基于语义分割网络的 AGV 路径规划算法

针对基于栅格地图的路径规划技术在面对大地图、高分辨率地图的情况下,存在的规划速度慢、内存占用高的问题,提出一种基于语义网络的网络搜索算法。首先使用语义分割网络对栅格地图进行预采样,其次通过图像学膨胀拓宽最优路径形成最优路径范围,增强算法鲁棒性,最后利用语义网络的特征图指导搜索算法规划,加快了高分辨率栅格地图的路径规划的速度。实验仿真表明,网络搜索算法较传统搜索算法,时间平均缩短72.5%,遍历点数平均减少51.6%,路径长度平均延长0.73%,网络搜索算法可以有效加快路径搜索速度,减少内存占用。     

基于改进BAS算法的AGV路径规划方法研究

为了提高 AGV 的速度和环境适应能力,文章提出了一种基于改进天牛须搜索算法的 AGV 路径规划方法, 从环境建模、路径规划、动态避障三个方面进行了说明.通过基于栅格法环境建模的 BAS算法路径规划仿真结果表明,该方法具有较强的路径搜索能力和较强的避障功能,在非常复杂的障碍环境中,比其他算法更迅速地规划出一条 安全避障的优化路径。     

基于蚁群算法的AGV车辆End＿To＿End最优路径规划研究

自动引导车(AGV)在智能制造行业里扮演着非常重要的作用,是现代化智能仓储物流体系中关键的一环。在整个仓储自动导引系统中,AGV车辆作为物料运输与装配的重要执行单元,面对传统路径规划算法的不稳定以及路径非最优性等缺陷,在AGV车辆运动学模型的基础上,采用初始路径规划算法Dijkstra规划一条初始路径,对误差进行反馈修正,而后利用蚁群算法来规划出最优路径,最后在MATLAB/Simulink仿真平台搭建该算法模型,通过仿真结果验证了该算法具有优良的最优路径信息解耦性能。     

基于自适应蚁群算法的AGV路径规划优化

针对传统蚁群算法在AGV路径规划中存在拐点数目较多，运行能耗较高等问题，提出一种改进的自适应蚁群算法。首先采用自适应参数调整方法，在迭代过程中不断调整信息素浓度和启发式信息的相对重要性，以增强蚂蚁搜索的目的性；其次引入多目标路径性能评价指标，在路径长度的单一指标基础上引入路径风险指标和拐点数目，以实现AGV路径规划的全局综合优化；然后提出一种奖惩机制更新信息素增量，针对不同程度评价指标的路径提供不同的信息素更新规则，避免算法陷入早熟；最后引入准均匀三次B样条平滑策略，进一步优化最优解。在20×20和30×30不同复杂程度的环境下进行仿真实验，本文改进算法相比传统蚁群算法在转弯次数上减少了113%～382%，在收敛速度上提升了798%～879%，验证了本文改进算法的有效性、可行性和优越性。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径.全局路径规划研究主要包括环境建模和路径搜索两个子问题.首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果.测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

空间机器人的任务规划和路径规划

本文给出我们开发的自主式空间机器人系统的结构,具体阐述了该系统的任务规划和路径规划的原理。在任务规划中,系统能够理解任务,并能分解任务在分解任务的过程中,系统对各状态进行碰 稳定性检查,形成较优化的基本动作序列,在路径规划中,通过划分状态空间,构造特征网,在特征网中搜索路径是到机器人运动的无碰路径,本系统通过任务规划和路径规划,实现了把随意摆放的规则物体搭成目标结构的操作。     

足球机器人路径规划技术的现状与展望

路径规划是机器人学中的一个重要课题。文章介绍了足球机器人路径规划的特点,并对路径规划的一般方法进行分类和较为详细的阐述和介绍,指出了各种方法的优点与缺陷,最后对其发展趋势做相关的陈述。     

面向制造业智能工厂的AGV作业效率与逻辑策略研究

随着工业化、智能化的发展,许多机械重复性的工作可以由机器人代替。AGV作为一种可智能移动搬运的小车,广泛地运用于各种各样的智能工厂。针对提高制造业智能工厂的AGV作业效率,从AGV的调度策略出发,使用改进的粒子群算法进行调度策略的优化,通过试验对比优化前后的结果。优化后的AGV系统的作业能力提高8.73%,为制造业智能工厂提供了一种调度优化策略、提高AGV作业效率的方案。     

基于改进粒子群算法的移动机器人路径规划

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在此基础上对传统的粒子群算法进行了改进。随后,引入了基于相似度概念的非线性动态惯性权值调整方法,从而使得粒子的更新速率能够适配寻优过程的各个阶段,并且通过引入免疫算法中的免疫信息调节机制,增加了粒子的多样性,增强了其摆脱局部最优值的能力。仿真结果表明,所提出的改进粒子群算法具有更高的最佳路径搜索能力,其综合性能显著优于传统的粒子群算法。     

基于动态阈值的AGV路径识别算法

针对基于视觉引导自动引导车(AGV)系统的引导路径识别技术,易受光照强度,路面反光,阴影等因素的影响的问题.采用了一种基于路径预判的图像动态阈值获取方法.它通过已识别的路径点,利用线性插值所得函数预估当前路径点所在图像区域,在此区域内找出最优阈值,依据阈值对当前区域内图像进行二值化,找出当前区域的引导线,依据引导线本身特征来判断此阈值是否有效,以获取到适应当前环境下的阈值,并根据此阈值提取出引导线.通过此种方法对路径信息进行采集、识别、处理,从而使AGV能在跑道上较快较稳的前行.     

