基于改进蚁群算法的电力信息网络设备智能巡检机器人路径规划方法

巡检机器人在行驶时经常会与障碍物相撞,为避免出现此类错误,基于改进蚁群算法设计电力信息网络设备智能巡检机器人的路径规划方法。建立蚁群信息素初始化结构,获取目标区域的运动矩阵,设置智能巡检机器人的运动学约束条件,基于改进蚁群算法构造机器人路径规划估价函数。通过对计算巡检机器人的巡检完成度,设计智能巡检机器人路径规划算法。实验结果显示,该路径规划方法可以完整准确地规划无障碍物的路径以及有障碍物的路径,同时对必经路线上的障碍物进行反馈。对比不同光线条件下的路径规划效果可知,光线越充足,路径规划算法的迭代次数越少,避障准确率越高。     

面向复杂障碍场的电力巡检机器人局部动态融合路径规划

为解决电力巡检机器人在复杂障碍场中，常与障碍物碰撞、避障效率低等问题，提出面向复杂障碍场的电力巡检机器人局部动态融合路径规划方法。使用基于栅格法的复杂障碍场地图生成方法，构建面向复杂障碍场的电力巡检环境地图；结合所构建地图信息，由改进遗传算法寻优获取巡检所用全局最短路径后，经时间弹性带算法，结合不同时刻机器人位姿信息，由距离阈值判断机器人与动态障碍物碰撞可能性，以全局规划路径弹性拉伸的方式，完成局部动态融合的避障运行，且需分析局部动态规划路径中，机器人运行方向与全局规划路径一致性，动态调节规划机器人巡检路径。经测试，此方法使用后，机器人未出现碰撞问题，且避障速度提升约300%。     

基于ROS的粮面巡检机器人导航系统设计

考虑到粮食具有散粒性,采用履带式机器人可以在粮面上平稳运行。设计一种基于机器人操作系统ROS和激光雷达的粮面巡检机器人导航系统,使用基于粒子滤波的Gmapping算法构建栅格地图。全局路径规划使用改进启发函数的蚁群算法,加速收敛速度获得最短路径,应用动态窗口算法以关键点作为中间目标点规划局部路径,实现路径规划以及实时避障功能。经过仿真实验证明,该方案可以准确建立地图,改进的导航算法能够进行路径规划和避障,该方案设计具有可行性和有效性。     

应用不间断巡检机器人的仓库异常自主报警方法

现有巡检机器人检测方法受到机器人各参数量纲不同的影响，异常报警效果差，经常出现漏检和误检问题，对此，设计一个不间断巡检机器人的仓库异常自主报警方法。采用蚁群算法规划机器人运动路径，实时更新巡检路线，保证机器人不间断巡检；通过通信协议向机器人控制器发送约定指令，获取传感器采集的检测数据并进行归一化处理；结合形态学与边缘区域包围度抑制方式识别检测目标，依据重建误差表示每个位置异常的可能性，设定异常情况报警过程，实现巡检机器人的仓库异常自主报警。实验结果表明，所研究的机器人仓库异常自主报警方法的漏检次数、误报次数与误检次数均不超过一次，提高了异常报警效果，具备实际应用意义。     

电力巡检机器人路径规划技术及应用综述

电力巡检是保障电力设备安全与稳定的关键.传统的巡检方式以人工为主,其高风险、低效率、易漏检的缺点难以满足电力巡检要求,将机器人应用于电力巡检具有安全高效、自主分析、智能决策的优势.路径规划技术通过求解巡检路线以实现遍历巡检与自主避障,是电力巡检机器人的关键技术之一.对此,首先分析不同电力场景的巡检内容与要求;然后,综述电力单体巡检机器人路径规划技术与协同巡检机器人路径规划技术,并总结电力巡检机器人路径规划技术在发电站、变电站以及输电线路场景下的应用效果;最后,对电力巡检机器人路径规划关键技术进行展望,即未来电力巡检机器人路径规划技术将向着多源异构信息融合、深度强化学习以及云边端协同路径规划方向发展.     

