基于蚁群算法的机器人路径规划问题研究

该文将蚁群算法运用到机器人全局路径规划上,主要针对蚂蚁算法在搜索路径过程中落入障碍物陷阱而造成算法停滞的现象,提出了改进策略,同时基于对机器人所处环境的表示方法及算法中对应问题的描述和定义的研究,对相关参数进行了改进探讨。通过对算法的改进,增强了机器人的蚁群算法在复杂环境路径规划下的适应能力。     

基于改进蚁群算法的机器人路径规划

本文主要结合蚁群算法对机器人路径规划进行了系统的研究。针对蚂蚁在搜索路径过程中落入障碍物陷阱而造成算法停滞的现象,提出了蚂蚁系统回退策略。为了检验改进型算法的性能,基于MATLAB软件设计了仿真程序。仿真结果表明：对基本蚁群算法的改进,提高了算法的有效性和鲁棒性,增强了蚁群算法在机器人路径规划中的适应能力。     

面向复杂障碍场的电力巡检机器人局部动态融合路径规划

为解决电力巡检机器人在复杂障碍场中，常与障碍物碰撞、避障效率低等问题，提出面向复杂障碍场的电力巡检机器人局部动态融合路径规划方法。使用基于栅格法的复杂障碍场地图生成方法，构建面向复杂障碍场的电力巡检环境地图；结合所构建地图信息，由改进遗传算法寻优获取巡检所用全局最短路径后，经时间弹性带算法，结合不同时刻机器人位姿信息，由距离阈值判断机器人与动态障碍物碰撞可能性，以全局规划路径弹性拉伸的方式，完成局部动态融合的避障运行，且需分析局部动态规划路径中，机器人运行方向与全局规划路径一致性，动态调节规划机器人巡检路径。经测试，此方法使用后，机器人未出现碰撞问题，且避障速度提升约300%。     

蚁群算法在移动机器人路径规划中的仿真研究

研究移动机器人路径规划问题.移动机器人路径规划是一个多目标优化问题,由于避障定位要求,传统机器人路径规划优化方法存在算法复杂、搜索空间大和效率低等难题,难以获得最优解.为了提高机器路径规划的效率和定位准确性,提出了一种蚁群算法的移动机器人路径规划方法.蚁群算法的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,然后将机器人出发点作为蚁巢位置,路径规划最终目标点作为蚁群食物源,通过蚂蚁间相互协作找到-条避开障碍物的最优机器人移动路径.仿真实验结果证明,蚁群算法的路径规划方法提高了机器人路径规划的效率,能在最短时间找到机器人路径规划最优解,且能安全避开障碍物,为优化设计提供了依据.     

基于ROS的粮面巡检机器人导航系统设计

考虑到粮食具有散粒性,采用履带式机器人可以在粮面上平稳运行。设计一种基于机器人操作系统ROS和激光雷达的粮面巡检机器人导航系统,使用基于粒子滤波的Gmapping算法构建栅格地图。全局路径规划使用改进启发函数的蚁群算法,加速收敛速度获得最短路径,应用动态窗口算法以关键点作为中间目标点规划局部路径,实现路径规划以及实时避障功能。经过仿真实验证明,该方案可以准确建立地图,改进的导航算法能够进行路径规划和避障,该方案设计具有可行性和有效性。     

基于K-Means与SVM结合的栅格分区路径规划方法

智能清洁机器人全局路径规划中,利用栅格法对清洁机器人的工作环境进行建模。分别介绍了K-Means聚类算法和支持向量机(SVM)算法,使用K-Means聚类算法与支持向量机(SVM)相结合的方法,以不同的约束条件进行聚类,在含有复杂障碍物的栅格地图时能有效减少分区,利用蚁群算法对分区后的栅格地图路径规划仿真,有效地提高了蚁群算法在栅格地图路径规划中的整体效率。     

