清雪机器人自主定位与导航系统设计与开发

针对清雪机器人在未知环境中缺乏环境感知能力和自主规划路径等问题,研究基于机器人操作系统（ROS）结合激光雷达的同时定位与建图技术（SLAM）、路径规划技术,确定清雪机器人的研究思路。采用基于改进Rao-Blackwellized粒子滤波SLAM用于机器人在未知环境中实现同时定位和建图,通过激光雷达扫描匹配建立栅格地图,采用A*和DWA算法对建立的栅格地图进行全局路径规划和局部动态避障,并通过自主开发的清雪机器人作为实验平台验证可行性。结果表明：在实际环境中,基于激光雷达的同步定位与建图有效解决了清雪机器人位姿估计和地图构建问题,清雪机器人能够按照指定清雪路线移动,并避开实时出现的障碍物,验证了清雪机器人设计的可能性。     

多目标遗传算法下焊接机器人焊接路径规划方法研究

为了提高焊接机器人的工作效率,需要获取最优焊接路径。为此,提出多目标遗传算法下焊接机器人路径规划方法。通过建立防碰撞模型,计算其安全距离,使机器人在运行过程中自行躲避障碍物,安全完成作业;在符合生产节拍的情况下,运用旅行商问题描述机器人焊接路径规划问题;采用多目标遗传算法对焊接路径规划模型进行求解,使焊接机器人规划出最短路径。试验结果表明,所提方法在有障碍物环境的路径规划结果与理想轨迹相比,其误差小,可避免碰撞障碍物,且规划的路径长度短。     

冗余度弧焊机器人位置优化建模及算法

围绕大型冗余度(11自由度)机器人工作站的路径规划,提出龙门架机座的位置优化问题,分析并建立了该问题的多目标优化数学模型.采用遗传算法为优化方法,建立了问题的适应度函数,并提出一种动态系数法解决多目标优化问题,基于C 和matlab混合编程设计实现机器人机座优化的遗传算法程序,基于该算法进行了仿真试验验证,试验基于3自由度龙门架和6自由度机器人,焊接某工件上两圆管垂直相贯形成马鞍形空间焊缝.结果表明,通过该算法可以快速找到机器人机座接近目标最优解,提出的多目标优化函数和算法保证了机器人关节运动平稳性.     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

焊接生产线中COMAU机器人路径规划的研究

针对COMAU机器人系统的无碰撞路径规划问题,通过动态规划法解决了焊接无碰撞路径的规划,有效解决了焊接路径中碰撞和最短路径问题,实现了机器人路径的最优化。此外,把障碍物简化为一般多面体研究,解决了在多机械手系统中障碍物在机械手运动过程中产生机械干涉的问题,具有一定的科学理论基础和重要实用价值。     

基于ADAMS的SCARA机器人运动学仿真研究

对SCARA机器人进行正逆运动学分析以及轨迹规划仿真时,不易直观地验证运动学算法的正确性和轨迹规划的效果。为解决以上问题,基于ADAMS软件环境,建立了SCARA机器人的三维虚拟样机模型,结合SCARA机器人的正逆运动学在笛卡尔空间对其末端规划一段圆弧路径轨迹,并将该圆弧路径轨迹数据导入虚拟样机模型中进行轨迹规划的仿真。结果表明,该系统为SCARA机器人运动学分析及轨迹规划方法的仿真验证提供了一个有效的平台。     

基于改进D^(*)算法的巡检机器人路径规划北大核心

路径规划技术是巡检机器人的热门研究,针对传统D^(*)算法存在的如拐点多、效率低、路径安全度不高等问题,对传统D^(*)算法进行了改进,优化了子节点的选取方式,将全局地图环境分解为多个局部环境,在选取局部环境中的目标点时,以局部环境关键节点为主,舍弃无用节点和危险节点;又改进了代价估计函数,并引入平滑度函数。最终用MATLAB建立栅格地图进行仿真,结果表明:改进后的算法得到的路径转弯次数有所优化,拐点数目减少了约30%;规划效率得到了提升,规划时间节约了约20%;并且所得路径与障碍物保持了适当距离,提升了机器人运行过程中的安全性。     

