基于改进深度学习的变电站机器人巡检路径规划研究

随着智能电网的不断发展,变电站数量随之增加。针对变电站中巡检任务繁重以及人工巡检可视化水平低的问题,该文提出了一种基于改进深度强化学习的变电站机器人巡检路径规划方法。结合巡检机器人的运动模型,设计深度强化学习的动作和状态空间。将深度强化学习网络与人工势场相结合,重新构造深度强化学习的奖励函数,优化卷积神经网络结构。通过实际变电站场景进行验证,提出的改进深度强化学习算法较传统算法计算时间更短,效率更高,更有利于对变电站巡检机器人的巡检路径进行精准规划,提升变电站的自动化程度水平。     

基于SLAM的电厂巡检机器人导航技术实现

科技的迅速发展使得机器人在各行各业的应用越来越广泛，不同的环境中机器人承担的任务分工也不同。但由于电厂环境的复杂性，人力巡检难度日益增大。鉴于此，提出利用巡检机器人对电厂进行巡视，并利用扩展性卡尔曼滤波的SLAM算法对机器人的导航技术进行强化。结果显示，应用基于扩展卡尔曼滤波算法对巡检机器人进行仿真定位实验中，障碍物的定位都比较准确；巡检机器人共运行采样1 133次，在横、纵轴方向上的误差分别能够控制在2 m、1 m以内；利用RRT算法与DWA算法对机器人进行路径仿真实验，两种方法均能够有效地减少搜索时间，较快地寻找到最优路径选择。以上结果均显示机器人的预测路径与实际路径之间的误差较小，表明研究所提方法可以有效地提升巡检机器人的导航技术。     

基于遗传算法的变电站巡检机器人任务路径规划方法研究

近年来,随着变电站巡检机器人在变电站中的广泛使用,巡检机器人路径规划问题越来越成为亟待解决的问题。巡检机器人在已知的拓扑地图中标记了待执行巡检任务的停靠点,不同任务需要从初始点出发经过不同的一系列停靠点再返回初始点,如何规划路径是机器人面临的问题。首先分析了路径规划面临的问题,然后通过分析拓扑地图的特征,对地图进行等价简化,再对问题进行建模使用遗传算法求解巡检任务路径规划的近似最优解。通过仿真实验证明,提出的基于遗传算法的路径规划方法是可行有效的,为变电站巡检机器人任务路径规划提供了一种有效方法。     

基于粒子群算法的移动机器人路径规划

提出一种分步路径规划方法，首先采用链接图建立机器人工作空间模型,用Dijkstra算法求得链接图 最短路径；然后用粒子群算法对此路径进行优化，得到全局最优路径.仿真结果表明:所提方法简便可行,能够满足 移动机器人导航的高实时性要求,是机器人路径规划的一个较好方案.􀁱     

基于改进生物激励神经网络算法的多移动机器人协同变电站巡检作业

针对大型变电站巡检作业效率低的问题,利用改进的生物激励神经网络算法和优先级启发式算法,结合基于变切线长的无障碍物区域分割法,提出一种多移动机器人协同全区域覆盖巡检以及多任务点协同巡检的方法.首先,分析生物激励神经网络算法的不足,如规划的路径曲折、转角大等问题,并提出一种改进方法,利用改进的算法和Hungarian算法实...     

基于激光传感器的变电站巡检机器人导航

针对变电站环境复杂,人工巡检强度大,效率低的问题,研究了基于激光雷达的巡检机器人系统。采用激光即时定位与地图构建(SLAM)算法建立环境地图,应用自适应蒙特卡洛定位(AMCL)算法结合激光以及里程计的数据进行实时定位。针对变电站环境,在地图中标定巡检坐标以及路径中的关键点,设计了全局路径规划以及点对点的导航算法。实验结果表明:巡检机器人能在室内外有效工作,室内外测试条件下的x和y方向的平均绝对误差均小于2 cm,角度的平均绝对误差均小于2°。     

基于改进Dijkstra算法的机器人路径规划方法

本文提出一种利用栅格法和改进的Dijkstra算法进行机器人路径规划的方法。该方法利用栅格法对机器人的工作环境进行表示,利用改进的Dijkstra算法进行最短路径的搜索。应用该方法在对环境细化到包含10000个栅格节点的情况下,在主频1.7GHZ的计算机上规划路径的时间最长不超过0.3秒。实践证明该方法具有实时性和路径最优性。     

基于改进Dijkstra算法的机器人路径规划方法

本文提出一种利用栅格法和改进的Dijkstra算法进行机器人路径规划的方法。该方法利用栅格法对机器人的工作环境进行表示,利用改进的Dijkstra算法进行最短路径的搜索。应用该方法在对环境细化到包含10000个栅格节点的情况下，在主频1．7GHZ的计算机上规划路径的时间最长不超过0．3秒。实践证明该方法具有实时性和路径最优性。     

基于群集智能算法的移动机器人路径规划研究

本文提出一种新的群集智能算法,在用Dijkstra算法基于链接图建模的地图中得到一个最优解的可行空间后,再用粒子群算法或蚂蚁算法优化得到全局的最优路径。因为群集智能算法是一种概率搜索算法,没有集中控制约束条件,不会因为个别个体的故障影响整个问题的求解,具有较强的鲁棒性,所以在机器人全局路径规划应用中具有较显著的优点。仿真结果表明了算法的有效性,是机器人路径规划的一个较好的方法。     

