变电站故障预警巡检机器人自主运动规划

针对当前变电站巡检无人化的场景需求,结合变电站的内部环境特征、巡检机器人运动学与动力学模型,提出智能巡检机器人自主运动规划方法与故障诊断方法.为克服传统蒙特卡洛算法中机器人绑架和粒子数固定问题,提出自适应蒙特卡洛定位算法,对巡检机器人位置实时定位,并与故障阈值的异常温度检测与报警算法相结合.通过真实场景下的路径规划与多种电力器件温度监测实验,证明了提出的方法能有效规划最优巡检路径与温度巡检任务.     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

改进遗传算法的在轨组装路径规划

大规模航天器以在轨组装的方式进行空间部署时,常采用交会对接与辅助机构结合工作的方式完成组装,因此组装过程必须为装配过程规划安全的接近路径和工作区域,以避免组装过程中的碰撞风险。在组装卫星的相对轨道运动模型基础上,建立了组装过程中的动态环境模型,针对在轨组装的位置、时间精度的同时优化改进了传统遗传算法,设计了基于改进遗传算法的在轨组装路径寻优方法。仿真结果表明,提出的算法寻求的最优路径能够较好地满足在轨组装的有效性、安全性以及高精度的要求,并且算法收敛性和稳定性好。     

蚁群算法在多机器人协作中的应用

协作是多机器人系统的关键问题,对此提出一种基于蚁群算法的多机器人系统的协作算法。在已知机器人的工作位置、工作所需时间、各项工作的重要程度以及每个机器人对各项工作的擅长程度等前提下,利用蚁群算法选择最优协作方案,使机器人所走路径最短、用时最少、效率最高。仿真结果表明,该算法具有较好的优化求解能力.     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

基于粗糙集移动机器入微种群路径规划算法

针对机器人的路径规划，提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法，该算法采用栅格法划分机器人的工作空间，十进制路径编码方式，在粗糙集生成初始路径的基础上，通过运用微种群遗传算法对这些初始路径进行优化后，得到了一条最优或近似最优路径，在Matlab环境进行的机器人路径规划仿真实验中，笔者用到的微种群遗传算法与一般遗传算法相比，具有优化效果明显，环境适应性强等优点，能够有效地提高机器人路径规划速度，结果表明作者提出的方法是正确和有效的。     

基于改进蚁群算法的多机器人路径规划研究

针对蚁群算法在机器人路径规划过程中存在的收敛速度慢、效率较低、容易陷入局部最优等缺点,提出了一种多步长的改进蚁群算法.该算法实现了多步长路径规划;同时在概率公式中加入了拐点参数,使路径更加平滑;并且提出了新的信息素奖励惩罚机制.将改进的蚁群算法应用于具有3个优化目标的多机器人路径规划中,采用碰撞预测策略和路径协调策略完成多机器人间的协调避碰.仿真结果表明,改进的蚁群算法规划的路径更短、更平滑,效率更高,验证了该算法在多机器人路径规划中的有效性和可行性.     

基于人工智能算法的采摘机器人最优路径规划研究

在复杂多变的工作环境,特别是在多丘陵等特殊地理位置,快速选择最优路径,避开障碍物,完成作业,需要进行采摘机器人的路径规划.基于改进蚁群算法对拣选机器人路径进行规划,搜索效率较低,存在早熟收敛的可能,基于此,提出基于人工智能算法的采摘机器人最优路径规划方法.构建环境模型,为减少初始寻路时间,提高搜索速度,增强全局优化能力...     

一种改进人工势场法的多机器人局部避碰规划方法

本文针对多移动机器人局部路径规划问题,提出一种基于改进的人工势场算法的策略。当多个机器人在安全的距离范围内相遇时,通过利用机器人之间产生的优先级退避策略走出对方视野,从而避免彼此碰撞、死锁。仿真结果表明此方法是有效的。     

高温混合障碍空间中的移动机器人路径规划

为了解决高温场景中移动机器人全局路径规划所面临的安全与效率问题,提出高温热源虚拟障碍的定义,建立混合障碍空间模型,将高温场景中的路径规划问题转化为高温混合障碍空间中考虑路径温度代价和长度代价的多目标优化问题. 改进NSGA-Ⅱ算法,通过选取优秀非可行解扩展种群,提高了种群多样性和进化效率,提出新的交叉和变异概率计算方法. 根据种群进化进程和个体代价函数值调整概率,实现了种群前期搜索能力和后期收敛性的平衡. 仿真所得的最优路径结果表明,该改进算法的路径长度代价虽然比原算法和其他改进算法略有增加,但温度代价大幅降低,更有效地避免了陷入局部最优.     

