人工蜂群算法在移动机器人路径规划中的应用

研究机器人路径规划优化问题,机器人工作环境复杂,运动路径上存在许多障碍物.针对提高机器人安全导航性能问题,传统群智能算法存在早熟、搜索效率低等难题,难以获得全局最优路径.为了获得最优机器人运动路径,避免碰撞的发生,提出了一种人工蜂群算法的机器人路径规划方法.首先采用栅格法对机器人工作环境进行建模,然后机器人路径规划目标点作为蜜源,最后蜂群之间信息交换、协作搜索最优机器人运动路径.结果表明,人工蜂群算法解决了传统群智能算法存在的难题,加快了机器人路径规划求解速度,以较短时间找到最短机器人运动路径.     

未知环境下基于椭圆约束的机器人路径规划

针对未知环境下机器人路径规划问题,提出一种基于椭圆约束的路径规划方法。借助椭圆约束规划路径,将路径规划问题转化为椭圆参数优化问题。通过建立椭圆约束优化模型,引入障碍物和目标位置的约束,考虑机器人运动步长及运动方向的影响,实现复杂未知环境下机器人路径规划。基于不同算法的仿真实验结果表明,该方法有效解决了未知环境下机器人路径规划问题,在大量障碍物存在的未知环境,也能快速有效地进行无碰撞路径规划。     

基于环境预测的步进式运动协调策略

为了解决未知动态环境下的多机器人系统的路径规划问题,在改进的势场栅格法的基础上,提出了一种基于环境预测的步进式多机器人运动协调策略。针对机器人躲避移动障碍物的避障运动和机器人之间避碰运动的不同,分别提出了协调策略Ⅰ和协调策略Ⅱ。为了验证协调策略的有效性,将该方法用于多机器人系统的路径规划中,并利用Visual C++进行仿真。仿真结果表明,用该方法进行路径规划是可行的和有效的,并且算法简单、计算量小。     

一种基于改进冲突搜索的多机器人路径规划算法

针对智能仓储环境下多载位自主移动机器人集群拣选-配送路径规划问题,提出一种改进型基于冲突搜索的多智能体路径规划算法.在模型方面,采用多载位机器人替代KIVA机器人,建立以最小化拣选-配送时间以及无效路径比为目标的数学规划模型.在算法方面,首先,提出一种基于优先级规则的多智能体冲突消解加速策略;然后,设计基于动态规划的单机器人拣选序列优化算法;最后,设计考虑转向惩罚的增强A*算法搜索机器人最优路径.实验结果表明:所提出模型与KIVA系统相比有较大优越性;所提出算法能够有效缩短拣选-配送时间、减少无效路径时间.     

基于三维环境模型的启发式路径规划算法

针对多自由度机器人手臂在未知环境中实时避障的问题,提出了一种基于环境信息的连杆机器人实时路径规划方法。采用笛卡尔空间内的障碍物检测信息建立了障碍物的空间模型,并依据该模型设计一种基于启发式规则的机器人路径规划算法。该算法不断猜测和修正路径,通过模糊推理得到下一位姿点,通过曲线拟合得到到达该位姿点的路径。在Matlab下利用机器人工具箱建立了PUMA560型机器人的运动学模型,并在运动空间设置障碍物,对该算法进行仿真分析,分析结果说明所提出的路径规划算法可以在较短时间内完成避障运动,具有较好的实时性,同时运动关节的角度变化曲线比较平滑,运动中冲击力较小,这些特点使其便于在实际工程中使用。     

实现机器人动态路径规划的仿真系统

针对机器人动态路径规划问题,提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知,静止和运动障碍物的复杂情况。采用栅格法建立机器人空间模型,整个系统由全局路径规划和局部避碰规划两部分组成。在全局路径规划中,用快速搜索随机树算法规划出初步全局优化路径,局部避碰规划是在全局优化路径的同时,通过基于滚动窗口的环境探测和碰撞规则,对动态障碍物实施有效的局部避碰策略,从而使机器人安全顺利地到达目的地。仿真实验结果说明该方法具有可行性。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

煤矿搜救机器人最优路径规划算法

针对煤矿搜救机器人路径规划过程中因受障碍区间的干扰导致全局最优路径难以确定的问题,提出了基于梯度-坐标轮换法的煤矿搜救机器人最优路径规划算法。机器人首先按照梯度-坐标轮换法运动,然后根据已有的运动路径进行局部路径优化,并对所规划的局部最优路径进行可行性判断,直到路径中不存在障碍区间为止。仿真结果表明,该算法能够使煤矿搜救机器人在避开障碍的前提下,准确地规划出从出发点到目标点的全局最优路径,从而提高机器人运动路径规划的合理性和高效性。     

