双载式多层穿梭车仓储系统复合作业路径优化

为提高自动化立体仓库的运作效率,提出混合植物繁殖算法,有效地解决了双载式多层穿梭车仓储系统复合作业路径优化问题。分析了提升机和穿梭车在系统中的实际调度路径,并考虑了其运动过程中的加减速度特性建立相应的数学模型。针对该系统复合作业的特点,设计结合交叉变异算子的混合植物繁殖算法对该模型进行优化求解,将算法中的固定边界复杂交换转换为固定边界的随机乱序排列,避免算法过早收敛陷入局部最优,以此提高算法性能。通过实例分析表明,与遗传算法和基本植物繁殖算法相比,混合植物繁殖算法的运算速度更快、优化效率更高,能够有效地缩短双载式多层穿梭车仓储系统复合作业时间,提高进出库调度效率。     

跨层穿梭车仓储系统复合作业路径规划

为提高跨层穿梭车仓储系统的运行效率,通过分析提升机与穿梭车的实际作业流程,考虑提升机与穿梭车加减速特性,建立出入库复合作业时间模型.为求解模型,设计了基于复合作业的改进人工鱼群算法,并通过算例验证了模型与算法的有效性.结果表明,所建立的跨层穿梭车仓储系统复合作业路径规划模型及所设计的求解方法,能够有效地减少其复合作业时间,提高出入库调度效率.     

云计算优化物流车辆路径规划算法

充分利用云计算在资源调度上的优势,可以在降低物流企业配送时间和成本的同时,提高其车辆的路径规划效率,为此,提出了云计算环境下基于改进粒子群算法的物流车辆路径规划算法,算法以加权成本、装卸成本、平均满意度和剩余时间四个指标描述物流车辆的调度问题,并建立了多目标优化函数,通过对粒子群算法的适度函数改进、参数自适应调整和概率变异操作提高算法路径规划寻优能力和迭代求解速度。实验结果表明,提出的改进算法在云计算条件下得到的物流车辆最优路径优于遗传算法等已有算法,且车辆调度结果更合理。     

震源车无人驾驶控制算法设计与应用

为满足震源车无人驾驶作业需求，设计出一套符合其工作特点的无人驾驶系统，并对其中的关键技术问题开展研究。首先，进行系统的设计与搭建。其次，针对铰接车结构特点，对震源车进行运动学分析与建模；提出基于转向几何约束的局部纠偏路径规划算法，解决了工作点偏离路径问题；设计出基于运动学模型的模型预测控制算法用于车辆路径跟踪，提高了震源车路径跟踪精度；提出工作点定位误差补偿算法，减小了地形因素带来的工作点定位误差；设计出一种新的跟车车距解算算法，保证了编队作业时的车辆安全。最后，进行实车测试与野外实际生产测试，实车测试结果验证了所提出算法的有效性，野外生产数据表明该系统可将震源车作业效率提高15%，精度提高57%。     

子母式穿梭车仓储系统复合作业路径优化

针对子母式穿梭车仓储系统复合作业路径优化问题,分析了两套子母车配一台升降机在一次存取货作业中的3种不同作业方式,以存取货作业时间最短为目标建立了进出库复合作业调度模型。设计结合交叉变异算子的自适应粒子群算法对该模型进行路径优化求解,并对两套子母穿梭车进行合理调度。仿真结果表明,该调度模型针对子母式穿梭车仓储系统复合作业具有较高的准确性,升降机与子母穿梭车以1∶2的配比方式在不同订单规模下能够更经济有效地缩短仓储系统的进出库复合作业时间,提高作业效率。     

具有同时集送货需求的车辆路径问题的自适应混合遗传算法

为满足配送货物和收集货物的需求,给出了具有同时集送货需求的车辆路径问题的混合整数规划模型,设计了求解该模型的自适应混合遗传算法。该算法以最优划分方法计算适应值,邻域搜索法作为变异算子,设计了新颖的交叉算子和群体更新策略,定义了群体多样性结构和变异概率的变化规律。通过仿真实验,并与已有优化算法比较,表明该算法是求解具有同时集送货需求的车辆路径问题和一般车辆路径问题的一个有效方法。     

四向车仓储作业效率影响因素的仿真分析

由于具有存储密度大、占地面积小、智能化程度高等技术优势,四向车密集仓储系统在国内外不同生产领域的应用方兴未艾,其中四向车作业效率的提升与系统整体布局、存储策略以及车辆调度等复杂因素相关联。文中以某工程项目需求为背景,基于Flexsim物流仿真软件建立了密集仓储作业仿真模型,分析了影响四向车入出库作业效率的主要因素。结果显示：提升机是四向车仓储作业效率提升的关键要素之一;单出库口布置在仓储系统主通道方向的一侧,当密集库的长宽比接近1时,有利于四向车作业效率的提升,而受构筑物空间布局限制时,应优先考虑增加货架列方向的尺寸。相比于货物的随机存储,就近存储策略下增加出库口的数量可有效提升四向车的作业效率,由此给出了出库口布置数量及其位置分布建议。相对于单通道控制的多车调度策略,定向路径调度更适用于多四向车运行的场景,为四向车密集库系统规划与资源合理配置提供参考。     