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。     

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。     

基于改进蚁群算法的机器人路径规划研究

在二维静态环境下的机器人路径规划中,采用基本蚁群算法寻优存在搜索时间较长、效率较低、容易陷入局部最优等问题。针对这些问题对基本蚁群算法进行改进,改进的蚁群算法使用不同的期望值机制,采用挥发系数自适应方式更新信息激素,并加入拐点参数作为路径的评价标准之一。对这两种算法进行仿真分析,可得改进后的蚁群算法比基本蚁群算法搜索能力更强,算法效率更高,所寻路径更短。结果表明,该改进算法提高了算法效率,抑制了算法陷入局部最优并实现了机器人最优路径搜索,使机器人可以快速地避开障碍物安全到达目标点。     

煤炭勘探及救援机器人最优路径规划研究

为了解决三维环境中的煤炭勘探及救援机器人路径规划问题,提出了一种基于改进蚁群算法的煤炭勘探及救援机器人最优路径规划方法。利用栅格法创建了三维空间环境模型,建立了煤炭勘探及救援机器人的路径规划目标函数;通过引入新的启发函数因子、节点随机选择机制、局部更新和全局更新相结合的策略分别对算法的节点转移概率设计、节点选择策略和信息素更新策略进行了优化改进。Matlab仿真结果表明,在三维空间环境模型中,传统蚁群算法和改进蚁群算法均能为煤炭勘探及救援机器人搜索出一条最优路径;在不同任务要求下,改进蚁群算法能有效缩短搜索路径长度和降低路径搜索时间,且具有较强的决策能力和较好的收敛性能。     

基于构型空间法的机器人路径规划研究

提出了一种静态环境下的机器人路径规划仿生算法，该算法用构型空间法对场景进行建模，模拟蚂蚁群体觅食的智能行为，由多只蚂蚁协作完成最优路径的搜索。搜索过程在基于蚁群优化算法的基础上增加了最近邻居策略和目标导引函数，使搜索过程快速高效。并在实验环境中对机器人路径规划进行仿真，结果显示在多障碍物下也能迅速规划出最优路径，表明研究的可行性和有效性。     

改进蚁群与动态Q学习融合的机器人路径规划

基本Q学习算法应用于路径规划时,动作选择的随机性导致算法前期搜索效率较低,规划耗时长,甚至不能找到完整的可行路径,故提出一种改进蚁群与动态Q学习融合的机器人路径规划算法.利用精英蚂蚁模型和排序蚂蚁模型的信息素增量机制,设计了一种新的信息素增量更新方法,以提高机器人的探索效率;利用改进蚁群算法的信息素矩阵为Q表赋值,以减少机器人初期的无效探索;设计了一种动态选择策略,同时提高收敛速度和算法稳定性.在不同障碍物等级的二维静态栅格地图下进行的仿真结果表明,所提方法能够有效减少寻优过程中的迭代次数与寻优耗时.     

机器人路径规划研究

机器人路径规划是在有障碍物的工作空间中寻求一条安全无障的最优路径,是当前机器人研究领域的热点问题,是实现机器人自主导航和完成复杂任务的关键技术之一。在对智能路径规划方法研究的基础上,提出了基于人工免疫算法的机器人路径规划,并对免疫算法进行了详细设计。仿真结果表明,人工免疫算法可以很好地规划出恰当的路径,收敛速度快,规划效果好,较好地验证了所提出方法的正确性和有效性。     

基于智能路径规划算法的移动机器人系统设计

提出了移动机器人的一种全局路径规划与局部路径规划相结合的新型算法.在以TMS320LS2407A为核心处理器设计的移动机器人平台上,研究移动机器人智能路径规划的算法问题并予以实现.上位机规划机器人的最优路径,并通过与机器人无线通信,发送路径信息,实时接收机器人方位信息.上位机通过操作应用程序对机器人进行监控.机器人能够自主计算轨迹并准确跟踪路径,检测到障碍物后,智能地重新规划路径,避开障碍物到达目的地.实验结果表明:该方法能有效实现机器人的最佳行走路线规划.     

