改进蚁群算法的输电线巡检机器人避障路径规划

输电线承担着电力能源输送的关键作用,是电力系统能否稳定运行的关键。为了避免输电线故障发生,需要采用巡检机器人实时检测输电线,巡检机器人路径规划结果是影响巡检效果的主要因素,该文提出改进蚁群算法的输电线巡检机器人避障路径规划方法研究。应用激光传感器获取障碍物体相关信息,完成障碍物体的检测与建模,计算巡检机器人与障碍物体的位姿关系,推出巡检机器人避障算法。确定巡检机器人避障路径规划目标,基于狼群分配原则与中心点平滑方法改进蚁群算法,执行算法获取最佳避障路径规划结果,实现了输电线巡检机器人避障路径的规划。实验数据显示,应用提出方法获得的规划路径避障成功率最大值为96%,最佳避障路径规划迭代次数最小值为11次,充分证实了提出方法避障路径规划性能更佳。     

基于遗传算法的变电站巡检机器人任务路径规划方法研究

近年来,随着变电站巡检机器人在变电站中的广泛使用,巡检机器人路径规划问题越来越成为亟待解决的问题。巡检机器人在已知的拓扑地图中标记了待执行巡检任务的停靠点,不同任务需要从初始点出发经过不同的一系列停靠点再返回初始点,如何规划路径是机器人面临的问题。首先分析了路径规划面临的问题,然后通过分析拓扑地图的特征,对地图进行等价简化,再对问题进行建模使用遗传算法求解巡检任务路径规划的近似最优解。通过仿真实验证明,提出的基于遗传算法的路径规划方法是可行有效的,为变电站巡检机器人任务路径规划提供了一种有效方法。     

考虑机器人尺度的变电站路径规划

在传统的变电站巡检过程中,存在人工任务繁重且效率低下等问题,为了提高变电站中的巡检效率与安全性,提出了一种基于遗传算法和人工势场法巡检机器人的路径规划方法.算法由三部分组成,首先通过Maklink方法对仿真环境进行建模,通过遗传算法求出不考虑安全性的近似最优解;第二部分,在遗传算法求解的基础上,将路径中间节点作为引力点,障碍物的边界作为斥力点,构建人工势场环境模型;第三部分,用改进的人工势场法进行优化,提高路线的安全性.通过在计算机平台上的仿真测试,最终结果表明该方法可以在一定时间之内得到一条安全性更高的路线,使得巡检机器人可以避开障碍物到达指定地点,从而完成巡检电路的任务.上述算法改进了人工势场路径规划方法一直以来根本性的缺陷,如易陷入极值点、易产生路径点震荡等问题,并且利用人工势场路径平滑的特点提高了Maklink路径规划方法的路线安全性.     

蚁群算法在机器人路径规划中的应用研究

针对传统机器人路径规划方法无法保证寻找全局最优路径的问题,本文提出了一种基于蚁群算法求解机器人路径规划的方法.在此基础上构建了移动机器人路径规划模型,并通过Visual C 6.0进行仿真.结果表明该算法能够在动态和静态环境中迅速找到机器人的最优路径,与基于遗传算法的路径规划方法相比具有较大的优势.     

基于改进Dijkstra算法的机器人路径规划方法

本文提出一种利用栅格法和改进的Dijkstra算法进行机器人路径规划的方法。该方法利用栅格法对机器人的工作环境进行表示,利用改进的Dijkstra算法进行最短路径的搜索。应用该方法在对环境细化到包含10000个栅格节点的情况下,在主频1.7GHZ的计算机上规划路径的时间最长不超过0.3秒。实践证明该方法具有实时性和路径最优性。     

基于改进深度学习的变电站机器人巡检路径规划研究

随着智能电网的不断发展,变电站数量随之增加。针对变电站中巡检任务繁重以及人工巡检可视化水平低的问题,该文提出了一种基于改进深度强化学习的变电站机器人巡检路径规划方法。结合巡检机器人的运动模型,设计深度强化学习的动作和状态空间。将深度强化学习网络与人工势场相结合,重新构造深度强化学习的奖励函数,优化卷积神经网络结构。通过实际变电站场景进行验证,提出的改进深度强化学习算法较传统算法计算时间更短,效率更高,更有利于对变电站巡检机器人的巡检路径进行精准规划,提升变电站的自动化程度水平。     

基于改进基因算法的海洋平台巡检机器人路径规划

传统遗传算法最优路径搜索效率相对较低,容易产生无实际意义个体。为此,在遗传算法选择操作中引入邻域搜索算法,提高算法的局部搜索能力,调整可变长度染色体邻接点交叉算子进化操作,避免生成间断路径。同时,在变异操作中引入多样性约束与改进的A*算法,提高遗传算法前期搜索效率。最后,在适应度函数中考虑路径长度、安全性和移动代价,生成的路径远离障碍物并在一定程度上降低转弯次数。实验证明,改进后的遗传算法在多障碍物环境下的路径规划过程中提高了搜索效率,更有利于找到实际应用中的最优解。     

