基于改进遗传算法与Morphin算法的机器人路径规划方法（英文）

为了实现动态复杂环境下机器人路径的优化,在建立栅格地图模型的基础上,针对传统遗传算法的不足,一是通过改进适应度函数使得到的路径更加平滑,二是将改进后的遗传算法与Morphin算法结合起来,使得机器人能够实时有效的躲避障碍物。仿真实验结果表明:通过结合改进遗传算法和Morphin算法的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

基于改进遗传算法的机器人路径规划北大核心

为解决机器人在多约束条件下路径寻优能力差、搜索算法收敛速度慢等问题,提出了一种基于改进遗传算法的机器人路径规划方法。首先,利用栅格法构建机器人工作环境,并以路径长度、平滑度和路径困难度为约束条件构建模型;其次,通过增加删除算子、平滑算子对传统遗传算法进行改进,并引入小生境法避免算法陷入早熟;最后,通过对比实验验证所提算法的性能。实验结果表明,所提方法能够在多约束条件下有效处理路径规划问题并找到最优路径,且与其他方法相比,所提方法在路径长度、平滑度、路径困难度以及运行时间等方面均具有相应的优势。     

基于优化遗传算法的移动机器人路径规划

针对移动机器人在路径规划过程中,由于传统遗传算法中适应度函数把路径最短作为遗传到下一代主要因素,造成机器人转弯次数过多引起时间浪费问题,提出一种基于改进遗传算法的路径规划方法,通过对适应度函数添加转弯角度控制因子,把路径最短和转弯角度作为路径个体适应度函数值大小的影响因素,并对改进后的适应度函数进行了收敛性分析。最后通过MATLAB进行了仿真分析,结果表明:机器人运动轨迹更加平滑,减少了转弯次数,仿真结果说明该算法具有一定的有效性。     

基于改进蚁群算法的焊接机器人路径规划

为了解决目前车身焊接机器人路径规划不合理的情况,分析了焊接机器人运动过程,建立了有效的路径规划数学模型。通过对蚁群算法的研究,将遗传算法的遗传算子理论引入蚁群算法,运用MATLAB编写相应的程序。结果表明,改进蚁群算法能够更好的适用于路径规划,能够规划出一条合理的焊接路径。     

基于改进模糊自适应遗传算法的移动机器人路径规划

针对现有移动机器人路径规划方法运行效率低的问题,提出一种基于改进模糊自适应遗传算法的路径规划方法。基于领域知识对初始路径进行可行性筛选,提高可行路径比例。采用模糊逻辑控制器动态整定遗传算法运行参数,提高路径寻优速度,避免陷入局部最优路径;综合考虑机器人运行安全性要求,引入余弦函数平滑度评价因子,对不同的路径夹角施以不同的惩罚项,以改善路径平滑度。仿真结果验证了改进算法解决路径规划问题的有效性。     

基于改进蚁群算法的打磨机器人路径规划北大核心

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。     

基于改进RRT算法的室内移动机器人路径规划北大核心

针对RRT(rapidly-exploring random tree)算法路径规划时间长,采样点利用率低,最终生成的路径曲折等问题,提出了一种改进RRT算法。采用基于动态概率的采样策略,避免机器人在采样的过程中陷入局部极小值;同时提出了变步长的随机树扩展策略,减少了采样点数量;最后,使用五次贝塞尔曲线对路径进行平滑处理,使最终生成的路径利于机器人移动。在MATLAB平台上进行仿真分析,并使用基于ROS的移动机器人进行实验,将改进RRT算法与RRT算法、目标偏向RRT算法进行对比。仿真结果表明改进RRT算法规划的路径长度减少了23.09%,规划时间减少了87.16%,并且路径更平滑。     

