐点冗余处理;最后融合改进 A* 算法与 改进 DWA 算法,实现了四旋翼无人机的室内自主路径规划和避障。MATLAB 不同仿真环境下的结果表明,改进后算法搜索 节点数和转弯角度分别平均减少63.1%和58.9%,保证全局路径最优的同时,提升了搜索效率与路径安全性。经 ROS 操作 系统的实验结果验证,融合算法在避障效果与运动平稳性等方面具备明显优势,可应用于室内复杂场景下无人机的路 径规划。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径.全局路径规划研究主要包括环境建模和路径搜索两个子问题.首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果.测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

多目标复合AGV调度系统建模及在电力计量检定中的应用

提出了一种基于车辆行驶距离、任务等待时间与搬运任务优先级的自动导引小车(AGV)多目标复合任务调度模型,通过调整不同因素的权重系数,动态调整模型的性能指标;设计了基于A*算法的AGV调度系统最短路径搜索策略,保证了AGV任务执行效率的最大化;调度模型在超大规模电力计量检定数字化车间中的进行了应用,结果表明该调度模型与路径规划算法具有良好的适应性与可推广性。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径。全局路径规划研究主要包括环境建模和路径搜索两个子问题。首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果。测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

基于改进灰狼优化算法的移动机器人路径规划

针对移动机器人避障路径规划问题,在基本群智能算法灰狼优化算法的基础上,提出改进灰狼优化算法,测试函数证明了算法的稳定性和收敛性,进而将其首次应用于移动机器人避障路径规划问题,通过对改进灰狼优化算法的移动机器人避障路径进行研究,并与基本灰狼优化算法、粒子群算法、遗传算法比较,仿真结果证明了算法的稳定性和收敛性,对路径规划领域有十分重要的研究意义。     

基于强化学习算法的井下移动机器人路径规划

移动机器人路径规划一直是机器人研究领域中的难点问题,本文针对煤矿井下环境的不确定性,采用强化学习算法中的Q-learning算法实现井下移动机器人的局部路径规划,并对Q函数中的即时回报进行加权修正,使算法更有效地利用环境特征信息,提高了避障能力.仿真实验说明该方法的有效性和可行性.     

基于视觉的自主机器人障碍识别与路径规划

障碍物的识别与行走路径的规划是机器人实现自主移动的必要手段。 本文基于深度相机提出一种由深度连续性与彩 色特征点融合的障碍识别方法,通过深度相机获取物体的空间位置信息,映射到已有的地图中,构建障碍物空间。 又提出一种 PRM-D?的路径规划方法,先使用改进的随机概率路线图(PRM)完成整体路径规划工作,再根据相机识别的障碍物,设置局部 地图,使用基于图搜索的 D?算法进行局部动态规划,完成动态避障任务。 通过实验,所提障碍物识别方法即使在昏暗的室内 环境中,其对障碍物的检测准确率也大于 80%,常规环境检测准确率高于 95%,具有较好的鲁棒性与实时性;PRM-D?的路径 规划方法在缩短总体规划时间的同时,确保了路径规划的成功率,单次动态规划时间小于 0. 02 s,具有良好的动态避障性能。     

基于改进APF-RRT的机械臂避障路径规划

为提高机械臂在复杂环境下的避障路径规划效率,提出一种适用于椭球障碍物的改进人工势场-快速搜索随机树（Artifical Potential Field-Rapidly exploring Random Tree,APF-RRT）算法。首先,使用椭球体包围盒包络障碍物,对椭球体的碰撞检测进行分析;其次,为了加快路径探索速度,引入随机点效应与随机点选择机制对RRT算法进行改进,机械臂采用改进后的RRT与人工势场法的混合方法进行路径规划;最后,对规划好的路径进行冗余点删除,并使用四次B-样条曲线对路径进行平滑,提升路径的质量。实验结果表明,相较于经典算法,该算法能够快速完成避障路径规划且规划路径更短。     