电网经济调度的动态规划模型及软件

本文建立了计及网损和厂用电等因素的火力电网经调度的动态规划模型;编制调试通过了用于离线调度的计算机软件。     

电缆隧道巡检AGV视觉导引技术的研究

路径识别与路径跟踪是AGV（Automated Guided Vehicle）视觉导引技术的两个关键问题。应用迭代法分割路面图像后,使用先闭后开的形态学方法去除图像噪声,然后应用改进的场扫描方法以确定路径在图像中位置。得到车辆的位置参数后,应用模糊控制策略实现路径跟踪。实验表明,该控制算法取得了良好的控制效果。     

基于图论方法的路径规划应用

利用图论方法来实现机器人寻优路径规划。图论是一种新的数学分支,对于求解最优化问题很有实用价值。它与通常采用的路径规划方法比较,如势能函数法、网格法、人工神经网络方法、遗传算法等,在解决两点间最短距离问题上尤具优势,从起始点出发到达目标点的寻优路径策略更具有简单实用性,具有方法简单、算法容易实现的优点。仿真实验显示了该算法可以有效地解决机器人对任意两点间的路线进行寻优问题,取得了较好的结果。     

考虑经济调度的微电网规划模型

在电网规划中,需考虑建设投资、运行成本等多方面因素,从而选择最优方案。微电网系统为保证运行成本最低,需对各种电源采取按照运行成本高低排序的策略进行经济调度。文章建立了微电网各种电源的投资、运行经济模型,以及基于经济调度策略的微电网规划模型,采用本模型,可以筛选微电网规划最优方案,做到系统全寿命周期范围内初始建设投资、运行成本、设备残值等综合成本最低。     

基于引力场引导的RRT-connect路径规划算法

针对双向快速扩展随机树(RRT-connect)算法在路径规划过程中耗时长、节点采样随机性大的缺点,提出了基于引力场引导的RRT-connect算法.该算法在路径起点和终点之间设置了第3节点作为新扩展节点,使其在3个节点交替扩展随机树,同时在各节点上分别叠加一个引力场引导节点的产生方向,以降低无效空间的搜索范围.算法在少障碍物、多障碍物以及存在狭窄通道3种场景中进行了仿真实验研究,结果表明改进算法平均迭代次数相比于基础算法降低了47.1％,平均路径规划时间降低了43.4％.证明了改进算法相比于RRT-connect算法能够有效减少规划耗时,具有更高的规划效率.     

基于最佳成熟时间法的车辆路径规划

最优路径规划是车辆导航系统中很重要的一个功能,本文将路径规划问题转化为用加权路径网,以路径长度与通行时间的线性组合为目标函数的优化问题,加入了道路的重要程度和宽敞程度等作为权值,同时根据加入的权值得出交通路网模型的解,并利用最佳成熟时间法应用于该问题,使规划的路径符合实际要求。试验结果表明,该算法合理、有效。     

考虑地面行人安全的无人机低风险路径规划策略

为了提升无人机点到点作业任务的安全性,本文提出了一种低风险路径规划策略。低风险路径规划策略包括风险评估和路径规划两部分。在风险评估部分,以无人机对地面行人的风险作为评估指标,建立风险值评估模型和风险等级评估模型,以风险图作为结果表征无人机作业的安全程度。在路径规划部分,结合风险评估模型的特有背景和特点,提出了一种改进快速探索随机树^*算法,这一算法使用了路径冲突检测和优先探索等策略,可以更加有效的探索到低风险路径。最终,案例分析表明,低风险路径规划策略能有效规划出避开风险较高区域的作业路径,其路径风险代价相比于直线飞行降低了13.16%,其路径规划时间相比于对比算法降低了60.63%和12.20%。因此,这一规划策略具有实用价值,可以提升无人机作业的安全性。     

室内移动机器人的三层规划导航策略

针对室内移动机器人导航问题,提出一种包括全局规划层、局部路径优化层、反应式导航．控制层的导航策略。根据已知环境建立全局拓扑地图,为机器人提供全局导航信息;根据机器人当前位置,从全局地图中提取信息生成采用有向线段描述的局部地图,在机器人运行过程中,不断利用传感器信息更新局部地图,并根据图中有向线段之间的拓扑关系获得机器人的局部路径点,机器人采用传感器信息、地图信息、历史轨迹信息的反应式导航方法趋向局部路径点。仿真试验表明,导航策略可以产生优良的运行轨迹,并确保机器人在复杂环境中安全运行。     

面向复杂环境的移动机器人在线路径规划

针对移动机器人作业环境的复杂性和不确定性,提出一种面向复杂环境的移动机器人在线路径规划方法。该方法借鉴自学习实时启发式搜索和多步搜索思想,将执行阶段与规划阶段交替进行,并在传感器有限探测范围内寻优,使规划路径适应复杂环境约束,规避障碍物,同时满足在线应用的要求。仿真结果表明该方法可以快速有效的完成面向复杂环境的移动机器人在线路径规划,证明了方法的正确性和有效性。