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。     

基于变电站激光检测机器人最优路径规划方法

为了规划激光机器人的检测路径,提高其检测效率,文章提出了一种结合局部路径规划和全局路径规划的检测方法.该方法使得激光检测机器人在遇到障碍物后可为剩余的未被检测到的任务点重新规划新的检测路径,并最终返回起点,动态仿真结果表明了所提方法具有良好的适用性和高效性.     

机器人运动规划方法的研究

针对运径规划这一研究的重点问题,提出了C-空间法、人工势力场法、遗传算法等。序列规划问题一般转化为旅行商问题来求解。在综合现有序列规划和路径规划方法的基础上,提出两种机器人运动规划算法:基于任意路径的运动规划算法和基于直线路径的运动规划算法,思路简单,能对各种机器人工程任务进行运动规划。     

基于改进遗传算法的变电站巡检机器人路径规划

变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。     

复杂环境移动群机器人最优路径规划方法

研究了一类复杂环境下移动群机器人的建模与控制策略。采用栅格法对机器人工作环境进行建模,基于个体的有限感知能力和局部的交互机制设计了响应概率函数,解决群机器人任务分配与信息共享难题。通过施加螺旋控制于早期信号搜索,并将该搜索信息作为启发因子改进动态差分进化算法,对群机器人进行路径优化。仿真结果表明,当响应概率函数中距离变量调节因子β=0.006时,任务分配控制算法达到最好效果。同时,移动群机器人路径规划的平均路径长度珔S,平均移动时间珔T以及平均收敛代数珚M,相比扩展PSO算法分别提高了16%、57%及230%。最后,将该算法应用于ASUIII型轮式移动群机器人物理实验,并设计了协同控制平台,具有较好的工程应用价值。     

基于改进蚁群算法的机器人三维路径规划

针对蚁群算法在机器人三维避障路径规划中收敛速度慢以及精度较低的缺陷,结合人工势场法强化目标路径的优点,引入人工势场法中目标点处的引力域,修改了蚁群算法的启发值参数。在原有蚁群算法的基础上,提出了吸引素概念,根据吸引素修改了原有信息素参数的更新规则,使得蚁群算法能更快的达到收敛。最后仿真结果表明,在相同工作环境下改进后蚁群算法达到最优适应度值所需迭代次数相较于改进前存在明显的缩短,同时最优适应度值也有一定的提升。     

电力巡检机器人路径规划方法综述

随着电力系统规模和复杂性的不断增加,传统的人工巡检方式已很难满足当下电力巡检要求。巡检机器人因具有安全性、可靠性和智能性已被逐步应用到电力巡检中。机器人在运行过程中通过提前预测、自主决策或智能导航的方式完成全局遍历与避障。电力巡检的核心任务是规划出一条安全且最优的运行轨迹。系统地分析和梳理了巡检机器人巡检过程中的各类方法;阐述了在变电站和输电线路等不同场景中算法的应用;综述了各类路径规划算法的研究现状和改进方法。在此基础上,对未来电力巡检机器人路径规划的研究和发展方向做出了展望。     

基于视觉的自主机器人障碍识别与路径规划

障碍物的识别与行走路径的规划是机器人实现自主移动的必要手段。本文基于深度相机提出一种由深度连续性与彩色特征点融合的障碍识别方法,通过深度相机获取物体的空间位置信息,映射到已有的地图中,构建障碍物空间。又提出一种PRM-D*的路径规划方法,先使用改进的随机概率路线图(PRM)完成整体路径规划工作,再根据相机识别的障碍物,设置局部地图,使用基于图搜索的D*算法进行局部动态规划,完成动态避障任务。通过实验,所提障碍物识别方法即使在昏暗的室内环境中,其对障碍物的检测准确率也大于80%,常规环境检测准确率高于95%,具有较好的鲁棒性与实时性;PRM-D*的路径规划方法在缩短总体规划时间的同时,确保了路径规划的成功率,单次动态规划时间小于0.02 s,具有良好的动态避障性能。     

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。     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

基于改进粒子群算法的电动机器人全局路径规划

二维空间环境下电动机器人使用传统粒子群算法(particle swarm optimization,PSO)规划全局路径容易出现收敛速度慢、路径精度不达标等问题,提出一种基于改进粒子群算法(improved particle swarm optimization,I-PSO)对电动机器人进行全局路径规划。首先使用栅格法对机器人的工作环境建模,将路径长度和碰撞风险作为优化目标,然后使用粒子的适应度差值动态调节算法的惯性权重参数,优化对活动空间的整体或部分区域的探索。在算法中引入一个随机因子,增大粒子的随机性,提升最优解的质量。MATLAB仿真结果表明,与传统的PSO结果对比,提出的IPSO在算法收敛性和鲁棒性上更好,并且规划出的路径长度较短、安全性更高。     

