机器人自动回程充电路径分析研究

对清洁机器人自动回程充电路径规划进行了研究,使机器人可以依照设计要求避开障碍物,并在最短的时间内实现充电。研究了清洁机器人的自动回程充电的路径规划,机器人与充电器距离较远时,采用可视图法路径规划以生成自动回程充电的最短路径;机器人与充电器距离较近时,通过充电器上的红外线引导机器人与充电器完全对接。实验结果显示,可视图法可以选择最短路径进行充电,红外线引导法可以使机器人和电源完全接触。     

基于深度自动编码器与Q学习的移动机器人路径规划方法

针对移动机器人在静态未知环境中的路径规划问题,提出了一种将深度自动编码器( deep auto-encoder)与Q学习算法相结合的路径规划方法,即DAE-Q路径规划方法。利用深度自动编码器处理原始图像数据可得到移动机器人所处环境的特征信息;Q学习算法根据环境信息选择机器人要执行的动作,机器人移动到新的位置,改变其所处环境。机器人通过与环境的交互,实现自主学习。深度自动编码器与Q学习算法相结合,使系统可以处理原始图像数据并自主提取图像特征,提高了系统的自主性;同时,采用改进后的Q学习算法提高了系统收敛速度,缩短了学习时间。仿真实验验证了此方法的有效性。     

强化学习方法在移动机器人导航中的应用

路径规划是智能机器人关键问题之一,它包括全局路径规划和局部路径规划.局部路径规划是路径规划的难点,当环境复杂时,很难得到好的路径规划结果.这里将强化学习方法用于自主机器人的局部路径规划,用以实现在复杂未知环境下的路径规划.为了克服标准Q 学习算法收敛速度慢等缺点,采用多步在策略SARSA(λ)强化学习算法,讨论了该算法在局部路径规划问题上的具体应用.采用CMAC神经网络实现了强化学习系统,完成了基于CMAC神经网络的SARSA(λ)算法.提出了路径规划和沿墙壁行走两个网络的互相转换的方法,成功解决了复杂障碍物环境下的自主机器人的局部路径规划问题.仿真结果表明了该算法的有效性,同传统方法相比该算法有较强的学习能力和适应能力.     

巡检机器人自主充电对接控制方法

为保证轮臂复合式巡检机器人与太阳能充电基站充电座能准确和可靠自主充电对接,提出一种基于位置关系粗定位、视觉伺服精定位、以及压力传感器接合反馈的自主充电对接控制方法.通过感知机器人所处地线坡度信息,将安装在机器人压紧机构的充电插头运动至安装在悬垂C型挂板底端中心部位的充电座附近;根据图像空间充电座中心棱边与成像区域中心线距离来表征图像特征的变化,设计充电精定位伺服控制律,采用变论域模糊控制方法进行精确定位控制;依据贴合在正负电极片下压力应变片传感器信号变化反馈对接状态.模拟线路和实际线路的试验运行结果表明,该方法具有准确、可靠、效率高的特点,能够满足自主充电对接的任务要求.     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

巡线机器人的充电对接及特性分析

为了适应在充电座与充电头的对接过程中,由于安装误差、输电线路受机器人重力会产生向下形变带来的对中偏差,克服传统插针与插孔对准难的缺点,根据巡线机器人在高空线路上运行的特点,首先设计出了一种新型的、对接简单可靠的充电对接装置(包括楔形充电头和4自由度缓冲充电座);然后分析了对接过程,并通过坐标变换法得到了对接装置与高空线路之间的几何约束关系;最后根据对接时的接触特点,分析了受力特性,得到了线路及对接装置相关的几何参数、特性参数(摩擦系数)之间的约束关系,为充电对接装置和线路之间的参数匹配提供了理论依据.     

基于Zigbee网络的智能播种机器人关键技术研究

目前国内的智能播种机器人存在播种速度慢、路径跟踪不准确、效率低等问题.提出基于Zigbee网络的智能播种机器人.将无线传感器与Zigbee网络技术相结合,实时获取工作区域内的环境数据,传递给机器人进行播种操作.采用数字指南针校正的增量式PID控制方法控制机器人进行直线行走和蚁群算法实现智能播种机器人的路径规划.有效的解决了播种机器人存在的问题,使智能播种机器人得到广泛地应用。     

融合Dijkstra和PID算法的室内移动机器人局部路径规划

针对普通轮式机器人在室内难以通过狭小工作区域,易陷入局部区域无法完成导航的问题,提出一种麦克纳姆轮式机器人底盘的局部路径规划融合算法。借鉴麦克纳姆轮的优势,采用Dijkstra全局路径规划算法规划全局路径,融合Dijkstra和PID算法控制局部路径规划;根据姿态信息将机器人速度进行横向和纵向分解,限制旋转速度,在保持姿态不变的前提下驱动机器人实现稳定移动;使用搭载机器人操作系统的麦克纳姆轮式机器人进行导航测试试验,验证本文融合算法的有效性。结果表明：在复杂狭窄的室内环境下,本文算法可实现机器人的自主导航与避障,可成功地从设定的起点到达终点;与传统的时间弹性带(TEB)算法相比,本文算法在无障碍的环境中导航时间减少了30.56%,在有障碍物环境中导航成功率可提高4%,能够满足室内移动机器人快速到达导航目标点的需求。     