基于人工蜂群算法的双机器人路径规划分析

针对手动液压搬运车车架主焊工序双机器人同步焊接路径规划问题,文中引入虚拟点将多旅行商问题转化为单旅行商问题,选用换位表达编码方式对车架焊缝编码,然后采用基于状态转移策略的人工蜂群算法建立双机器人同步焊接数学模型,仿真求解全局最优焊接路径的较好近似解,并与改进的自适应遗传算法以及人工鱼群算法做了仿真对比试验.结果表明,人工蜂群算法不会过早停滞,具有较快收敛速度,较其它两种算法更能缩短焊接工时,基于人工蜂群算法的双机器人路径规划方法能有效解决搬运车车架主焊工序双机器人同步焊接问题.     

基于双重A~*算法的移动机器人动态环境路径规划

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。     

复杂动态环境下自主机器人路径规划研究

为了提高复杂动态环境下的机器人路径规划性能,文章提出了全局路径规划和局部路径规划相融合的混合路径规划方法。分析了A*算法原理,提出了加权A*算法,使用权值调节启发信息在评价函数中的作用;改进了人工势场法,解决了传统方法目标不可达和局部极值问题;将加权A*算法的全局路径规划和改进人工势场法的局部路径规划相融合,以全局规划路径的拐点作为局部路径规划的子目标点,提出了混合路径规划方法。经仿真验证,对于固定静态障碍物、临时堆放障碍物、动态障碍物三种情况,混合规划方法都能得到平滑的无碰最优路径。     

模糊改进的人工势场法机器人局部路径规划

移动机器人在狭窄、障碍物繁多的密闭环境中工作,人工势场法(APF)应用于机器人避障及局部路径规划存在局部最优、目标不可达等问题,文章提出一种模糊改进的APF算法,通过重新构建障碍物斥力势场、障碍物运动速度和加速度势场、引力势场模型,克服局部最优陷阱;在某些特殊情况下,使用模糊算法给机器人提供辅助作用力,帮助机器人安全到达目标点。把改进模糊APF算法用于机器人避障,仿真结果表明:改进的控制算法应用于多障碍物环境可以帮助机器人实现安全避障。     

基于模糊算法的水下机器人路径规划研究

针对水下机器人的工作环境的复杂性与不确定性,为了提高自主式水下机器人与外部环境交互及自主航行的能力,结合视线导航原理与模糊控制算法,提出一种未知环境下水下机器人的局部路径规划策略,可实现机器人的实时避障功能。利用测距声呐、短基线系统对环境进行探测,得到一定范围内的障碍物与目标信息,通过模糊控制器实时调整水下机器人的运动偏转角度,有效地避开障碍物,达到预定目标点。最后通过MATLAB进行仿真,构建一个仿真实验平台,交互式设置障碍物的数量、大小、形状、位置等初始信息,机器人运用该算法在多障碍物、不同路障环境下,都能较好地实现机器人避障,验证了算法的有效性。     

基于改进人工势场法的搬运机器人避障算法研究

搬运机器人作为移动机器人中的一种,应用前景十分广泛。基于搬运机器人的避障问题,对人工势场法进行研究,针对人工势场法容易出现的局部极小值问题和目标不可达问题进行分析,通过引入虚拟障碍物模型,较好地解决了人工势场法的局部极小值问题;修改斥力模型修正了目标不可达问题。在MATLAB软件中对改进之后的算法进行仿真,验证了该算法的可行性。     

基于APG算法的多焊接机器人路径规划研究（英文）

为解决多机器人同步焊接路径规划不合理问题,提出一种基于蚁群的融合算法(APG)。首先将多机器人路径规划问题转换为MTSP数学模型,使用kmeans算法将MTSP问题转换为多个TSP问题;其次采用提出的APG算法来优化TSP问题,同时与ACO算法和PSO_GA算法进行实验结果对比,证明APG算法的优越性;最后在ROBCAD中建立三维模型,对可达性、干涉性等实际应用中存在的问题进行仿真,验证算法的有效性。实验结果表明:所提出的APG算法同其它路径规划算相比能够得到更佳路径。     