融合改进Dijkstra算法和动态窗口法的移动机器人路径规划

为解决移动机器人在智能制造车间的全局路径规划和局部动态避障问题,提出一种融合改进的Dijkstra算法和改进的DWA算法,对传统Dijkstra算法的路径进行平滑优化,使得路径轨迹更加平滑,动态改变DWA算法中速度评价权重函数,提高避障效率。仿真结果表明,改进Dijkstra算法路径平滑优化后,平均路程缩短比例为0.65%,平均偏航角震荡次数减少了67.70%,改进后的DWA算法运行路程缩小9.68%,路径转折次数降低了33%,运行时间缩短3.88%。基于改进的Dijkstra算法和改进的DWA算法提出一种融合算法,仿真和样机实验结果表明：面对静态、动态障碍物,机器人运行线速度平缓,轨迹光滑,角速度波动明显,证明机器人运动稳定,实时调整方位,具有良好的避障能力。并且多次机器人循环定点实验中机器人纵向(X轴方向)平均误差≤30 mm,横向(Y轴)平均误差≤30 mm,定位精度满足工业需求。     

基于改进遗传算法的自动导引小车路径规划

为提高自动导引小车(AGV)在复杂码头环境下路径规划性能,对AGV路径规划中耗时较长和路径较长问题进行研究,提出了一种改进遗传算法。首先引入平滑的适应度函数来光滑和缩短路径;其次,用改进单点交叉方式和多向变异方式来增加种群多样性,避免陷入局部最优;最后对复杂码头环境进行二维和三维建模,并在此基础上对改进遗传算法、蚁群算法、快速扩展随机树算法和A~*算法进行静态和动态仿真。结果表明,该文提出的改进遗传算法与其他算法相比,路径长度最短;迭代次数最少;平均运行时间最短;可见改进后的遗传算法可使AGV在复杂码头环境下快速寻优和安全避障。     

基于改进遗传算法的机器人主动嗅觉研究

在基于遗传算法机器入主动嗅觉研究中,为了使机器人小车在特定的烟羽环境中,能够更快、更准确地寻找到气味源,通过对遗传算法交叉算子和变异箅子的改进,形成一种新的改进遗传算法.在5个假设前提下,将改进遗传算法应用到机器入主动嗅觉研究中.仿真结果表明:与传统的遗传算法相比,采用改进遗传算法,机器人小车能够更快速、更准确地寻找到烟羽中的气味源.     

基于Hermite方法的机器人任务空间二阶平滑位姿路径构造

机器人任务空间的路径构造一直是研究者们重点关注的对象，更加平滑的路径对于机器人运动尤为关键。提出一种机器人任务空间二阶平滑位姿构造方法。位姿路径分为位置路径与姿态路径，用直线和圆弧来表示基本的位置路径，用四元数来表示姿态路径。根据环境给定的过渡区域，基于Hermite方法分别构造位置和姿态路径的过渡曲线，并设计高效易懂的数值积分算法实现位姿路径长度的计算，然后综合数值积分和二分法查找算法实现给定路径长度的插值计算。最后，在MATLAB软件上进行数值仿真分析，验证了所提算法在机器人任务空间二阶平滑位姿路径构造方面的有效性。     

基于改进蚁群算法的移动机器人路径规划

在考虑传统蚁群算法搜索路径时存在找到收敛速度慢、拐点多且不能动态避障等问题，提出一种基于拉普拉斯分布与动态窗口融合的蚁群算法来解决机器人路径规划。首先，在启发信息中加入当前节点、下一节点以及目标节点信息，并加入动态调节因子，使得启发信息在前期引导性强，信息素在迭代后期引导性强；其次，在蚁群算法信息素更新中引入拉普拉斯分布调节信息素的挥发，加快收敛速度；对蚁群算法得到的路径进行双向冗余节点删除，提高路径平滑度，最后，将改进的蚁群算法与改进动态窗口算法融合，使机器人安全到达终点。仿真表明，在相同地图环境中，蚁群算法与基本蚁群算法相比较路径长度相比减少了26.3%,路径拐点减少了77.7%,更适用于复杂环境。     