面向智能汽车的地下停车场定位与路径规划

为了解决智能车辆在全球定位系统（Global Positioning System, GPS）信号缺失的地下停车场中的定位与路径规划问题，本文使用双目离线建图、单目在线定位的视觉方法在场景中进行定位，并使用改进的路径规划算法规划全局行驶路线。首先，利用双目相机在地下停车场中的多个节点位置进行场景采集，节点的不同信息分层存储入视觉多层级地图。然后，利用单目相机进行由粗到精的地图匹配和位姿计算实现快速高精度定位。最后，使用改进的路径规划算法在地图中对各路口位置进行检测并生成路口路径图（Intersection Roadmap, IRM），全局可行驶路线根据定位结果和路径图规划得到。实验结果表明：使用单目相机的视觉定位平均误差为1.3 m，平均误差率为7.4%，基于路口路径图的规划算法相比概率路径图（Probabilistic Roadmap, PRM）算法，规划时间由5 s左右缩短至0.2 s以内，路径长度缩短了约9.56%。定位导航系统能够实时准确地实现车辆在停车场环境中的定位与路径规划，具备良好的实用性。     

基于滚动时域的整体式自动物料搬运系统避碰调度方法

为有效解决300mm晶圆制造中整体式自动物料搬运系统的高空穿梭车路径冲突问题,提出基于滚动时域的高空穿梭车避碰调度策略。对问题域进行了描述,论证了冲突发生的充要条件,指出了搜索可行候选路径的途径;以任务完成时间最小为优化目标建立数学模型,通过对最短路径依次进行空间和时间冲突侦测,针对预测的碰撞,采用耗时较短的避碰策略,从而确定时域内无冲突路径的调度方案,并在时域内进行基于事件驱动的再调度。仿真实验表明,该算法能有效实现物料搬运中高空穿梭车路径冲突的检测和避碰,提高晶圆制造系统运行的安全性和稳定性。     

Kiva机器人路径优化研究

为解决传统A^*算法无法实现多Kiva机器人在路径规划中有效地避免局部冲突的问题，本文改进了传统算法，得到基于提前预测冲突的A^*算法。首先对Kiva机器人的工作环境建立栅格地图，利用MATLAB进行实验仿真，结果表明，基于提前预测冲突的A^*算法不仅能为两个Kiva机器人规划出最优路径，而且能有效地避免动态的迎面冲突和交叉冲突，同时能实现Kiva机器人空载时在货架下任意穿梭，载货时只能走空闲道路的特点。     

Cooperative path planning of multiple autonomous underwater vehicles operating in dynamic ocean environment

This paper presents a two-stage cooperative path planner for multiple autonomous underwater vehicles operating in dynamic environment. In case of static environment, global Legendre pseudospectral method is employed for collision-free paths of vehicles for the purpose of minimum time consumption and simultaneous arrival. Moreover, in order to keep the multiple autonomous underwater vehicles safe from collisions on the path segments connecting two adjacent control nodes, an adaptive intermediate knots insertion algorithm is introduced. In the on-line planning stage, the local re-planning strategy aims at avoiding collisions with unexpected dynamic obstacles by two consecutive avoidance maneuvers, and the differential flatness property of autonomous underwater vehicle is utilized, which can help the vehicles react fast enough to avoid moving obstacles.     

基于改进A*算法的AGV路径研究

路径规划能力是AGV(Automated Guided Vehicle,自动导引运输车)系统智能化程度的体现。在众多算法中,A~*算法使用代价消耗估算方式达到较快的计算能力,被广泛应用于AGV的路径规划中,但仍存在局部最优的规划问题,规划的路径上存在冗余节点和较多不必要拐点。为减少运输路径中的总能耗,缩短路径总长度和减少AGV转弯次数,采用分裂和筛选的方案对传统A~*算法进一步优化,提出改进A~*算法,使其在实际工作环境中搜索更加迅速、考虑更加周密。在传统A~*算法基础上,在未知节点的启发函数里增加转弯权值,可以在计算规划过程中考虑转向所带来的消耗,从而减少转弯次数。使用任务分裂方案可以尽可能多地选择出较优路径,其中的最优解能够实现得转弯较少,展现出比较平滑的线路。基于Ubuntu下ROS系统版本进行仿真,对比实验结果表明,改进A~*算法在规划时间、总行程以及转弯消耗等方面都优于传统A~*算法,提升了AGV的实际运行效率,减少了AGV小车的耗能,可以缩短路径搜索规划时间,更符合工厂环境对AGV的需求。     

基于Floyd算法的移动机器人最短路径规划研究

最短路径规划是一种点对点的路径规划方式,移动机器人最短路径规划研究即是实现始点和终点间最短路径规划问题的研究.首先采用栅格地图的方式对移动机器人工作环境建模,在建模的基础上,以垂线法方式选择移动机器人路径中的关键节点,确定关键节点的位置和权值关系,并根据所选节点,基于Floyd算法进行移动机器人的最短路径规划,以及对规划的路径算法进行简化改进,通过实验证明,改进的Floyd算法能实现移动机器人路径的最短和用时的相对减少.     

