一种两臂凿岩机器人孔序规划算法

本文在利用各关节运动方向取值作为遗传算法的适应度函数的遗传算法规划单臂凿岩机器人工作任务的基础上,对单臂任务序列运用一种循环移位的方法,使两臂凿岩机器人不存在彼此互相干涉的工作任务,同时用两臂能共同工作到的区间内任务来平衡各臂的工作任务,对单臂工作序列采取截取、移位以均衡两壁的工作任务。     

三臂凿岩机器人孔序规划及其优化

智能化是工程装备转型升级方向之一,以中间钻臂独有的工作空间为协调区间,将三臂凿岩机器人孔序规划问题化为涉及干涉的3-TSP问题,改进蚁群优化(ACO)算法平衡各钻臂钻孔时间,优化分配各钻臂钻孔任务,采用n/4动态候选列表的方法,加速算法收敛并获得更优解,同时去除每一次迭代最优路径中的相交路径,开发图形界面软件并嵌入算法。仿真结果显示整体效率提高35%。     

凿岩机器人双臂干涉分析

本文在考虑双臂形状与尺寸的情况下，提出了一种将干涉分析由三维空间转化为二维平面的判别准则，并将干涉判别准则在双臂的简化模型上进行了实际的分析。本文提出的方法判别简单、计算速率快、具有重要的实用价值。     

基于改进遗传算法的机器人路径规划

文中提出一种基于改进遗传算法的移动机器人路径规划方法,将复杂的二维编码问题简化为一维编码问题,优化改进标准遗传算法的选择算子和交叉算子,引入路径规划特定的遗传算子(修正算子),最后以移动机器人行走路径最短作为适应度函数进行遗传优化.此算法克服了标准遗传算法的早熟收敛、运算结果稳定性差等问题,提高遗传算法的进化效率.仿真实验结果验证了该算法在移动机器人路径规划中的可行性和有效性,以及规划结果的稳健性.     

基于遗传算法的机器人路径规划问题

机器人路径规划问题是机器人学的一个重要研究课题,目前有许多专家学者致力于该问题的研究,提出许多新的有效的方法,并且也不断对这些方法进行改进,达到一定的效果。主要介绍遗传算法的基本思想,分析基于传统遗传算法的机器人路径规划,总结基于传统遗传算法的机器人路径规划存在的问题。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径,构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

基于遗传算法的机器人关节空间最优运动规划

本文整体上研究了最优轨迹规划问题，它包含两个密切相关的子问题，最优路径规划和最优轨迹规划，本文提出了一种基于遗传算法的更为一般，柔性和有效的新方法，该策略综合考虑了机器人的运动学约束，动力学约束和控制约束，最优轨迹用合适的多项式拟合，得到的控制序列适宜于高速高精度的动力学控制，本文最后以二自由度机器人为例进行了仿真实验。     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

自适应遗传算法在机器人路径规划的应用

针对现有遗传算法在求解机器人路径规划存在的收敛速度慢、易陷入局部最优等缺点,提出一种基于自适应遗传算法的机器人路径规划方法。该方法引入逆转算子,增加插入算子和删除算子,提出新的自适应策略对交叉和变异概率进行调整,更好地避免陷入局部最优,提高算法寻优效率。该算法在MATLAB和Inte3D平台中进行算例验证,实验结果表明改进的自适应遗传算法比现有遗传算法更为有效。     

基于遗传算法的四足机器人行走步态规划

因RoboCup四腿组比赛所采用机器人的关节刚度较低，采用固定形状行走轨迹的步态规划方法所产生的实际步态和规划步态偏差较大。这种偏差限制了机器人行走速度的提高。为了提高机器人的行走速度，在原有步态规划方法的基础上，引入200组坐标描述任意形状的机器人行走轨迹，并用改进的遗传算法寻找最适合机器人行走的轨迹形状。实验结果表明：改进的行走轨迹规划方法经学习后的实际步态更有利于机器人的行走，在行走更加平稳的同时可使机器人获得更快速的行走效果。     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

