基于遗传算法的码垛机器人路径规划应用

目的为了改进传统遗传算法在码垛机器人路径规划中可能出现的局部陷阱和过早收敛问题,以及机器人的能耗和路线平滑性问题,提出一种改进的遗传算法机器人路径规划方法。方法针对传统遗传算法存在的问题,分别对种群初始化、适应度函数、选择算子、交叉算子、变异算子的算法和方式进行调整和改进,对优秀算法进行融合。针对基本遗传算法主要着重于路径最短,从而忽视了机器人的能耗及路径平滑性等问题,设计一种综合考虑距离和转弯次数控制的适应度函数,最后将改进的算法应用于码垛机器人的路径规划中。结果仿真结果表明,相较于基本遗传算法,提出的算法搜索到的路径质量更高,不仅距离更短,同时转弯次数远远小于其他算法,路径更为平滑,验证了该算法的有效性。结论基于该算法的码垛机器人路径在兼顾距离最优的同时,路线更加平滑。由于减少了转向次数,机器人的能耗更低,同时仿真结果表明,该算法的实时性也较好。     

基于传统遗传算法的改进排爆机器人路径规划研究

针对传统遗传算法进化速度慢、容易陷入局部最优点等缺陷,提出了改进后新的路径规划算法。在判断路径中,基于闵科夫斯基原理对障碍物进行扩展;在构造路径中基于可视图原理进行改进,构造机器人的真正可行区域;在最短路径中对遗传算法中种群的初始化,个体的编码方法等问题做了详细的研究,并在选择算子中引入相似度的概念,大大扩大了初始种群的范围,避免进入局部最优点。最后通过仿真实验验证了此算法的可行性。     

基于避障区域的足球机器人路径规划方法

提出了一种基于避障区域的机器人运动路径的规划方法,并通过仿真实验验证了这种方法的有效性。仿真结果表明,该方法很好地实现了机器人避障,而且与其他方法相比有如下优点：（1）通过划分避障区域,极大地减少了计算量;（2）采用解三角形的方法判断机器人是否处于避障区内,方法简单有效;（3）通过定义两个集合和在其上的两种运算来构造网格,方法简单可行。     

基于改进遗传算法的包装机器人轨迹规划

目的为了提高包装生产效率,提升直角坐标机器人的稳定性、可靠性和运动精度,避免机器人出现速度、加速度突变,对机器人运动轨迹进行规划。方法首先分析直角坐标机器人的工作原理,在此基础上采用三次均匀B样条曲线对机器人关节轨迹进行逼近,给出一种基于改进遗传算法的最优时间B样条轨迹规划方法。根据功能需求,设计一种基于ARM和FPGA的控制系统。结果仿真结果表明,机器人各个关节抵达节点的用时最短,运行耗时能够缩减39%以上,验证了算法的有效性。结论所述控制系统和方法能够满足包装码垛的要求,可提高包装效率。     

印制板打孔路径规划的遗传算法实现

本文研究了印制板单钻头打孔路径规划问题,并将其转化为经典的TSP问题,建立了相关的数学模型,并借助遗传算法,给出了合理的分析。通过实例运算,得出了较理想的结果。     

基于遗传算法的电容装盘机器人轨迹规划

目的为了改变电容人工装盘方式,提高电容装盘自动化程度及效率,选用SCARA型机器人代替人工方式,并对其进行轨迹规划,避免运动冲击影响电容装盘稳定性以及精确性。方法首先介绍SCARA机器人的结构和电容装盘过程,然后利用五次非均匀B样条曲线完成轨迹曲线的构造,最后提出带罚函数的遗传算法,以实现时间最优的机器人轨迹规划过程。结果仿真结果表明,机器人装盘时间用时更短,且运动平稳无冲击,验证了算法的有效性。结论该轨迹规划方法能够满足实际生产要求,提高了电容搬运装盘质量及效率。     

智能水下机器人的路径规划方法

阐述了智能水下机器人的路径规划方法。首先介绍了自行研制的智能水下机器人的系统组成，然后讨论了其规划方法，并着重介绍了体现水下智能机器人自主能力的全局规划器和局部规划器。     

室内地面清洁机器人路径规划

采用栅格法建立环境地图模型,利用沿边走的路径规划算法进行室内地面清洁机器人无障碍与避障路径规划与仿真试验.结果表明,在静态结构化环境中,清洁机器人能够沿内螺旋式“回”字型路径完成清扫任务,并成功避开障碍物和边界,自动定位和转向,清洁完毕机器人能够自动返回到初始位置.这说明沿边走的内螺旋式“回”字型路径规划方式是可行的.     