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点;与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明:提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。     

面向斜拉桥索塔巡检的旋翼UAV避障航迹规划

针对斜拉桥索塔巡检的旋翼UAV避障航迹规划问题,提出了一种面向斜拉桥索塔巡检的旋翼UAV避障航迹规划方法。该方法以巡检过程中旋翼UAV的能量消耗为航迹优劣评价指标,利用基于信息熵理论改进后的遗传算法获取能量消耗最少航迹,并提出双圆弧避障策略对航迹上存在斜拉索障碍的局部区域进行航迹重新规划,使之能有效地避让斜拉索障碍,保障旋翼UAV的飞行安全。以咸阳渭城桥索塔的外观巡检为例进行仿真验证,仿真结果表明,所提方法规划的航迹有效地降低了巡检旋翼UAV的能量消耗,确保了巡检旋翼UAV的飞行安全,能够较好地适用于斜拉桥索塔外观巡检。     

一种改进的机器人路径规划的蚁群算法

针对具有复杂回旋地形结构的机器人路径规划问题, 提出了一种改进的蚁群算法. 该算法引入自适应迁移概率函数实现蚁群具有正、反向运动的能力, 改善了算法的曲折迂回能力; 能见度信息中引入距离启发因素和障碍相交检测机制, 完成路径搜索与避障过程有机结合, 提高算法的搜索效率; 引入贪婪信息素更新策略和节点信息素分布, 降低了数据存储量, 改善了路径规划的效果和算法的收敛速度. 基于不同算法的比较仿真实验, 数值结果证实了该算法的有效性.     

蚁群算法在移动机器人路径规划中的仿真研究

研究移动机器人路径规划问题.移动机器人路径规划是一个多目标优化问题,由于避障定位要求,传统机器人路径规划优化方法存在算法复杂、搜索空间大和效率低等难题,难以获得最优解.为了提高机器路径规划的效率和定位准确性,提出了一种蚁群算法的移动机器人路径规划方法.蚁群算法的路径规划方法首先采用栅格法对机器人工作环境进行建模,然后将机器人出发点作为蚁巢位置,路径规划最终目标点作为蚁群食物源,通过蚂蚁间相互协作找到-条避开障碍物的最优机器人移动路径.仿真实验结果证明,蚁群算法的路径规划方法提高了机器人路径规划的效率,能在最短时间找到机器人路径规划最优解,且能安全避开障碍物,为优化设计提供了依据.     

智能校园巡检机器人设计与控制

针对校园巡检作业需求设计机器人本体,应用多传感器信息融合技术实现路面检测和路径规划,根据全局地图和局部信息整合实现精确定位.依据特定校园地图对该机器人系统的自动巡航作业、指定巡检作业和避障等功能进行了验证.该设计可为实用型智能校园巡检机器人设计提供技术储备和控制方法.     

基于改进D*Lite算法的电缆沟巡检机器人系统设计

对地下电缆沟运行状态的在线监测问题,针对电缆沟环境设计了电缆沟巡检机器人系统。分析了地下电缆沟在线监测的需求以及电缆沟环境带来的约束,构建了包含图像模块、温湿度检测、可燃气体检测、运动机构、自动导航模块、上位机系统在内的巡检机器人结构。采用多关节串联结构的履带式底座和双CPU(central pro-cessing unit)设计来减小机器人整体的体积和重量,采用烟花算法改进D*Lite算法,加大机器人本体与障碍物距离,提升规划路径的平滑度,实现了适用于电缆沟环境的路径规划。经现场测试,系统总功耗为94.3W,最小通过宽度为35cm,可穿越坡度不超过30°的障碍,获得满足测量精度要求的多种电缆运行信息,实现了地下电缆沟的自动巡检,满足了地下电缆沟在线监测的要求。     

基于蚁群算法的多移动机器人避障路径规划方法

为提高多移动机器人避障路径的规划能力,提出基于蚁群算法的多移动机器人避障路径规划方法。结合小扰动解析方法构建多移动机器人运动学模型,根据运动学特征建立避障路径分布约束参数;通过自适应蒙特卡洛定位法进行故障定位;根据定位信息,结合蚁群算法进行多移动机器人避障路径规划寻优控制。仿真结果表明,采用该方法进行多移动机器人避障路径规划的自适应寻优能力较好,机器人定位精度较高,提高了多移动机器人避障能力。     