考虑机器人尺度的变电站路径规划

在传统的变电站巡检过程中,存在人工任务繁重且效率低下等问题,为了提高变电站中的巡检效率与安全性,提出了一种基于遗传算法和人工势场法巡检机器人的路径规划方法.算法由三部分组成,首先通过Maklink方法对仿真环境进行建模,通过遗传算法求出不考虑安全性的近似最优解;第二部分,在遗传算法求解的基础上,将路径中间节点作为引力点,障碍物的边界作为斥力点,构建人工势场环境模型;第三部分,用改进的人工势场法进行优化,提高路线的安全性.通过在计算机平台上的仿真测试,最终结果表明该方法可以在一定时间之内得到一条安全性更高的路线,使得巡检机器人可以避开障碍物到达指定地点,从而完成巡检电路的任务.上述算法改进了人工势场路径规划方法一直以来根本性的缺陷,如易陷入极值点、易产生路径点震荡等问题,并且利用人工势场路径平滑的特点提高了Maklink路径规划方法的路线安全性.     

机器人路径规划中的双向Dijkstra二叉树算法

在分析现有路径规划和碰撞检测方法的基础上，提出了一种新的机器人路径规划方法：双向Dijkstra二叉树算法。在机器人路径规划中应用传统的Dijkstra算法时间复杂度是O(n¬¬¬¬2)，应用该文提出的算法进行路径规划的时间复杂度为O(nlog2n)。通过一些数据的检测，验证了在机器人路径规划中，尤其是在测试数据较多的情况下，该算法可以有效提高效率。     

基于松弛Dijkstra算法的移动机器人路径规划

在栅格环境建模方法的前提条件下,针对在较大规模、障碍物密集的工作环境中移动机器人难以进行实时路径规划的问题,利用栅格地图的结构特点提出一种松弛的Dijkstra算法。该方法首先采用四邻域搜索在线性时间内构建从源点到全局各点的曼哈顿距离势场,然后从目标点向源点进行八邻域搜索并返回一条无碰撞、近似最优路径。经过Matlab仿真实验证实该方法在计算时间上比采用堆排序实现的Dijksta算法和A-star算法快10倍以上,在路径长度上与最短路径相比误差处于合理范围之内。     

最短路径问题及其解法研究

最短路径问题是在给定的网络图中寻找出一务从起始点到目标点之间的最短路径。该文分别从动态规划、Dijkstra、A＊算法、遗传算法这四种算法设计方法入手,概述了各种设计方法的原理,提出了求解最短路径的算法思想,并对算法进行分析．提出了改进方法。     

经过指定的中间节点集的最短路径算法

目前研究最短路径的算法,多数只是针对从起点出发到达终点的情况。如果限制这条最短路径必须要经过某些指定的中间节点,则现有的一些算法就不再适用了。基于Dijkstra算法和贪心理论,给出了解决此类问题的方法。将相关节点集拆分成三个子集,分别求连通三个子集的局部最短路径,进而形成全局待选最短路径,通过筛选得到目标路径。通过理论分析算法的时间复杂度和实际编程实验确认了该算法的有效性。     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

基于分层的智能导航组合算法

最短路径算法问题是计算机科学、运筹学、地理信息系统和交通导航系统等领域研究的一个热点。Dijkstra算法用于计算一个节点到其他所有节点的最短路径,得出最短路径的最优解,但它的效率是一个很大的问题。组合算法在Dijkstra算法的基础上．利用层次策略与准备算法,计算出最短路径,解决了常用最短路径算法中相关数据量大、耗用资源多、执行效率低等关键问题。     

适用于无向网络的动态Dijkstra算法优化

网络拓扑发生变化时,利用静态Dijkstra算法重新计算最短路径树(SPT)会造成冗余计算。动态Dijkstra算法解决了这个问题,但目前动态算法一般是基于有向网络模型进行的研究。在已有的动态Dijkstra算法基础上,提出适用于无向网络的动态Dijkstra算法。算法主要解决了在无向网络中如何确定待更新节点的问题,对网络中的一条边权值增大、减小的处理方法进行了详细描述,并对已有的算法的筛选机制进行了优化。为了验证算法的正确性,用仿真实验实现了该算法并与静态算法进行性能比较。实验结果表明,新算法更能提高节点更新的时间效率。     

改进A*算法的移动机器人最短路径规划

针对复杂室内环境下移动机器人路径规划存在实时性差的问题,通过对Dijkstra算法、传统A^*算法以及一些改进的A^*算法的分析比较,提出了对A^*算法的进一步改进的思路。首先对当前节点及其父节点的估计路径代价进行指数衰减的方式加权,使得A^*算法在离目标点较远时能够很快地向目标点靠近,在距目标点较近时能够局部细致搜索保证目标点附近障碍物较多时目标可达;然后对生成的路径进行五次多项式平滑处理,使得路径进一步缩短且便于机器人控制。仿真结果表明,改进算法较传统A^*算法时间减少93.8%,路径长度缩短17.6%、无90°转折点,使得机器人可以连续不停顿地跟踪所规划路径到达目标。在不同的场景下,对所提算法进行验证,结果表明所提算法能够适应不同的环境且有很好的实时性。