基于改进 RRT ∗ 算法的智能轮椅全局路径规划研究

现实环境中智能轮椅大多数处在复杂场景下工作,其自主导航时对路径安全性等要求较高。 渐进最优随机搜索树 RRT ∗ 算法 基本满足移动机器人最优路径规划,但由于智能轮椅本体较大,容易与环境较近接触,因此可对环境模型进行膨胀并定义不同搜索步 长,使其规划出的路径远离障碍物。 其次为保证用户在使用智能轮椅导航时能够获得更高的舒适性,更高效的到达目的地,而借用启 发式约束采样思想和人工势场中引力场思想修剪此算法规划时的冗余节点,从而减小系统运行内存,随后结合轮椅的最小转弯半径, 提出最小段路径曲率约束策略和三次 B 样条曲线算法对路径进行平滑处理,使其更加适合轮椅行驶。 最终在 MATLAB 和 Gazebo 仿真 平台对改进前后算法对比实验,并将本文算法应用与智能轮椅实体上,试验结果表明,该算法能够有效解决智能轮椅全局路径规划问 题,能够明显提升全局路径规划效率,具有一定安全性,可为其移动机器人领域提供有效参考。     

基于改进蚁群算法激光导航轮式机器人路径规划

针对激光导航轮式机器人在复杂环境中路径规划原始算法存在路径较长和收敛速度较慢的问题,提出了一种改进蚁群算法。在实际算法中,先利用MAKLINK图论建立AGV运行环境的空间模型,接着用Dijkstra算法搜索优化路径;然后,在Dijkstra算法的基础上采用蚁群算法搜索最优路径;紧接着,在改进蚁群算法中,优先选择搜索前后两节点同起点到终点夹角一致或相差不大的后一个搜索节点,获取新的信息素更新策略,并进行角度的初始化和信息素计算;最后,在Matlab上完成算法的编写并得到仿真结果。结果表明,改进蚁群算法路径优化性能更好,对实际环境中机器人的路径规划具有指导意义。     

交互式虚拟装配路径规划及优选方法研究

给出了虚拟装配环境下基于人机交互的装配路径规划方法，根据实际需要提出了针对交互式虚拟装配路径规划方法的装配路径优选算法，优选算法基于虚拟装配路径节点投影，能够有效消除由于虚拟装配环境下触觉缺失而造成的路径抖动以及折返现象。实例验证以及实验结果表明，交互式虚拟装配路径规划及优选方法有效可行，能够满足虚拟装配系统的需要。     

基于姿态的轨道焊接机器人智能越障控制方法

为了机器人能更好地完成轨道焊接任务,减少障碍物对工作的影响,提出了基于姿态的轨道焊接机器人智能越障控制方法。分析越障时机器人姿态稳定性,判定机身质心位置,明确焊接臂角度和碰触点,估算出姿态支持点位置,同时将实时运动数据传输到受力锥模型中,计算最小偏移势能推测越障倾翻方向,得出最佳稳定锥。初始化蚁群遗传算法、设定主程序,迭代出全局越障路径;考虑到户外工作环境存在路径规划阻力,结合卡尔曼滤波的状态转移矩阵,减少误差完成智能越障控制。仿真实验表明,所提方法在恶劣路况下也能实现精准越障,且可以智能调节姿态,使机器人恢复稳定。     

未知环境中基于强化学习的移动机器人路径规划

为解决未知环境中移动机器人的自适应路径规划问题,提出了一种基于Q学习算法的自主学习方法。首先设计了未知环境中基于传感器信息的移动机器人自主路径规划的学习框架,并建立了学习算法中各要素的数学模型;然后利用模糊逻辑方法解决了连续状态空间的泛化问题,有效地降低了Q值表的维数,加快了算法的学习速度;最后在不同障碍环境中对基于Q学习算法的自主学习方法进行了仿真实验,仿真实验中移动机器人通过自主学习较好地完成了自适应路径规划。研究结果证明了该自主学习方法的有效性。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

一种新型蚁群随机树的机器人路径规划算法

为提高复杂环境下机器人的路径规划效率,提出了一种用蚁群算法来优化随机树算法的新的全局路径规划算法。该算法有效地结合了蚁群和随机树算法的优点,利用随机树算法的高效性快速收敛到一条可行路径,将该路径转换为蚁群的初始信息素分布,可以减少蚁群算法初期迭代; 然后利用蚁群算法的反馈性优化路径,求得最优路径。仿真实验表明,该蚁群随机树算法可以提高机器人路径规划的速度,并且在任何复杂环境下迅速规划出最优路径。