基于改进蚁群算法的搜索机器人路径规划

针对搜索机器人路径规划问题,提出了一种改进的蚁群算法。算法构建一个栅格环境模型,并设置禁忌策略将部分栅格归为禁忌栅格以避免路径死锁;采用折返蚂蚁,且正向与反向蚂蚁分别采用不同搜索策略,来提高算法的收敛速度;构造路径综合评定目标函数,提高搜索最优路径的能力。实验表明:即使在复杂的环境中,本文算法也能快速地规划出最优路径。     

基于遗传算法的机器人路径规划

采用栅格法表示机器人工作环境模型，用序号编码，直角坐标与序号混合应用，采用遗传算法产生初始路径种群，并对其优化找出最短路径，然后增加删除，插入算子达到路径规划中避障的要求。用MATLAB语言进行的仿真研究，仿真结果表明遗传算法进行避障和路径规划的有效性和可行性。     

智能水下机器人路径规划

介绍一实际智能水下机器人三维空间的路径规划，给现一种新的海洋环境表示地－海面区域分割环境建模方法，并对Ａ搜索算法进行了改进，提出了动态扩展搜索点的思想，使三维空间路径规划算法得以简化并易物实现。该方法在实际水下机器人的海试中进行了试验，并获得成功。     

基于可拓遗传算法的机器人路径规划

在遗传算法基础上,用扩展物元来表示机器人的位置信息,使计算机能够较容易读懂这种语言,加快了计算速度;用关联函数作为遗传算法的适应度函数,使算法更容易找到最优化路径;采用可拓工程方法中的三种可拓变换形式,丰富了遗传算法的变异方式．实验证明,可拓遗传算法的机器人路径规划能有效提高的机器人路径规划的速度和准确性．     

基于NURBS的挖掘机器人时间最优轨迹规划

为提高挖掘机器人的工作效率,保证其运行轨迹平滑,提出了一种基于NURBS曲线的轨迹规划方法。利用5次NURBS曲线插值挖掘机器人关节位置,引入矢值函数,通过莱布尼茨公式求解NURBS曲线的高阶导矢,设定启停速度和加速度,得到经过指定关节位置加加速度连续的轨迹曲线。分析了NURBS曲线权因子在挖掘轨迹局部规划中的作用。采用序列二次规划方法求解约束条件下的非线性最小化问题,规划出时间最优轨迹曲线。仿真和试验表明:提出的轨迹规划方法能够得到满足物理约束的时间最优关节轨迹,且可进行轨迹局部优化。     

新型煤矿救援机器人的特殊运动逆运动学

针对新型煤矿救援机器人头部单元的特殊运动（位姿调整）,提出了一种基于空间分割和遗传算法相结合的新方法求解其逆运动学.该方法能以最小的转动代价实现期望的位姿,有利于保持机器人稳定.采用二次空间分割法,解决了遗传算法搜索空间大,难以收敛到全局最优解的问题.仿真实验结果表明,采用新的逆运动学算法得出的位姿误差较小,而且关节角...     

基于全局视觉的足球机器人路径规划方法

基于机器人小车运动到定点常用的Turn-Run-Turn啪控制方法,根据机器人小车的物理特性,设计了一种新的切线路径规划方法.该方法把小车在运动过程中受到的物理特性限制抽象为障碍物,加入到环境中,使得算法简单,计算量小,对机器人初始条件没有限制.仿真实验表明,机器人小车能在较高速度下有效避开障碍并按需要的姿态到达目标.     

一种基于神经网络的机器人路径规划算法

研究已知障碍形状和位置环境下的全局路径规划问题。给出了一个路径规划算法，其能量函数的定义利用神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程。规划出的路径达到了析线形的最短无碰路径。仿真研究表明，本文提出的算法计算简单，收敛速度快，方法可行。     

矿用井下救援机器人路径优化研究

路径优化是矿用井下救援机器人的研究重点之一.煤矿井下救援具有环境复杂、路径不确定等困难,如何实施有效路径优化是亟待解决的重要问题.因此,选取了A?启发式搜索算法与动态窗口法(DWA)构成融合算法,构建了基于A?算法与DWA算法的矿用井下救援机器人的原理框架,形成了针对直线轨迹、圆弧段轨迹、避障轨迹等多种情形的路径优化总...     