基于扩散方程的改进型路径搜索算法在机器人足球中的应用

通过对扩散方程基本理论的研究,提出一种基于扩散方程的路径搜索法。在深入研究传统扩散方程路径搜索方法优缺点的基础上,进一步提出基于扩散方程的改进型路径搜索算法,并将其用于机器人足球的运动路径规划。通过仿真机器人足球实验表明该算法可行且有效。     

基于改进蚁群算法的四足机器人步态规划

四足机器人关节众多、运动方式复杂,步态规划是四足机器人运动控制的基础。传统的算法多基于仿生原理,缺乏广泛适应性。 在建立运动学方程的基础上,提出了一种基于改进蚁群算法的步态规划算法。该算法利用了四足机器人4条腿运动的线性无关性,将步态规划问题转换为在四维空间里求取最长路径问题。仿真结果表明,该算法得出了满足约束条件的所有步态,最后通过机器人样机检验,验证了该算法求取结果的有效性和合理性。     

融合环境信息和运动约束的改进A*算法研究

标准A*算法存在着无法考虑移动机器人运动特性及处理后的路径不利于移动机器人运动等问题。针对这一问题提出了一种新改进A*算法,通过环境信息引入障碍物权重系数来改进算法的启发函数并进行全局路径规划;优化搜索节点的选取方式和设定障碍物与路径之间的安全距离;基于对移动机器人的运动特性的考虑优化其路径,并在不同环境地图中与其他算法进行仿真实验对比分析。相关实验表明：基于新改进A*算法规划的路径始终与障碍物保持一定的安全距离;改进A*算法在时间上相比标准A*算法平均减少了80%,路径长度平均减少了2%,路径转角平均降低了82%。改进后算法相比其他算法在时间、搜索节点以及平滑度上有很大的改进,融合机器人环境信息和运动特性的规划路径算法可为移动机器人的路径规划提供一种新的方法。     

Decentralized Motion Planning for Multiple Mobile Robots: The Cocktail Party Model

This paper presents an approach for decentralized real-time motion planning for multiple mobile robots operating in a common 2-dimensional environment with unknown stationary obstacles. In our model, a robot can see (sense) the surrounding objects. It knows its current and its target's position, is able to distinguish a robot from an obstacle, and can assess the instantaneous motion of another robot. Other than this, a robot has no knowledge about the scene or of the paths and objectives of other robots. There is no mutual communication among the robots; no constraints are imposed on the paths or shapes of robots and obstacles. Each robot plans its path toward its target dynamically, based on its current position and the sensory feedback; only the translation component is considered for the planning purposes. With this model, it is clear that no provable motion planning strategy can be designed (a simple example with a dead-lock is discussed); this naturally points to heuristic algorithms. The suggested strategy is based on maze-searching techniques. Computer simulation results are provided that demonstrate good performance and a remarkable robustness of the algorithm (meaning by this a virtual impossibility to create a dead-lock in a random scene).     

关节型机器人运动学仿真及控制系统设计

关节型机器人各运动关节动态特性和控制系统的稳定性直接影响机器人以及轨迹规划的可达性。以IRB140关节型机器人为研究对象,依据标准D-H参数法和空间位姿变换理论推导出机器人正向运动学数学模型,并采用机器人逆运动学和改进后的五次多项式插值算法实现了机器人在关节空间下进行轨迹规划时各运动关节速度和加速度过渡平滑的目的。最后,搭建机器人控制系统实验平台,实验结果表明,所设计的关节型机器人控制系统能够准确、稳定的控制各关节运动,精准地完成不同运动路径下的夹取搬运任务,满足实际生产工作要求。     

工业机器人运动规划研究进展

由于工业机器人构型空间和工作环境的复杂性,传统运动规划算法难以在有限时间内进行路径求解,如何提高算法的规划效率与最优性成为研究热点。本文跟踪目前工业机器人运动规划算法的发展现状,针对主流随机采样算法的原理与发展脉络进行了细致分析与总结。在此基础上,详细阐述了基于强化学习的随机采样算法,该方法引入了规划学习机制,在保证求解速度的同时,还能不断提高求解质量。同时对当前运动规划算法存在的一些不足提出了建议与展望。     

基于红外传感皮肤的多关节机器人自主运动方法研究

本文研究了障碍环境下多关节机器人自主实时避碰运动理论、技术与方法. 研制的新型红外传感皮肤, 可以为多关节机器人提供所需要的周围环境信息. 针对非结构化环境下的多关节机器人实时避障问题, 提出了一种未知环境下的机器人模糊路径实时规划新方法. 实验结果表明: 基于研制的红外传感皮肤和模糊运动规划算法, 多关节机器人可以在未知或时变环境下自主工作.     

