面向装配序列规划的模因算法研究

针对遗传算法在求解装配序列规划问题中收敛速度慢、产生重复解等问题,提出一种基于模因算法的装配序列规划方法。将模因算法中全局搜索与局部搜索相结合动态更新种群的策略引入,采用装配优先约束矩阵和干涉矩阵建立装配规划模型,并以装配单元之间的相异性之和构建适应度函数。在非干涉解空间中进行全局搜索,获得装配规划方案,再通过二叉树中序遍历调序算法将较优方案转化为可行解。通过交叉操作和变异操作后,在可行解空间内进行局部搜索,获得较优解。通过典型柱塞油泵装配规划验证了该算法的可行性和可靠性;并将其与遗传算法进行比较,证明其更有效。     

X光成像的钢绳芯输送带接头距离检测方法

利用钢丝绳绳芯输送带接头搭接部分的灰度关系,采用差分算法对接头图片进行阈值分割。根据接头的边沿关系,去除了冗余信息,然后利用并查集算法进行连通域合并检出每条线。该算法利用树型数据结构避免了常用的二次扫描算法的重复遍历。实验表明用这种方法能够方便计算出接头距离。     

基于ROS的四足运动机器人田垄遍历的路径规划

自动行走是当下农业机器研究的一个热点。针对四足运动机器人,研究适用于田垄中行走的路径规划方法。使用开源的机器人操作系统ROS Kinetic作为机器人的控制系统,通过姿态传感器、UWB和Trilateration算法融合的虚拟里程计、激光雷达对田地进行2D栅格地图的构建。采用分块算法对栅格地图进行目标点的识别,全局路径规划采用全局代价地图估计代价和A*算法,局部路径规划采用Dynamic Window Approaches算法。结果表明,机器人能实现满足遍历田垄的定位精度要求,并可以在复杂的环境下对随机的障碍物进行避障。     

基于混合图上随机游走的视觉注意显著目标检测模型

目前的视觉显著性检测算法,主要依赖像素间的对比,缺乏从全局角度对显著目标进行分析理解。根据生物视觉注意机制,显著目标通常是显眼、紧凑和完整的,提出一种基于混合图上随机游走的显著目标检测算法,将视觉显著性检测公式化为马尔科夫随机游走问题。首先将输入图像进行分块,利用颜色特征距离和方向的空间分布和方向熵对比分别确定无向图和有向图的边权重,进而得到混合图;然后通过全连通图搜索提取全局特性,突出全局较孤立的区域;同时通过k-regular图搜索提取局部特性,增强局部较均匀的区域;最后结合全局特性和局部特性得到输入图像的显著图,从而确定感兴趣区域位置。实验结果表明,相比于其他两种具有代表性的算法,所提算法检测结果更加准确、合理,证明该方法合理可行。     

双向清洗机器人玻璃幕墙完全遍历路径规划

报道了玻璃幕墙清洗机器人设计与路径规划多采用自上而下单向作业造成作业效率较低的现状,对具有双向作业功能的玻璃幕墙清洗机器人路径规划方法进行了研究。充分利用环境物理信息,提出一种考虑机器人往复主运动方向、集成栅格法与启发式搜索算法并可应用于双向作业玻璃幕墙清洗机器人的完全遍历路径规划方法。最后以一个模拟环境为求解实例,证明了算法的有效性。仿真研究表明,该算法不仅简单有效,而且可明显改善路径规划性能,降低路径重叠率。     

蚁群算法及其在有硬时间窗的车辆路径问题中的应用

为求解有硬时间窗的车辆路径问题,提出了一种基于可行解两阶段构造策略的自适应混合蚁群算法.在第一阶段,用蚂蚁的局部遍历代替传统的全局遍历,每个蚂蚁采用蚁群算法进行局部遍历,构造一个回路,蚂蚁转移采用回路两阶段构路策略;在第二阶段,由前一阶段所构造的回路通过采用近似解可行化策略来组合形成可行解.此外,为提高算法的寻优能力,在转移规则中引入了基于时间窗的紧迫性因子和匹配度因子,并与节约算法和爬山法有机结合.实验结果表明,自适应混和蚁群算法性能优良,能够有效地求解有硬时间窗的车辆路径问题.     

基于改进A算法的AGV路径规划研究

针对传统A?算法在AGV路径规划中存在遍历节点数和转弯次数较多问题,提出一种基于启发函数改进A?算法.该算法采用加权曼哈顿距离作为启发函数,使得距离估计成本更接近最短距离,以减少算法遍历节点数;另外,在算法启发函数中引入转弯修正代价参数,从而减少路径转弯次数.MATLAB软件仿真实验结果表明,较传统A?算法,基于启发函数改进A?算法在AGV路径规划中能有效减少遍历节点数和路径转弯次数,提高AGV路径规划中路径搜索效率和路径平滑性.     