基于遗传算法的机器人动态路径规划的仿真

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。     

基于Bezier曲线模型的移动机器人路径规划算法

提出了一种基于Bezier曲线模型的路径规划方法,该算法能够有效地提高移动机器人控制的实时性和精确性。首先具体阐述了基于Bezier曲线模型的路径规划方法,给出确定移动机器人状态空间分量x,y和的方法,然后分析了该算法所具有的优点,最后通过仿真实验验证了所提出算法的正确性和可行性。     

Mobile platform of rocker-type coal mine rescue robot

After a coal mine disaster,especially a gas and coal dust explosion,the space-restricted and unstructured underground terrain and explosive gas require coal mine rescue robots with good obstacle-surmounting performance and explosion-proof capability.For this type of environment,we designed a mobile platform for a rocker-type coal mine rescue robot with four independent drive wheels.The composition and operational principles of the mobile platform are introduced,we discuss the flameproof design of the rocker assembly,as well as the operational principles and mechanical structure of the bevel gear differential and the main parameters are provided.Motion simulation of the differential function and condition of the robot running on virtual,uneven terrain is carried out with ADAMS.The simulation results show that the differential device can maintain the main body of the robot at an average angle between two rockers.The robot model has good operating performance.Experiments on terrain adaptability and surmounting obstacle performance of the robot prototype have been carried out.The results indicate that the prototype has good terrain adaptability and strong obstacle-surmounting performance.     

未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域，一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结，指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.     

用Hopfield网络优化空间机器人的路径

采用人工神经网络中的基本Hopfield网，实现了空间机器人的路径规划，解决了对两两给定通路的若干空间站点，空间机器人能顺序访问并最终返回起点的最短巡游路径问题．用Hopfield网解决最优化问题可针对不同的具体问题来设计网络的连接权及能量函数，从而扩展网络对解决具体问题的适应性，具有并行处理能力强、方法简单、容易实现等诸多优点．     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题,提出了一种新的规划算法———混沌控制算法.该算法利用混沌控制原理,根据检测到的目标位置信息,分别采用线性和非线性方法构造目标函数,然后通过牛顿定理,进行路径规划,求出规划节点.最后对算法进行了模拟仿真.仿真结果表明,构造的目标函数在每个目标点周围形成了收敛区域,机器人移向哪一个目标点,由它的初始状态所在的吸引域决定,不必再施加其它控制.这样减少了规划的计算量,提高了路径规划的速度和精度,为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础.     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.     

基于定长实数路径编码机制的移动机器人路径规划

针对移动机器人路径规划问题,提出一种新的定长实数路径编码机制。首先进行环境地图建模,通过坐标变换在路径的起点和终点之间建立新地图,然后用定长的实数编码机制使得机器人在不断靠近目标点的趋势上,寻找一条最优的路径。为了进一步提高效率,根据障碍物的位置规划出机器人的“有效区域”,缩小搜索空间。采用免疫进化与模拟退火相结合的免疫模拟退火算法求解最优路径。仿真实验表明,该算法具有较强的全局和局部搜索能力,能够使得机器人快速地找到一条较优的路径。     

基于改进蚁群粒子群算法的移动机器人路径规划

全局静态地图下,针对蚁群算法规划机器人移动路径时存在计算时间长、搜索效率低,并且得到的优化路径转弯次数过多的问题,提出了一种改进蚁群粒子群算法：首先利用粒子群算法快速得到蚁群算法初始信息素,然后进行蚁群算法路径规划,对得到的路径采用惯性优化,对每个节点进行遍历,当 ２个节点间的路径上无障碍物时,将中间节点删除,转换为优化路径。仿真实验表明,该方法与传统蚁群算法及相关改进算法相比,能有效减少迭代次数、提高搜索效率、减少转弯次数、缩短路径长度,从而提高路径质量。     

有向外力场作用下机器人路径规划方法

针对有向外力场作用下基于格点的机器人路径规划方法不能得到最优解的问题,采用了基于水平集方法的路径规划方法.将机器人的粒子跟踪转变为曲线的数值演化,通过解哈密尔顿-雅克比方程得到最优时间路径,改进后向路径追踪的数值计算精度保证了规划路径的可行性.仿真结果表明,算法可以有效应对复杂的有向外力场,并且在强外力场中仍保持路径的可行性.采用的连续路径规划方法可以突破传统机器人路径规划算法基于格点搜索的限制,并有效利用空间中存在的外力场.