基于B样条曲线的电力巡检机器人越障控制

为了提高电力巡检机器人越障控制能力,该文提出基于B样条曲线的电力巡检机器人越障控制技术,首先构建电力巡检机器人的被控对象模型,结合电力巡检机器人驱动动力学分布,进行电力巡检机器人的定位控制,同时采用避障算法进行电力巡检机器人巡检过程中的越障控制,结合位姿参数的自适应调节方法进行电力巡检机器人越障运动学模型构造。在此基础上,建立电力巡检机器人越障控制目标函数,采用B样条曲线跟踪寻优方法进行机器人的越障路径规划,采用自适应的模糊信息加权方法,进行电力巡检机器人越障控制优化。仿真结果表明,采用该方法进行电力巡检机器人运动轨迹测定分布结果稳定,接近运动轨迹的标准值。其越障控制的灵敏度较高,自适应控制能力较强,电力巡检机器人运动轨迹测定分布结果稳定,提高了电力巡检机器人越障性能。     

基于蚁群算法的自由飞行空间机器人路径规划

本文采用蚁群算法实现了自由飞行空间机器人的避障路径规划．蚁群算法是基于群 体的一种仿生算法，为求解复杂的组合优化方法问题提供了一种新思路．本文对蚁群算法进 行了适当的修改，使之适用于自由飞行空间机器人的路径规划，然后用计算机进行了仿真， 取得了较好的结果．     

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。     

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...     

时间最优的无人机巡检避障路径规划

无人机执行实际任务时，完成时间是衡量任务效能的重要指标，而路径规划方法一般以路径长度最小为目标，难以准确直接地反应完成任务时间。对此，在构建路径时间代价的近似计算方法基础上，本文提出一种最小化任务时间的无人机避障路径规划算法。通过路径跟踪特性试验，获取不同机动方式下的飞行时间，作为路径搜索过程中的代价计算依据。设计节点扩展方式和代价函数计算方法，提出一种改进A*搜索算法以实现障碍规避和路径时间优化。通过随机场景下的仿真试验对所提方法的有效性和性能优势进行验证。最后以变电站巡检为例，验证改进算法能够引导无人机以更短的时间完成避障巡检。     

面向变电站机器人巡检路径规划中的算法研究

针对目前在变电站中应用广泛的巡检机器人,探讨了其巡检路径的问题,依据离散数学理论中的哈密顿回路方法和路径的常规规划算法,研究了一种变电站的巡检路径为矩形分布时的机器人巡检路径问题。针对不同巡检方式,分别提出：全局巡检方式,采用新提出的哈密顿算法,当巡视起点被设定后,其他被巡视的任何点均可被归类,从而找出其巡检路径的哈密顿回路;重点设备巡检方式,采用Dijkstra算法和遗传算法相结合的方法;固定点巡检方式,采用Dijkstra算法。其中,三种巡检方式分别针对电量充足、低电量返回及充电完毕继续巡视等方面给出仿真结果,并将其在某变电站进行了试用。研究结果表明,三种巡检方式下的算法均有效可行,新提出的哈密顿回路算法巡视的路径比常规方法相对要短,算法的运算速度相对更快。     

基于场景理解与改进型BUG算法的移动机器人避障

针对现有移动机器人在视觉避障上存在的局限,将深度学习算法和路径规划技术相结合,提出了一种基于深层卷积神经网络和改进Bug算法的机器人避障方法;该方法采用多任务深度卷积神经网络提取道路图像特征,实现图像分类和语义分割任务;其次,基于语义分割结果构建栅格地图,并将图像分类结果与改进的Bug算法相结合,搜索出最优避障路径;同时,为降低冗余计算,设计了特征对比结构来对避免对重复计算的特征信息,保障机器人在实际应用中实时性;通过实验结果表明,所提方法有效的平衡了多视觉任务的精度与效率,并能准确规划出安全的避障路径,辅助机器人完成导航避障。     

污泥纠缠环境下机器人视觉摆脱规划路径方法

传统路径规划算法针对多目标情况,主要依据多单一信息融合结果选择避障路径,在中规模的污泥纠缠区域中容易陷入盲区,无法对污泥纠缠环境下的机器人路径进行准确的规划。为此提出一种改进的机器人视觉纠缠摆脱路径规划方法,借助机器人视觉仪器采集污泥纠缠特征,用归一化方法把视觉信息融入到规划模型中进行最佳路径的选择,将机器人摆脱污泥纠缠以及最短路径的要求融合成一个适应度函数,通过遗传算法搜索获取最佳机器人摆脱路径。实验结果说明,该方法对于污泥纠缠环境下机器人摆脱路径规划长度以及效率都优于传统模型,具有较高的鲁棒性。