广义Voronoi图求解多机器人运动规划

在拥挤环境中,由于障碍物的边界形状比较复杂,需要使用广义Voronoi图表示空间环境。且在多移动机器人的运动规划过程中,需要协调多个机器人的运动,必须得到Voronoi图通道的宽度。为此提出了一种计算拥挤障碍物环境中生成的广义Voronoi图及其通道宽度的算法。并在生成的Voronoi图上利用A*算法对多个机器人进行路径规划,并利用分布式方法协调多个机器人运动。对协调两个机器人运动的过程进行了仿真,仿真结果表明利用提出的算法生成的具有通道宽度信息的Voronoi图能够满足多移动机器人运动规划的需要。     

Path planning with obstacle avoidance based on visibility binary tree algorithm

In this paper, a novel method for robot navigation in dynamic environments, referred to as visibility binary tree algorithm, is introduced. To plan the path of the robot, the algorithm relies on the construction of the set of all complete paths between robot and target taking into account inner and outer visible tangents between robot and circular obstacles. The paths are then used to create a visibility binary tree on top of which an algorithm for shortest path is run. The proposed algorithm is implemented on two simulation scenarios, one of them involving global knowledge of the environment, and the other based on local knowledge of the environment. The performance are compared with three different algorithms for path planning.     

Pose estimation-based path planning for a tracked mobile robot traversing uneven terrains

A novel path-planning algorithm is proposed for a tracked mobile robot to traverse uneven terrains, which can efficiently search for stability sub-optimal paths. This algorithm consists of combining two RRT-like algorithms (the Transition-based RRT (T-RRT) and the Dynamic-Domain RRT (DD-RRT) algorithms) bidirectionally and of representing the robot–terrain interaction with the robot’s quasi-static tip-over stability measure (assuming that the robot traverses uneven terrains at low speed for safety). The robot’s stability is computed by first estimating the robot’s pose, which in turn is interpreted as a contact problem, formulated as a linear complementarity problem (LCP), and solved using the Lemke’s method (which guarantees a fast convergence). The present work compares the performance of the proposed algorithm to other RRT-like algorithms (in terms of planning time, rate of success in finding solutions and the associated cost values) over various uneven terrains and shows that the proposed algorithm can be advantageous over its counterparts in various aspects of the planning performance.     

The path and location planning of workpieces by genetic algorithms

This paper presents the planning of a near-optimum path and location of a workpiece by genetic algorithms. The purpose of this planning is to minimize the processing time required for a robot to complete its work on a workpiece. The location of the workpiece can be anywhere by translating it along any direction and by rotating it about the fixedz-axis of the robot coordinate system. Owing to the changeable location of the workpiece and the alterable motion time required for a robot to move between two workpoints, the path and location planning problem is much more complicated than the travelling salesman problem. It is definitely impossible to obtain an optimum path and location within an acceptable time. In this paper, genetic algorithms are applied to solve this problem. The location of the workpiece is defined by three position parameters and one angular parameter, and the path is determined based on the values of the parameters for all workpoints. All the path and location parameters are encoded into a binary string. They are modified simultaneously by genetic algorithms to search for a global solution. As the workpiece can be anywhere, a penalty function is used to prevent the selection of illegal paths. Two experiments are given to show the performance of genetic algorithms: one has 30 workpoints and the other has 50 workpoints. Compared with four human-generated plannings, planning by genetic algorithms has much better performance in minimizing the processing time.     

一种能应付突发意外事件的装配机器人运动规划研究

本文基于运动规划的拓扑方法，针对机械手的装配环境，提出了一种能应付突发意外事件－即能躲避突发障碍继续到达目标位置的运动规划方法，该方法主要包含三部分：用已知信息进行运动规划；遇到突发障碍后进行局部调整；局部调整失败时进行全局重规划，本文给出一种运动规划器ＥＴＴＭＰ，经实验测试，该规划器具有较强的鲁棒性和实时性，为智能机器人的实用化研究提供了一种方法。