动态环境下基于人工势场的足球机器人路径规划

人工势场法是足球机器人路径规划中常用的方法,传统人工势场法在静态环境中取得了很好的效果,但它不能够满足复杂的动态环境下实时规划的要求。本文将相对速度矢量引入人工势场,对势场函数进行改进,推导出基于速度矢量的引力函数和斥力函数。在新的势场函数作用下,机器人能够快速躲避障碍物并迅速到达目标位置,仿真结果验证了方法的有效性。     

机器人吸尘器环境建模与路径规划研究综述

介绍了人工智能在机器人吸尘器的环境建模和路径规划的主要方法.详细解析每种算法的特点.并结合实例,根据吸尘器用传感器不确定性的特点,提出了基于信息理论的路径规划方法,给出了研究结果.旨在帮助自主吸尘器研究人员学习环境建模和路径规划的主要算法.     

面向电力智能巡检的多机器人系统协同路径规划算法

针对在复杂电力智能巡检任务与环境下,多机器人路径规划算法计算量大、实时性差的问题,提出了面向电力智能巡检的多机器人系统协同路径规划算法。首先结合实际情况,提出了2种不同群体规模下的多机器人系统交通规则法;接着,在所提交通规则法的基础上融入单机器人路径规划算法,提出了多机器人系统协同路径规划算法,且通过加权改进提升其运行效率;最后,通过仿真实验表明了所提2种交通规则以及协同路径规划算法在多机器人系统上应用的可行性和有效性。     

面向表计读数的变电站巡检机器人路径规划

将巡检机器人应用于变电站内的表计自动读数可以降低人力成本、提高工作效率,但由于仪表通常悬挂在高处,为了获 取准确的读数,机器人观测时的位姿受到苛刻的约束。 此外,机器人读数时云台调整时间消耗大大降低了巡检效率。 针对此问 题,本文通过分析观测窗约束、路网约束,以及云台姿态调整时间消耗,以机器人完成巡检任务的总时间为代价,建立了面向表 计读数的机器人路径规划模型。 然后,提出一种信息素重利用的蚁群优化算法用以求解机器人的巡检路径与停靠方案。 仿真 实验表明本文方法得到的巡检路径在时间消耗上比初始时间代价节省了 66%,从而验证了模型的有效性与算法的可行性。     

三自由度机械臂避障空间路径规划研究

文章首先通过 MATLABRoboticToolbox和 DenavitＧHartenberg (DＧH)参数对机械臂进行了运动学建模; 然后,基于点云的 MonteCarlo (蒙特卡洛)方法建立三自由度机械臂工作空间和障碍物点云模型,应用几何学得出机械臂和障碍物之间的位置关系,确定机械臂的避障工作空间;最后,基于 Dijkstra算法在三维避障工作空间中进行路径规划得出最短路径,验证了算法的可行性。     

基于层次分析法和改进A*算法的电力应急机器人路径规划

电力应急机器人能够替代人工进入电力危险场景进行应急抢险作业,机器人路径规划的合理性对其作业的时效性与准确性有很大影响.提出一种层次分析法、改进A*算法和梯度下降法相结合的应急机器人路径规划方法.首先通过层次分析法选定复杂场景中的作业目标,然后结合危险源风险曲线函数和机器人防护阈值对A*算法的代价函数进行改进,实现注重风...     

改进型A*算法的可重构机器人路径规划研究

路径规划是保证可重构机器人快速完成任务的关键技术之一。为提高可重构机器人的行驶效率,缩短行驶路径,首先,提出一种基于Bresenham直线算法思想的改进型A*路径规划算法,实现可重构机器人路径点数消减、拐点消除,提高路径平滑度。在此基础上,考虑可重构机器人本身体积以及机器人可重构的特性,建立可重构机器人构型库,讨论了可重构机器人体积与周围障碍物的关系,减少机器人行走过程中与障碍物的碰撞几率。利用MATLAB仿真平台对改进型A*路径规划算法进行仿真实验,验证了算法的有效性,可应用于复杂环境的机器人路径规划;分析了机器人重构后路径规划问题,利用可重构特性可缩短机器人运行路程,体现了可重构机器人的优越性。     

对特高压变电站巡检机器人路径规划改进蚁群算法的研究

针对当前变电站巡检机器人路径规划算法存在的规划和适应性较弱等问题,在特高压变电站巡检机器人系统结构的基础上,提出了一种结合蚁群优化算法和人工势场算法的特高压变电站路径规划方法.将蚁群算法的传统单向搜索改进为双向搜索,在启发因子中加入人工势场力的合成方向,并对转移概率进行改进.通过栅格法构建特高压变电站仿真环境,进一步验...