基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

基于蚁群算法的机器人路径规划研究

蚁群算法是一种全局智能仿生算法,具有较强的鲁棒性和环境适应性,在栅格化环境下适用于机器人路径规划,但会带来搜索出的路径拐弯过多、运动延时、移动累计误差增大和产生额外机械磨损等问题。为解决上述问题,提出了路径平滑处理策略,对蚁群算法每次迭代出的最短路径进行了平滑处理,针对每次迭代搜索出的最短路径栅格节点集合,在不妨碍机器人运动的前提下,拉直移动路径或减缓拐弯角度,从而避免不必要的急拐弯。仿真结果表明,加入平滑处理策略后的蚁群算法能够达到有效减少移动路径长度、降低转弯次数、缩短运动时间的目的。     

变电站轮式巡检机器人机械臂避障路径规划方法

变电站工作环境特殊且复杂,为保证巡检机器人在执行巡检任务的同时,能更好、更安全地进行作业,提出面向轮式巡检机器人的机械臂避障路径规划方法。利用八叉树结构建模技术,架构巡检机器人工作环境的三维模型与环境更新模型。确定机械臂与环境关系,建立机械臂运动学模型,根据末端执行器位姿的已知与未知情况,完成运动学模型的正解与反解计算。基于关节位姿的三维坐标,设定机械臂连杆不碰撞障碍物为必要条件,依据六次多项函数式解得的关节角速度与角加速度连续轨迹,通过更改非固定参数值,调整机械臂的移动轨迹,最后,利用贝塞尔曲线平滑处理路径。仿真试验结果表明,所提方法路径精度更优越,避障效果更理想,符合变电站巡检的实时性需求。     

基于动静态安全场的机器人避障路径控制仿真研究

针对机器人避障过程中运动路径较长和轨迹跟踪误差较大问题,设计了改进滑模控制系统,并对机器人运动路径和跟踪误差进行仿真验证。分析了动静态安全场环境中的危险源,引用了离散滑模控制系统,采用卡尔曼滤波器对离散滑模控制系统进行改进,给出了机器人末端执行器运动路径控制流程。在不同环境条件下,采用Matlab软件对机器人避障路径跟踪误差进行仿真,并且与滑模控制系统进行比较分析。结果表明:机器人在静态安全场环境中,采用滑模控制器,机器人轨迹跟踪运动路径较长;而采用改进滑模控制器,避障过机器人轨迹跟踪运动路径较短。机器人在动静态安全场环境中,采用滑模控制器,避障运动路径较长,跟踪误差较大;而采用改进滑模控制器,避障运动路径较短,跟踪误差较小。采用改进滑模控制器,机器人自适应调节能力强,从而缩短了机器人运动路径,提高了轨迹跟踪精度。     

蜂巢栅格下机器人导航路径的动态分组蚁群规划

为了减少机器人导航路径的长度和算法运行时间,同时提高算法规划稳定性,提出了蜂巢栅格环境下的动态分组蚁群算法规划方法。分析了方形栅格四叉树和八叉树工作模式的弊端,提出了改进蜂巢栅格的环境建模方法,蜂巢栅格避障时的有效路径比、安全性、转弯角大小、对圆形障碍物覆盖的有效面积比等多个角度均优于传统栅格。参考猫群算法的分群思想将蚁群分为跟踪蚁和搜索蚁,提出了动态分组蚁群策略和信息素的自适应扩散策略,从而给出了动态分组蚁群算法的执行步骤。经过算法的多样性和规划性能仿真分析,动态分组蚁群算法的路径多样性在迭代过程中保持较高水平,在相同环境下动态分组蚁群算法规划的最优路径长度比ACS蚁群算法减少了9.99%,搜索到最优路径时的迭代次数远远小于ACS蚁群算法,且从最优路径长度和迭代次数标准差看,动态分组蚁群算法稳定性好于ACS蚁群算法。     

融合改进A^(∗)算法与动态窗口法的机器人避障研究北大核心CSCD

针对机器人在全局未知环境的路径规划中无法进行实时动态避障的问题,提出一种将改进的A^(*)算法与动态窗口法融合的机器人避障方法。首先将传统A^(*)算法3×3搜索领域扩展至5×5搜索领域,并将16个搜索方向进行取舍至9个,同时优化启发函数,通过优化时间复杂度来提升A^(*)算法搜索效率;然后进行冗余节点移除操作,剔除机器人路径中的多余拐点和共线的点;改进后的A^(*)算法较传统A^(*)算法平均减少了65.805%的路径规划时间和4.967%的路径长度。最后将改进的A^(*)算法与动态窗口算法进行结合,使得机器人具有动态避障能力,且保证机器人在局部避障的过程中得到全局路径规划的最优解。     

沿全局最优路径滚动避障的车间机器人导航研究

为了减少机器人在车间工作时的路径长度、提高行驶安全性,提出了全局规划和局部滚动避障相结合的机器人导航方法。对车间静态环境进行全局路径规划,在传统蚁群算法基础上,在转移概率中引入节点被访问次数作为新启发因子、同时引进随机选择策略和"回退-惩罚"策略,从而提出了基于改进蚁群算法的全局路径规划方法。对车间动态环境进行局部滚动预测避障,分确定和不确定运动提出了碰撞预测和碰撞避免策略,实现了沿全局最优路径滚动避障行驶。经仿真验证,改进蚁群算法规划出的路径比传统方法缩短了42.3%;在车间动态环境下,机器人使用滚动预测避障策略可以沿着最优路径安全到达目标点,实现了机器人在车间动态环境下安全导航。     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