基于RSS_GN RRT算法的狭长空间路径规划

针对RRT算法在狭长空间中存在的收敛速度慢及规划路径不平滑的问题,提出了一种RSS＿GN RRT算法。为了提升算法的收敛速度,提出了引导节点导向策略与分区域采样策略,极大地减少了算法对无效区域的搜索;其次,算法引入了采样角度约束策略来提高规划路径的质量,并采用父节点拓展选择的方法有效解决了由角度约束引起的迭代次数增加的问题。此外,算法可根据感知信息进行地图地动态重构并规划避障路径,提高了算法在低速动态环境中的适应性。仿真结果显示,在狭长通道环境中,RSS＿GN RRT算法在规划路径的耗时上比RRT、Goal＿bias RRT、角度约束下的RRT、Informed RRT*及DR-RRT算法分别减少了77.3%,51.9%,84.7%,98.8%和60.3%。在迭代次数上,相比于上述算法,分别减少了95.9%,92%,98.3%,98.3%和89.5%。路径的平均曲率也分别降低了94.1%,93.2%,88.7%,91%和92.9%。仿真结果证明了RSS＿GN RRT算法在提升规划速度和改善路径质量方面具有显著优势。同时,本文采用了阿克曼模型的小车实测了算法的局部避障能力。经测试,小车可...     

基于机器视觉的智能医疗吊塔系统的设计与实现

近年来,医疗吊塔在手术室中的应用变得越来越重要,因此,医疗行业对其提出了更高的要求,主要体现在安全性、可靠性和智能性等方面。本文在研究多种路径规划算法后,设计了一种基于机器视觉的智能医疗吊塔系统,该系统应用机器视觉系统,通过图像处理技术对医疗吊塔末端托盘周边的环境进行障碍物分析,并针对手术室特定的工作环境,提出了一种实时避障算法。实验结果表明该医疗吊塔系统能够实现稳定自动运行,实时避障的功能,具备了安全性、可靠性和智能性等特点。     

基于融合A*算法的无人机路径规划研究

针对三维环境下A*算法搜索路径不平滑,不具有动态避障的问题,本文提出了一种融合A*算法。该算法在A*算法的基础上,首先引入了俯仰角和偏航角作为搜索约束,其次采用变权值的评估函数和无人机航程、飞行高度、威胁代价,最后将平滑后的A*算法与人工势场法相结合,并利用粒子群算法对A*算法和人工势场法涉及的参数进行寻优。仿真结果显示,融合算法较传统A*算法而言,节省5.34%的燃油损耗,提高了搜索效率,缩短了路径长度,规划出的路径更加平滑,而且能够实现实时动态避障。     

基于自适应蚁群算法的AGV路径规划优化

针对传统蚁群算法在AGV路径规划中存在拐点数目较多，运行能耗较高等问题，提出一种改进的自适应蚁群算法。首先采用自适应参数调整方法，在迭代过程中不断调整信息素浓度和启发式信息的相对重要性，以增强蚂蚁搜索的目的性；其次引入多目标路径性能评价指标，在路径长度的单一指标基础上引入路径风险指标和拐点数目，以实现AGV路径规划的全局综合优化；然后提出一种奖惩机制更新信息素增量，针对不同程度评价指标的路径提供不同的信息素更新规则，避免算法陷入早熟；最后引入准均匀三次B样条平滑策略，进一步优化最优解。在20×20和30×30不同复杂程度的环境下进行仿真实验，本文改进算法相比传统蚁群算法在转弯次数上减少了113%～382%，在收敛速度上提升了798%～879%，验证了本文改进算法的有效性、可行性和优越性。     

基于强化学习的双足机器人的实时避障位置控制

为了提高双足机器人的实时控制能力，提出一种基于强化学习的双足机器人的实时避障位置控制方法。以机器人的双足步行稳定性为控制目标函数，构建双足机器人的实时路径动力学模型，以机器人质心运动的加速度和惯性力矩为被控对象，采用等效碰撞子模型进行双足机器人的实时避障路径规划，采用碰撞子模型和摆动子模型相结合的方法，进行双足机器人行走路径的纠偏参量反馈调节，采用模糊强化学习跟踪方法，进行双足机器人的误差增益控制，实现双足机器人的实时避障位置控制。仿真结果表明，采用该方法进行双足机器人控制的实时避障性能较好，纠偏能力较强，提高了机器人的自适应控制能力。     

基于深度双Q网络的权值时变路网路径规划

针对传统路径规划方法无法根据城市路网权值时变特性规划最优路径的问题，提出了基于深度双Q网络的权值时变路网路径规划方法。首先，构建权值时变的城市路网模型，其中，路段各时间段权值由随机函数产生。然后，设计了状态特征、交互动作和奖励函数对权值时变路网路径规划问题进行建模，利用DDQN算法训练智能体来学习路网权值时变特性，最后根据建模后的状态特征实现权值时变路网的有效路径规划。实验结果表明，DDQN算法训练的智能体在权值时变路网中具有较好全局寻优能力。相比于滚动路径规划算法，所提方法在不同情况下规划的路径均最优，为权值时变路网的路径规划提供了一种新思路。