改进遗传算法在移动机器人全局路径规划中的应用

针对应用遗传算法进行移动机器人全局路径规划时遇到的早熟收敛和收敛速度慢等问题,提出一种基于定长二进制路径编码方式的改进遗传算法。研究此编码方式下的改进遗传操作,采用比例阈值自适应((N+K,N)+N)双种群进化策略,有效提高了算法收敛速度和全局寻优能力。仿真实验表明了该算法的有效性。     

遗传算法在冗余度弧焊机器人路径规划中的应用

本文提出增加弧焊机器人的自由度的意义，以多性能指标融合控制法计算适合度函数，利用遗传算法对９自由度工业用弧焊机器人与变位机协调运动系统进行了运动学优化控制，并针对空间复杂焊缝进行了路径自主规划实验验证，结果令人满意．     

具有大量不规则障碍物的环境下机器人路径规划的一种新型遗传算法

具有大量不规则障碍物的环境下的机器人路径规划问题是一个典型的非线性问题.目前已有多种求解该问题的遗传算法,但这些算法在初始种群的产生和特定遗传算子的构造选取等方面存在着一些不足.为了克服这些缺陷,提出了一种新型的遗传算法.算法采用了折线变长编码方案,使用随机指导式搜索策略来生成初始种群,并设计了特殊的交叉和变异算子.实际的仿真实例验证了算法的正确性和高效性.􀁱     

一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存 在已知和未知、静止和运动障碍物的复杂情况．采用链接图法建立了机器人工作空间模型， 整个系统由全局路径规划器和局部路径规划器两部分组成．在全局路径规划器中，应用遗传 算法规划出初步全局优化路径．在局部路径规划器中，设计了三种基本行为：跟踪全局路径 的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径．其中，避碰 的行为是通过强化学习得到的．仿真和实验结果表明所提方法简便可行，能够满足移动 机器人导航的高实时性要求．     

一种新的路径编码机制在移动机器人路径规划中的应用

针对基于遗传算法的移动机器人路径规划,本文提出了一种新的定长十进制路径 编码机制．首先,将移动机器人所处环境中的障碍物表示成多边形的形式,并对各障碍物顶 点用十进制进行任意编号,然后将移动机器人的路径编码成定长为所有障碍物顶点个数之和 的十进制染色体串．串中,非零位上的十进制值表示路径经过了相应编号的顶点,各顶点在 串中的顺序就是它们在路径中的顺序．此编码方式克服了已有的变长编码机制及定长二进制 编码机制需特殊遗传操作算子和特殊解码的缺陷,使得算法更加简单有效．     

柔性空间机器人振动抑制轨迹规划算法

本文首次提出了一个描述柔性空间机器人振动的可直接计算的激振力指标，进 而提出了柔性空间机器人抑振轨迹规划算法．该算法采用均匀非周期四阶B样条描述机器人 的运动轨迹，B样条的控制点作为优化参数，使用改进的微粒群优化算法，以激振力为性能 指标对轨迹进行优化求解．该方法根据激振力指标而不是待定轨迹的控制结果来判定轨迹的 抑振性能，极大地简化了规划过程．对柔性双臂空间该机器人的抑振轨迹规划仿真，表明优 化轨迹取得了良好的振动抑制效果，证明了算法的有效性．     

机器人的最优五次多项式轨迹规划

为了避免传统多项式轨迹中的一些固有缺陷,本文给出一种新的适于工业机器人或操作器运动的最优五次多项式轨迹,并根据位置误差平方最小和加速度平方最小的加权指标函数,作者借助于PROLOG语言编制的可对符号变量进行各种数学运算的程序包求得了最优解的充要条件。从而使全部的多项式系数均可通过简便的代数运算而迅速获得最优解。进一步,做为5次轨迹的特例,生成了各种不同(或相同)阶次多项式不同排列组合成的新的多项式轨迹,多项式中所包含的冗余系数被文中建立的优化计算公式自动地唯一决定。给出的几个典型对比实例证实了这种轨迹的有效性。     

神经网络在机器人路径规划中的应用研究

机器人路径规划是人工神经网络应用于机器人控制的重要内容 .本文提出采用碰撞罚函数进行无碰撞轨迹规划 ,给出了无碰撞轨迹规划的人工神经网络算法 ,并进行了计算机仿真     

基于神经网络和遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法.用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数.通过仿真实验表明该方法具有较高的实时性和有效性.