基于改进蚁群算法的移动机器人路径规划

针对动态未知环境下机器人路径规划中存在的不足,提出一种全局规划和局部规划相结合的混合型规划方法。全局规划中,针对基本蚁群算法易陷入局部最优以及易陷入U型或V型障碍物的缺陷,提出采用夭折策略对基本蚁群算法进行改进,并采用改进的蚁群算法离线规划出一条粗略的全局优化路径,将该"粗"路径分解为局部规划各个阶段的子目标。局部规划中,机器人实时探测局部环境信息,应用滚动优化原理,不断修正运动路线,使机器人在每一时刻的滚动窗口内都避开障碍物向子目标点运动,把整体的寻优分解为各个滚动窗口内的局部寻优,克服了全局规划不能追踪动态信息的缺点。仿真结果表明,该方法可行且具有良好的稳定性。     

动态环境中移动机器人路径规划研究综述

路径规划是移动机器人技术中的一个重要课题,而动态环境中的路径规划问题则是该领域内一个富有挑战性的研究方向,它在自主移动机器人、自治水下机器人和星球探索机器人等领域具有广泛的应用前景。综述了动态环境中移动机器人路径规划研究的主要内容及其发展动态,从算法策略的角度,将该问题概括为基于智能计算的路径规划,基于行为、学习心理的路径规划,随机采样路径规划和混合路径规划。具体分析了各种算法的原理,指出其优缺点和有待进一步研究的问题,并提出一些解决思路。     

基于改进遗传算法的机器人路径规划北大核心

为解决机器人在多约束条件下路径寻优能力差、搜索算法收敛速度慢等问题,提出了一种基于改进遗传算法的机器人路径规划方法。首先,利用栅格法构建机器人工作环境,并以路径长度、平滑度和路径困难度为约束条件构建模型;其次,通过增加删除算子、平滑算子对传统遗传算法进行改进,并引入小生境法避免算法陷入早熟;最后,通过对比实验验证所提算法的性能。实验结果表明,所提方法能够在多约束条件下有效处理路径规划问题并找到最优路径,且与其他方法相比,所提方法在路径长度、平滑度、路径困难度以及运行时间等方面均具有相应的优势。     

弧焊机器人虚拟示教编程系统

以MOTOMAN-UP20弧焊机器人为研究对象,建立了基于ROTSY的弧焊机器人虚拟示教编程系统.介绍了该系统的组成和虚拟示教编程的详细过程.采用客户/服务器通信模式,通过以太网实现了弧焊机器人的远程控制.对马鞍形焊缝轨迹进行动态仿真,结果表明该系统是可行的,通过虚拟示教功能可以实现焊缝路径的规划和机器人程序的自动生成.     

基于改进多目标平衡优化器算法的点焊机器人路径规划

点焊机器人在工业领域内被广泛应用,合理的焊接顺序可以提高生产效率。为了实现点焊机器人的路径最优规划,针对点焊路径和工作时间建立多目标问题模型,提出一种融合改进快速非支配排序的多目标平衡优化器算法(DMONEO)。加入快速非支配排序,并采用生存评分策略替代拥挤度因子,可以更好地保持种群的多样性,防止DMONEO过早收敛。TSPLIB基准实验结果表明,DMONEO算法相比于其他算法性能表现更好。最后在实际点焊机器人的路径规划应用中进行仿真实验并与其他算法对比,结果表明提出的算法得到的优化效果更好,耗时更短。     

融合改进RRT和动态窗口法的路径规划算法北大核心

针对传统RRT算法在规划中随机性过大,搜索时间过长且不能够实现动态避障等问题,从3个方面进行改进。针对RRT算法搜索树扩展方向过于随机,根据以起始点与目标点为对角线的矩形中的障碍物占比向目标点方向扩展,分别在有障碍物与无障碍物的环境中与传统RRT算法对比,验证改进算法的高效性;对改进算法规划的路径进行关键节点提取,并按照关键节点进行优化;将优化后路径分段使用改进动态窗口法。将融合算法与传统动态窗口法以及RRT算法在路径拐点数量以及路径长度等方面进行比对,结果表明:融合算法具有高效性且在规划的路径中加入临时障碍物时,移动机器人也能很好地避开。