面向机器人全局路径规划的改进蚁群算法研究

针对基本蚁群算法在机器人路径规划过程中路径转弯角度过大、易陷入局部极小值、收敛速度慢等问题,对其进行改进。在分析机器人路径规划环境建模方法基础上,将转角启发函数引入至节点选择概率公式,以增强路径选择指向性,提高算法搜索速度;通过引入当前节点与下一节点之间的距离和下一节点与目标节点距离之和的二次方对启发函数进行改进,使得算法搜索过程更有针对性,并降低陷入局部极小值概率;提出信息素挥发因子自适应更新策略,扩大算法搜索范围,提高收敛速度;利用遗传算法的交叉操作对移动路径进行二次优化,以增强算法的寻优能力,进而以Floyd算法为基础引入路径平滑操作,减少移动路径节点。在MATLAB中与其他算法通过求解多个单模测试函数与多模测试函数进行对比,并在栅格法环境建模中进行机器人全局路径规划仿真对比实验,以验证改进算法在路径寻优速度和质量上更具优越性。仿真结果表明,改进后的蚁群算法具有一定的可行性和有效性。     

面向未知环境的机器人动态路径规划算法研究

针对未知地图环境下侦察巡检机器人路径规划算法存在的运算耗时较高、响应慢等问题,提出一种适用于未知地图信息情况下的动态路径规划方法及避障策略.首先,改进跳点搜索算法的关键点生成方法,针对大地图动态环境下的搜索需求提出"指定动态跳点"策略;其次,针对"指定动态跳点"策略在凹型障碍物内不易脱离等问题,提出"重搜索"策略;最后...     

基于改进Dijkstra算法的机器人路径规划方法

本文提出一种利用栅格法和改进的Dijkstra算法进行机器人路径规划的方法。该方法利用栅格法对机器人的工作环境进行表示,利用改进的Dijkstra算法进行最短路径的搜索。应用该方法在对环境细化到包含10000个栅格节点的情况下，在主频1．7GHZ的计算机上规划路径的时间最长不超过0．3秒。实践证明该方法具有实时性和路径最优性。     

基于松弛Dijkstra算法的移动机器人路径规划

在栅格环境建模方法的前提条件下,针对在较大规模、障碍物密集的工作环境中移动机器人难以进行实时路径规划的问题,利用栅格地图的结构特点提出一种松弛的Dijkstra算法。该方法首先采用四邻域搜索在线性时间内构建从源点到全局各点的曼哈顿距离势场,然后从目标点向源点进行八邻域搜索并返回一条无碰撞、近似最优路径。经过Matlab仿真实验证实该方法在计算时间上比采用堆排序实现的Dijksta算法和A-star算法快10倍以上,在路径长度上与最短路径相比误差处于合理范围之内。     

改进遗传算法在机器人路径规划中的应用研究

针对静态环境下机器人全局无碰撞的路径规划问题,提出了一种将顶点图像法与遗传算法结合起来的路径规划的方法。利用顶点图像法建立了机器人的路径模型,将候选路径表示为二进制位串的形式。在此路径模型的基础上设计了适应度增量计算法,提高了算法的收敛速度。提出了将差距大的染色体进行配对的改进染色体配对方式,保证了种群的多样性。仿真实验结果验证了该方法的有效性和可行性。     

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。     

基于协同进化的多智能体机器人路径规划

协同进化是一种新兴的、简单有效的智能优化方法,具有较好的收敛性、鲁棒性和高效性,在多目标优化问题中得到很广泛应用。将其应用到复杂环境下多智能体机器人的路径规划中,并设计适应度评价函数。同时,引入一系列新的变异操作算子,有效地对多智能体机器人规划的路径进行优化,加速了整体的规划速度,避免规划陷入局部最优,从而获得多智能体系统的全局最优或次优解。最后给出了的仿真结果证明方法可行、有效。     

基于遗传算法的移动机器人路径规划

采用动态可变长编码的方法,以栅格表示环境。针对遗传算法大型障碍物难的问题,采用follow wall行为,较好地解决了基于遗传算法的快速路径规划和大型障碍物避障问题。该算法适应任何形状的障碍物,适用于静态和动态环境中。计算机仿真表明,该算法是一种正确和高效的路径规划方法。     

多变地形下机器人路径规划

针对多变地形环境，提出一种基于遗传算法的机器人路径规划方法。将遗传算法应用于两个方面：构造优化区域图及搜索最优路径。计算机仿真结果验证了该方案的有效性。