改进遗传算法的焊接机器人焊接路径优化方法研究

针对焊接机器人焊接路径规划存在的焊接路径长、能耗高等问题,提出一种改进遗传算法的焊接机器人焊接路径优化方法。通过Steger方法获取焊接有效条纹区域,采用灰度重心法和Hessian矩阵法分别对焊接作业区域展开粗提取和细提取,获取焊接信息。通过焊接作业特点,以焊接机器人最短焊接路径和最小能耗为目标,构建焊接机器人焊接路径规划模型,使用改进的遗传算法求解模型,获取焊接机器人焊接最佳路径,实现焊接路径优化。试验结果表明,所提方法的焊接路径最小达到了50.5 m,能耗仅为5.1 J,并且耗时最高仅为2.9 s,其有效解决焊接机器人路径优化问题,为焊接机器人路径优化提供有效的指导作用。     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

融合动态窗与改进RRT的全位置机器人路径规划算法研究

针对传统RRT算法在无人车、无人船等自适应路径规划中的随机性导致树枝生长缺乏目标方向性问题,提出一种改进RRT算法与动态窗口相结合的混合算法,考虑其随机树生长过程中存在大量的冗余点,使得路径曲折、不平滑,基于子目标点选取策略研究一种过滤多余节点的算法;为了满足无人车、无人船行驶的安全性,建立安全阈值距离模型,避免与障碍物发生碰撞。对所提出的方法进行仿真实验,结果表明：改进的RRT算法能够在复杂的动态环境下生成有效的可行路径,与传统RRT算法相比较,它使搜索效率提高了43%,规划路径平滑度明显提升,能够实现动态环境中无人车、无人船在线实时路径规划。     

基于遗传算法的机器人路径规划的种群初始化改进

针对遗传算法应用于机器人路径规划问题时随机生成初始种群的盲目性,对初始化算法进行了改进。首先在起点和终点所在行之间的各栅格行中随机选择一个自由栅格以保证路径的无障碍性,由于这些栅格组成的路径不连续,故设计了中点连接法连接间断点,最后对路径进行简化以避免重复路径。将此算法与文献[8]的自适应遗传算法在相同环境下仿真,实验结果表明:改进种群初始化的遗传算法能有效提高解的质量,提高进化速度。     

基于ADAMS的硅片传输机器人轨迹规划及仿真

为了提高硅片传输机器人运动的平滑性,采用5次均匀B样条插值方法进行轨迹规划,并利用两种遗传算法对轨迹进行优化.以硅片传输机器人为研究对象,基于ADAMS软件对机器人进行轨迹仿真分析.结果表明,自适应混合遗传算法与自适应遗传算法相比,具有较好的局部搜索能力,能够得到性能更好的解.获得的轨迹具有脉动连续的特点,有利于提高机器人在运动过程中的轨迹跟踪精度.     

基于混合参数蚁群算法的移动机器人路径规划北大核心

针对传统蚁群算法因初期信息素分布不均导致算法初期路径选择概率随机性大、搜索速度慢等缺陷,设计一种使用混合参数的蚁群改进算法。在算法开始阶段引入遗传算法,对遗传算法的适应度函数进行改进;设置一个评价点使遗传算法在合适的时机进入蚁群算法,并对算法的信息素挥发因子p采用一种自适应调整方式;对遗传算法的交叉率和变异率以及蚁群算法的信息因子和期望因子采用变异的混合参数,发挥4个参数因子在算法中的优点;在蚁群算法后面设置一个路径进化率的评价点判定是否再次进行遗传变异操作,目的是使蚁群算法跳出局部最优;算法最后引入B样条曲线光滑机制。实验结果表明:改进算法在简单和复杂的环境里找到的路径长度和路径拐点数明显减少,有比其他3种算法更快更准的寻找全局最优能力。     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。     

基于改进野马优化算法的AGV路径规划北大核心

针对求解自动导引运输车(automated guided vehicle,AGV)路径规划问题,提出一种基于改进野马优化算法的AGV路径规划。首先,利用非线性自适应因子有效平衡了算法全局探索和局部挖掘能力;其次,引入偏移进化策略增加子代个体的多样性;然后,引入黄金正弦分割系数指引个体逐渐向全局最优位置方向移动,提高算法的收敛精度和收敛速度;最后,引入B样条曲线平滑策略,进一步优化最优解,获得更短更平滑的路径规划。通过仿真实验验证了改进野马优化算法总体能够减少5.84%的AGV路径规划长度。