[供应链调度]装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

基于栅格地图的移动机器人完全遍历算法--矩形分解法

提出移动机器人的一种新的完全遍历算法：矩形分解算法。首先通过机器人环境学习建立栅格地图,对环境中的障碍物实行矩形化建模。而后应用矩形化模型中的关键点将环境分解成为矩形块,最后在这个分块环境的拓扑图中寻找到一条Hamilton路径,机器人沿此路径即可实现对环境的完全遍历。为处理复杂的局部情况,又提出基于模板的局部环境处理算法。矩形算法的优点在于机器人可以实现完全自主的复杂环境遍历,并且可以处理未知障碍,从而使算法适合于任意非结构化的工作环境。     

装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

轮腿式机器人步态生成的拓扑矩阵方法

为实现机器人在核电救灾等非结构化环境中的步态规划和自适应行走,以六足轮腿式机器人为研究对象提出基于当前地形的机器人自适应在线生成步态的规划策略,通过全局地形环境中机器人对前进方向局部地形的实时识别,确定其基本地形类型,产生相应的基本步态,动态生成机器人的步态序列。定义机器人触地状态及其列矢量表达,给出机器人步态因子的分类及其拓扑矩阵;定义基本地形及相应的基本步态,给出基本步态的拓扑矩阵;在此基础上,提出基于地形识别的步态拓扑规划策略和步态拓扑矩阵生成流程,通过矩阵递推算法实现机器人步态拓扑的动态生成。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

移动机器人全覆盖路径规划算法研究

针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法.该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作.针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算...     

基于感知-行为的移动机器人全区域覆盖路径规划

针对未知环境信息下的移动机器人全局区域覆盖路径规划问题,提出了一种基于感知-行为的路径规划方法。根据移动机器人实时感知的传感器信息,建立机器人全区域覆盖的行为执行表,在机器人全区域覆盖过程中,通过这种感知与行为的关联能够实时有效地驱动机器人实现路径规划。模拟与仿真的结果证明了算法的简单性和实用性。     

面向室外环境的单机器人辐射场寻源算法

针对室外热辐射场、核辐射场、强电磁辐射场和声场的辐射源搜寻,提出了一种基于高斯过程回归的单机器人辐射源搜寻算法。首先将连续的搜寻环境离散化,采用高斯过程回归预测机器人邻域中的辐射强度,然后将局部路径规划考虑为一个优化问题,求取优化目标函数的最大值获得机器人的下一步路径点,最后通过多次局部路径规划引导机器人到达全局最优点。为验证所提算法的有效性,在300 m×200 m的室外环境中进行了实验。     

物品自动运送机器人原型系统的局部路径规划研究

描述了一种基于多边形环境模型 ,以机器人运动过程中的转弯次数最少为优化目标 ,采用广度优先搜索技术的 MT局部路径规划算法以及相应的复杂实际环境建模方法 ,并将其应用于目前正在研制的物品自动运送机器人 (ACR)原型系统。仿真实验表明 ,本文所描述的 MT算法以及相应的环境建模方法对 ACR原型系统的局部路径规划问题而言不失为一种良好的解决方案     

电动助力转向系统Sugeno型模糊及PID的滤波控制研究

在阐述车辆电动助力转向系统结构与工作原理的基础上,建立其动态数学模型。针对助力电机目标电流输出控制的特点,建立了Sugeno型模糊控制器,同时采用PID闭环反馈控制助力电机实际电流,并由幅频复合滤波对控制信号进行滤波处理,从而进一步提高了控制效果。模拟仿真、硬件在环仿真试验结果表明,该设计方法对控制性能的改善是明显的。     

移动机器人在线实时路径规划

研究了不确定环境下移动机器人的路径规划问题。采用全局规划和局部规划相结合的方法，提出了一种基于极坐标空间，以期望方向角为优化性能指标的在线实日寸路径规划方法。该法利用机器人的传感器系统，实时探测局部环境信息，在每次的局部规划窗口，确定机器人的期望方向角，以机器人的实际运动方向角与期望方向角之间的差异来驱动机器人避开障碍物和朝向目标点运动。该法不仅简单灵活，而且克服了全局规划和局部规划的缺陷。仿真实验表明其有效可行性、实时性、优化性、精度高、稳定性好。     

基于改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且易陷入局部最优值的问题,提出一种改进的蚁群优化算法。该方法依据起始点和目标点位置信息选择全局有利区域增加初始信息素浓度,提高前期蚂蚁搜索效率;增加避障策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死锁数量;采用动态参数控制的伪随机转移策略,提出优质蚂蚁信息素更新原则,自适应调整挥发系数,提高算法全局性;进行二次路径规划,优化路径并降低移动机器人能耗的损失。实验结果表明,该算法有较高的全局搜索能力,收敛速度明显加快,并且可以有效提高移动机器人工作效率,验证了该算法的有效性和优越性。