基于萤火虫算法的电动汽车充电站优化布局

随着国家对节能环保设备的大力扶持,电动汽车市场规模不断扩大,充电站的投资不断增加。分析了电动汽车充电站选址的一般情况,综合考虑充电站与用户成本的综合效益成本最低条件下的运行情况,构建用户-充电站运营成本最小的综合优化模型,以充电站与用户之间的对应关系为约束条件,对充电站最优规划模型进行全面、充分地分析。所构建的电动汽车充电站规划问题是非凸、非线性、组合优化问题,引入萤火虫优化算法进行求解,萤火虫优化算法案例分析结果表明了该算法可以得到最优解,而不会陷入局部最优。结合构建的充电站成本最小模型,实例结果表明,基于萤火虫优化算法的电动汽车充电站的布局规划具有简单实用、全局最优、适应性强、经济性好等优点。     

面向抓取任务的移动机器人停靠位置优化方法研究

为了解决移动机器人在复杂环境中物体抓取规划成功率低以及规划时间长等问题, 本文提出了一种基于环境信息的预处理生成移动机器人停靠位置优化算法。首先对机械臂的工作空间进行分析, 得到抓取难易评价标准, 将环境中目标物、障碍物以及移动底盘位置简化为点, 投影到xy平面上, 根据抓取难易评价标准求出移动机器人优化后的底盘停靠位置; 然后针对机械臂避障问题, 采用快速扩展随机树(Rapidly-exploring Random Trees, RRT)算法实现了机械臂末端及连杆与障碍物的避障; 最后通过仿真和动作捕捉系统下的实验发现, 采用移动机器人停靠位置优化算法可显著提高抓取规划成功率和规划速度。     

基于改进遗传算法的移动机械臂拣选路径优化

传统移动机械臂路径规划算法没有根据抓取点分布情况对工位点坐标进行优化,效率低,对此,提出了一种基于改进遗传算法的移动机械臂拣选路径优化方法.通过对拣选物品位置的分析,建立单个工位点上移动机械臂分拣路径模型和多工位点的旅行商（TSP）问题模型,运用改进的遗传算法,在工作空间内对各个工位点的位置坐标寻优,规划出移动机械臂抓取的最短路径和多工位点间移动的最短路径.实验结果表明,与传统遗传算法可能,运用改进的等级进化选择算子和最优近邻交叉算子,遗传算法的收敛速度提高了46.15%,路径缩短了45.99%,系统运行时间减少了25.80%,提高了系统效率.     

基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS（geographicinformationsystem）地图的移动机器人路径规划．该方法应用改进A’算法,较好地实现了移动机器人的最优路径规划．在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹．应用VC＋＋编程进行实验,证明了该方法的有效性．     

移动机器人路径规划仿真平台设计

路径规划问题是智能机器人研究的关键问题之一。笔者开发了一个智能机器人路径规划的仿真平台,该系统可用作机器人离线路径规划研究。系统的路径规划器首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索,根据指定的机器人起始位置及目标位置产生准优化路径。主要应用时变势场法、遗传算法、栅格法3种规划算法对机器人行走路线进行了模拟。同时,提出了一个有效的引入遗传算法的（FNA）算法,并给出了仿真结果。     

Global optimal path planning for mobile robot based on improved Dijkstra algorithm and ant system algorithm

A novel method of global optimal path planning for mobile robot was proposed based on the improved Dijkstra algorithm and ant system algorithm. This method includes three steps： the first step is adopting the MAK-LINK graph theory to establish the free space model of the mobile robot, the second step is adopting the improved Dijkstra algorithm to find out a sub-optimal collision-free path, and the third step is using the ant system algorithm to adjust and optimize the location of the sub-optimal path so as to generate the global optimal path for the mobile robot. The computer simulation experiment was carried out and the results show that this method is correct and effective. The comparison of the results confirms that the proposed method is better than the hybrid genetic algorithm in the global optimal path planning.     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题，提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点，通过扩展，逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明，即使在随机生成的复杂环境下，利用该算法也可以快速规划出一条全局优化路径，且能安全避障。     

基于二进制粒子群算法的移动机器人路径规划

由于用PSO进行机器人路径规划的研究尚局限于用连续模型规划连续描述的环境中的路径,使算法受到一定的局限性.为此,研究了一种全新的基于栅格法的机器人路径规划二进制粒子群算法.首先用栅格法描述机器人工作环境,在此基础上,将机器人路径表示为粒子位置的二进制编码,并以路径长度为适应值,产生初始种群后,再对粒子位置和速度进行更新,经过多次迭代,即可获得从起始点到目标点的一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,计算机仿真实验证明了该方法的有效性和先进性.