基于遗传算法的AUV三维海底路径规划

研究AUV在三维海底地形环境中的路径规划问题。针对三维地形中路径的不同特点，将路径分为3种类型。设计了优化路径的遗传算法实现方案，所提出的惩罚函数及启发性知识的使用，使算法能灵活的得到具有不同特点的最优路径。仿真实验表明了该算法的可行性与可靠性，对AUV的安全航行具有重要的理论意义及应用参考价值。     

一种新型包装码垛机器人路径规划方法

目的为了提高码垛机器人的工作效率,减小能量损耗,优化机器人末端抓手的工作轨迹。方法建立机器人路径规划的数学模型,在此基础上对传统的蚁群算法进行改进,将环境中局部的机器人路径信息引入蚁群信息素的初始化和路径选择概率中,提高蚁群算法的收敛速度,并防止算法早熟,避免算法陷入局部最优。结果仿真结果表明,改进后的蚁群算法收敛速度更快,能够在较短时间内规划出最佳路径。结论所提方法能够明显提高码垛机器人最佳路径搜索能力,对于提升机器人运行效率具有重要指导意义。     

A two-stage path planning approach for multiple car-like robots based on PH curves and a modified harmony search algorithm

In this article, collision-avoidance path planning for multiple car-like robots with variable motion is formulated as a two-stage objective optimization problem minimizing both the total length of all paths and the task’s completion time. Accordingly, a new approach based on Pythagorean Hodograph (PH) curves and Modified Harmony Search algorithm is proposed to solve the two-stage path-planning problem subject to kinematic constraints such as velocity, acceleration, and minimum turning radius. First, a method of path planning based on PH curves for a single robot is proposed. Second, a mathematical model of the two-stage path-planning problem for multiple car-like robots with variable motion subject to kinematic constraints is constructed that the first-stage minimizes the total length of all paths and the second-stage minimizes the task’s completion time. Finally, a modified harmony search algorithm is applied to solve the two-stage optimization problem. A set of experiments demonstrate the effectiveness of the proposed approach.     

A bioinspired path planning approach for mobile robots based on improved sparrow search algorithm

In this paper, a bioinspired path planning approach for mobile robots is proposed. The approach is based on the sparrow search algorithm, which is an intelligent optimization algorithm inspired by the group wisdom, foraging, and anti-predation behaviors of sparrows. To obtain high-quality paths and fast convergence, an improved sparrow search algorithm is proposed with three new strategies. First, a linear path strategy is proposed, which can transform the polyline in the corner of the path into a smooth line, to enable the robot to reach the goal faster. Then, a new neighborhood search strategy is used to improve the fitness value of the global optimal individual, and a new position update function is used to speed up the convergence. Finally, a new multi-index comprehensive evaluation method is designed to evaluate these algorithms. Experimental results show that the proposed algorithm has a shorter path and faster convergence than other state-of-the-art studies.The full text can be downloaded at https://link.springer.com/article/10.1007/s40436-021-00366-x     

基于粒子群遗传算法的泊车系统路径规划研究

针对智能停车库自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于粒子群和遗传算法的动态自适应混合算法.在标准粒子群算法和遗传算法的基础上,通过引入动态自适应调整策略分别对惯性权重系数、学习因子以及交叉变异概率公式进行了优化.在进化初期,通过在惯性权重系数和学习因子之间建立动态联动关系来实现对粒子速度和位置的实时有效更新;在进化后期,通过引入自适应遗传算法的交叉、变异操作来增强混合算法的全局搜索能力,提高算法的进化速度和收敛精度.为验证混合算法的可行性和有效性,选用MATLAB软件对其进行仿真测试.仿真测试结果显示,与禁忌搜索算法、蚁群算法以及遗传算法相比,混合算法表现出较强的全局搜索能力和较好的收敛性能,表明混合算法可行和有效.     

