排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
加速度空间中基于线性规划的移动机器人路径规划方法 总被引:1,自引:0,他引:1
针对动态不确定环境下移动机器人的路径规划问题, 提出了加速度空间中一种基于线性规划 (Linear programming, LP) 的方法. 在机器人的加速度空间中利用相对信息, 把机器人路径规划这一非线性问题, 描述成满足一组线性约束同时使目标函数极小的线性规划问题, 嵌入基于线性规划方法的规划器, 得到一条满足性能要求的最优路径. 仿真试验验证了算法的实用性及有效性, 与势场引导进化计算的方法 (Artificial potential guided evolution algorithm, APEA) 相比更优化, 更实时. 相似文献
2.
一种冗余机器人逆运动学求解的有效方法 总被引:7,自引:0,他引:7
针对7自由度冗余机械臂的逆运动学提出了一种新的求封闭解的方法。保证系统实时性的前提下采用二次计算法,在梯度投影法得出优化不精确解的基础上,根据系统结构特点用固定关节法进行再次计算,最终得到一组精确的优化解。既充分利用了系统的冗余特性又大大提高了计算精度。以7自由度仿人机械手臂为例具体阐述了这种方法。从手臂末端轨迹精度方面对梯度投影法和二次计算法的仿真结果进行了比较分析,说明了二次计算法在提高末端精度方面的有效性,并通过试验证明算法可以满足一般机器人系统的实时性要求。 相似文献
3.
动态多障碍物环境下目标追踪的路径规划方法 总被引:3,自引:0,他引:3
采用人工势场(AP)引导进化算法(EA)的搜索方法解决了动态多障碍物环境下的目标追踪问题.把人工势场与FA搜索相结合进行动态路径规划,使搜索沿着势场方向进行,得到一条相对于搜索区域最优的轨迹.以单车、单运动目标,有多个运动障碍物存在的情况为例,通过仿真试验对AP引导EA和单纯EA两种搜索方法的性能进行了比较,说明了AP引导EA搜索方法在处理动态多运动障碍物问题时相对传统EA方法具有实时、高效、收敛的特点,同时在很大程度上解决了单纯AP方法在解决多障碍物问题时的局部极小问题. 相似文献
1