基于蚁群模拟退火算法的水下机器人路径规划

全局路径规划是水下机器人(AUV)研究领域的重要课题之一,文中研究已知障碍物环境条件下的水下机器人路径规划问题;提出一种分布路径规划方法,首先建立移动机器人路径规划的数学模型,介绍了蚁群算法、模拟退火算法的原理,然后考虑到蚁群算法搜索时间较长,易出现停滞现象的缺点,提出蚁群模拟退火算法来解决大范围海洋复杂环境下水下机器人的路径规划问题;通过仿真实验,表明所提算法有效,并且计算简单、收敛速度快,能够满足水下机器人导航的要求.     

基于双向搜索的改进蚁群路径规划算法

针对移动机器人在复杂地图环境中移动耗时长、易陷入局部最优等问题,设计了一种基于双向搜索的改进蚁群路径规划算法。基于K-means算法对地图预处理,量化地图的局部复杂度程度,并将局部环境信息融合到状态转移概率函数,使机器人优先选择在复杂程度小的区域进行寻优,减少路径拐点。设定双向搜索规则,改进启发函数,提高算法的局部方向搜索精度和全局搜索效率。针对蚁群算法中蚂蚁遇到U障碍物陷入死锁的问题,提出死锁判断系数,增加了有效蚂蚁的数量,进一步提高了算法性能。仿真结果表明所设计的算法在复杂地图环境中相较于传统蚁群算法移动机器人的路径搜索效率更高。     

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.     

基于改进蚁群算法的移动机器人平滑路径规划

针对移动机器人提出了基于改进蚁群算法的平滑路径规划方法。为了克服蚁群算 法解决路径规划问题时存在的收敛速度慢的缺点,对启发因子的矩阵初始值及更新方式进行了 改进,启发因子改进后的结果与之前相比,平均路径长度减少了 17.6%,平均收敛代数减少了 93.1%;对于栅格环境下存在障碍物时机器人累计转弯角度大的问题,提出了控制点转移策略, 在上一步改进的基础上,通过对控制路径走向的栅格中心点向栅格角顶点的转移,实现了路径 规划的平滑改进。路径规划仿真结果表明,与平滑改进前相比,平滑改进后机器人的平均路径 长度减少了 4.28%,累计转弯角度减少了 52.58%。     

改进蚁群算法在机器人路径规划上的研究

基于蚁群算法在路径规划过程中出现收敛速度慢、易陷入局部最优,且在复杂环境下的寻优能力弱等缺陷,提出了一种适用于机器人路径规划的改进蚁群算法。在预规划路径基础上建立初始信息素矩阵,避免算法前期盲目搜索,提高搜索速度;将改进蚁群算法和A*算法进行有机融合,进一步提高蚁群算法搜索方向性和收敛速度。制定信息素更新规则时引入拐点评价函数,提高搜索路径的光滑性,提高机器人安全性和降低能耗;提出回退策略有效减少蚂蚁死亡数量,提高路径规划方法的鲁棒性。仿真实验表明,在相同的环境下,改进的蚁群算法在机器人路径规划中搜索效率和收敛速度明显优于其他算法。     

基于机器视觉技术的变电站巡检机器人自动导航系统

该文设计基于机器视觉技术的变电站巡检机器人自动导航系统,有效规划巡检机器人巡检路径,实现巡检机器人自动导航。该系统利用以PIC16F73为单片机的核心控制器,通过机器视觉采集模块采集变电站巡检设备和路线图像,经过图像处理模块分割、去噪处理后,由无线传输模块传输至巡检导航模块,结合栅格法和蚁群算法得出变电站巡检机器人路线规划最优路线;利用PID控制器控制巡检机器人按照规划路线行驶,实现变电站巡检机器人自动导航。实验结果表明,该系统无线通信性能好、覆盖范围广,可准确采集变电站巡检设备和路线图像并精准实现巡检机器人定位,能够有效规划巡检路线,实现巡检机器人自动导航。