基于迷宫算法和遗传算法的船舶管路路径规划

船舶管路的多样性和布局环境中约束的复杂性导致管路设计效率低下.为辅助设计人员提高管路设计效率并减少人为错误,提出了一种新的管路设计方法.首先,基于轴平行包围盒简化管路布局空间,利用栅格法对其进行离散化,并赋予空间网格特定的能量值,构建管路布局优化问题的数学模型.其次,基于遗传算法的框架,引入改进迷宫算法,提出管路路径规划方法,其中:迷宫搜索中引入辅助点的概念,增加了遗传算法中初始种群的多样性,有利于提高遗传算法的全局搜索能力;提出了定长度的编码方法,简化了管路染色体处理难度,提高了算法性能;基于引入方向优先搜索策略的迷宫算法,设计定长度编码遗传算子,保证了子代个体的质量,提高算法的收敛速度.最后,基于仿真试验,验证算法的性能.试验结果表明了该方法的可行性和高效率,以及其对实际管路布局工作具有指导意义.     

基于电弧熔丝增材制造的复合路径规划方法

电弧熔丝增材制造(WAAM)适用于具有复杂几何特征的大尺寸金属构件的快速成形,而合理的路径规划方法可以极大的提升构件的几何还原度和表面质量.本文分析了常用路径规划方法的优缺点,提出轮廓偏置路径和Z字形路径相结合的复合路径规划方法,并对轮廓偏置路径的偏置距离进行了优化.优化结果表明轮廓偏置路径可以提高构件轮廓的几何还原度...     

基于动态时间窗的泊车系统路径规划研究

针对智能立体停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,采用分时利用策略,将Dijkstra算法和时间窗法有效结合,提出了一种基于动态时间窗的泊车系统路径规划方法。首先,通过引入优先级策略为接收任务的AGV设定优先级;其次,采用Dijkstra算法,按照任务优先级高低次序,依次为接受任务的AGV规划出最短可行路径;最后,在已知AGV可行路径基础上,通过对可行路径各路段的时间窗进行初始化、实时更新以及实时排布处理,实现多AGV的无冲突路径规划。为验证所提方法的可行性和有效性,以4台AGV同时工作的智能立体停车库为实例进行仿真测试。结果显示:所提出的路径规划方法不仅有效解决了目前多AGV路径规划柔性差、易出现死锁、碰撞冲突等问题,而且可在有效解决路径冲突的前提下,为接受任务的AGV规划出一条时间最短的优化路径。所提方法具有较好的鲁棒性和柔性,有效提高了智能立体停车系统整体运行效率,降低了存取车等待时间。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法（IQGA）。其核心是在对量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快，还可以改变基本遗传算法（GA）的局部搜索能力，克服基本遗传算法存在的未成熟收敛问题。仿真结果表明，该算法可以有效地实现噪声控制。     

An improved multi-objective genetic algorithm for heterogeneous coverage RFID network planning

Recent research has demonstrated the potential benefits of radio frequency identification (RFID) technology in the supply chain and production management via its item-level visibility. However, the RFID coverage performance is largely impacted by the surrounding environment and potential collisions between the RFID devices. Thus, through RFID network planning (RNP) to achieve the desired coverage within the budget becomes a key factor for success. In this study, we establish a novel and generic multi-objective RNP model by simultaneously optimising two conflicted objectives with satisfying the heterogeneous coverage requirements. Then, we design an improved multi-objective genetic algorithm (IMOGA) integrating a divide-and-conquer greedy heuristic algorithm to solve the model. We further construct a number of computational cases abstracted from an automobile mixed-model assembly line to illustrate how the proposed model and algorithm are applied in a real RNP application. The results show that the proposed IMOGA achieves highly competitive solutions compared with Pareto optimal solutions and the solutions given by four recently developed well-known multi-objective evolutionary and swarm-based optimisers (SPEA2, NSGA-II, MOPSO and MOPS²O) in terms of solution quality and computational robustness.