基于激光SLAM技术的电力巡检机器人交互控制

提出基于激光SLAM技术的电力巡检机器人交互控制方法,利用激光SLAM技术在地图模型、运动学模型、里程计观测模型以及多传感器观测模型的基础上绘制机器人的巡检地图,通过Dijkstra算法根据巡检地图获得最短巡检路径,并采用DWA滑动窗口法对选取的巡检路径进行评分,选择评分最高的路径作为机器人的巡检路径,完成电力巡检机器人的交互控制。实验结果表明,所提方法的避障效果好、路径规划效果好、控制精度高。     

基于改进人工势场法的电力巡检机器人自动避障轨迹规划

为了使巡检机器人在电力系统中避开障碍物,顺利完成电力巡检工作,提出基于改进人工势场法的电力巡检机器人自动避障轨迹规划方法。构建了电力巡检机器人的被控对象模型,分析电力巡检机器人的避障运动学,根据分析结果采用栅格法获取环境参数,实现环境建模,获取电力巡检机器人工作环境信息;引入改进人工势场法,叠加斥力势场和引力势场获得合力势场,判断环境中的障碍物并规划避障路线,完成电力巡检机器人自动避障轨迹的规划。实验结果表明,所提方法的避障准确率高、规划效果好、规划效率高。     

曲率可控双轮自平衡机器人路径规划

为了提高双轮自平衡机器人运动的侧向稳定性,提出了一种适用于狭小空间内避障的,以最大曲率为约束条件的路径规划方法。首先,建立双轮自平衡机器人运动学模型,然后分析其在临界倾斜情况下曲率与速度的关系,确定出双轮自平衡机器人运动轨迹的最大曲率值。利用A~*路径搜索算法生成无碰撞的线段性轨迹,并以考虑最大曲率约束的三次B样条曲线优化运动轨迹。通过案例验证,优化后的运动轨迹曲线满足最大曲率约束,可以使双轮自平衡机器人在无倾斜的情况下,以一较快的速度匀速沿既定轨迹曲线运动且无碰撞。证实了该方法对提高双轮自平衡机器人运动的侧向稳定性具有良好的效果。     

基于BP神经网络机器人实时避障算法

针对二维静态环境下智能机器人避障及路径规划问题,提出了基于BP神经网络的机器人实时避障算法。首先,用多个扇区表示机器人周围的环境,利用激光雷达探测每个扇区内障碍物的距离信息,以每个扇区内障碍物的距离信息为输入,利用BP神经网络计算该扇区被选择为避障方向的得分;然后,利用各扇区中点坐标与当前时刻距障碍物最近扇区中点坐标之间的欧氏距离,计算机器人在当前位姿条件下各扇区被选中作为避障方向的条件概率;最后,将使得得分与条件概率之积最大的扇区作为机器人的避障方向。实验结果表明:所提算法的收敛时间比栅格方法降低了50%以上,机器人的避障轨迹与人工势场方法相比更短,能较好地应用于复杂多障碍物场景。     

A two-layered subgoal based mobile robot navigation algorithm with vision system and IR sensors

The present work describes the real-life implementation of a mobile robot navigation scheme where vision sensing is employed as primary sensor for path planning and IR sensors are employed as secondary sensors for actual navigation of the mobile robot with obstacle avoidance capability in a static or dynamic indoor environment. This two-layer based, goal-driven architecture utilizes a wireless camera in the first layer to acquire image and perform image processing, online, to determine subgoal, employing a shortest path algorithm, online. The subgoal information is then utilized in the second layer to navigate the robot utilizing IR sensors. Once the subgoal is reached, vision based path planning and IR guided navigation is reactivated. This sequential process is continued in an iterative fashion until the robot reaches the goal. The algorithm has been effectively tested for several real-life environments created in our laboratory and the results are found to be satisfactory.     

基于改进RRT的核退役机器人避障方法

核退役机器人工作过程中,传统快速扩展随机树(Rapidly-exploring Random Tree,RRT)路径规划算法缺乏导向性,路径规划效率低,避障能力弱;为此,提出改进RRT路径规划算法,以提高作业效率和准确率.首先,引入目标偏置函数,并提出自适应步长,使RRT路径规划具有导向性,避免陷入局部最优;其次,采用...     

A switching formation strategy for obstacle avoidance of a multi-robot system based on robot priority model

This paper describes a switching formation strategy for multi-robots with velocity constraints to avoid and cross obstacles. In the strategy, a leader robot plans a safe path using the geometric obstacle avoidance control method (GOACM). By calculating new desired distances and bearing angles with the leader robot, the follower robots switch into a safe formation. With considering collision avoidance, a novel robot priority model, based on the desired distance and bearing angle between the leader and follower robots, is designed during the obstacle avoidance process. The adaptive tracking control algorithm guarantees that the trajectory and velocity tracking errors converge to zero. To demonstrate the validity of the proposed methods, simulation and experiment results present that multi-robots effectively form and switch formation avoiding obstacles without collisions.