基于优化RTAB-Map的室内巡检机器人视觉导航方法

巡检机器人对室内场景进行自主导航监测时,采用视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）方法构建的三维深度地图存在实时性不高、定位精度下降的问题。对此,提出了一种基于RGB-D相机和优化RTAB-Map(real time appearance based mapping)算法的巡检机器人视觉导航方法。首先,通过重新配置RTAB-Map点云更新频率,实现算法优化,构建稠密的点云地图后;采用启发式A*算法、动态窗口法（dynamic window approach,DWA）分别制定全局与局部巡检路径,通过自适应蒙特卡罗定位（adaptive Monte Carlo localization,AMCL）方法更新机器人的实时位姿信息,再将搭建好的实体巡检机器人在软件、硬件平台上完成视觉导航测试实验。结果表明：优化后的RTAB-Map算法运行时的内存占比稍有增加,但获得与真实环境一致性更高的三维深度地图,在一定程度上提高视觉导航的准确性与实用性。     

基于概率地图的工业机器人路径搜索优化算法

为解决机器人在装配、焊接、喷涂等工业生产中的路径规划调试时间长、效率低等问题,提出一种新的基于概率地图的路径搜索优化算法。该算法首先利用混合包围体层次树碰撞检测算法的优势,在每两个采样位姿点间选出无碰撞的局部路径;然后,在获取始末点位姿信息后,引入A*算法搜索全局路径;最后采用提出的路径优化算法对搜索得到的全局路径进行优化。以此实现只需给出运动初始点与目标点,算法就能自动搜索出一条无碰撞的全局优化路径。仿真和机器人实体实验表明该算法适用于工业机器人的路径搜索,所得机器人运动路径简短,并有效地避开障碍物。     

改进蚁群算法及其应用

将文献报道的两种蚁群算法融合,得到一种新的改进蚁群优化算法。在启发函数中加入下一个节点与最终节点的距离;在信息素更新时,根据最优解和最差解,相应增加或减少信息素浓度,提高算法性能。将改进的蚁群算法应用于机器人路径规划中,在栅格障碍环境下,让机器人找到一条从起点到终点无碰撞的最短路径。实验发现,改进蚁群算法仅需在第3次迭代后就可以找到最优路径。改进蚁群算法不仅提高了收敛速度,还增强了解的精确度。     

基于卷积力矩观测器与摩擦补偿的机器人碰撞检测

针对常规工业机器人在未知环境下运行时可能产生碰撞的安全性问题,提出一种新型的机器人碰撞检测算法. 设计卷积力矩观测器,通过实时观测关节输出力矩与动力学估计力矩的偏差实现机器人碰撞检测. 为了避免机器人处于不同位姿、运动状态等情况下关节摩擦对机器人碰撞检测的干扰,采用静态LuGre模型对关节摩擦进行补偿. 通过对实际工业机器人的运动监测,辨识出更加准确的静态LuGre模型参数. 该碰撞检测算法无需加速度信息,避免了对位置反馈信息二次求导所带来的计算误差. 关节力矩基于关节伺服驱动的电流信息获取,无需安装专门的力/力矩传感器,从而在常规工业机器人无需额外配置的情况下,只需采集机器人关节驱动电机电流和位置信息即可实现碰撞检测. 通过人与机器人交互实验验证了该碰撞检测算法的有效性.     

基于人工势场与细胞自动机的移动机器人路径规划算法

提出了一种基于细胞自动机（Cellular Automata,CA）和人工势场的全向移动机器人路径规划算法,并通过一个4层的细胞自动机模型实现了该算法。通过构造扩张的障碍占位网格地图可在规划算法中将机器人简化为一个点,然后通过建立数值化的障碍人工势场图来考虑障碍物的局部影响,并使用CA模型得到距离传播图,最后通过搜索势场超曲面的最小值获得从起始点到目标点的最优无碰撞路径。仿真结果表明,提出的算法可以获得最优无碰撞路径,最优路径足够光滑且与障碍有较大的安全距离,便于全向移动机器人跟踪。     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.     

基于神经过程-粒子群算法的移动机器人路径规划

针对传统粒子群算法在移动机器人路径规划过程中早熟引起的局部最优问题,将运动过程预测思想集成到粒子群优化算法中,构造神经过程-粒子群混合算法。主要思路是在粒子群个体进行下一次迭代时,利用神经过程预测个体位置,增加了迭代后期粒子群体的多样性,避免过早陷入局部最优,从而提高算法优化能力。实验结果显示,改进算法用于解决机器人路径规划问题,整体性能优于传统的粒子群优化算法。     

基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

基于伪最小平移距离的机器人避障研究

针对机器人在非自由工作环境中的运动问题,需要对机器人与工作空间中的障碍物进行碰撞检测,并规划出无碰撞的运动路径。首先采用了伪最小平移距离作为计算空间几何体之间相对位置的距离函数,并通过伪最小平移距离确定机器人与障碍物嵌入最严重的点,然后采用假设-修正法对机器人运动路径进行重新规划、反复迭代从而生成一条无碰撞的运动轨迹。最后对冗余度为1的平面三自由度机器人碰撞问题进行了轨迹规划的仿真,结果表明该方法对于检测类似机器人手臂等凸体之间的距离及无碰撞路径生成是有效的。     

基于二进制粒子群算法的移动机器人路径规划

由于用PSO进行机器人路径规划的研究尚局限于用连续模型规划连续描述的环境中的路径,使算法受到一定的局限性.为此,研究了一种全新的基于栅格法的机器人路径规划二进制粒子群算法.首先用栅格法描述机器人工作环境,在此基础上,将机器人路径表示为粒子位置的二进制编码,并以路径长度为适应值,产生初始种群后,再对粒子位置和速度进行更新,经过多次迭代,即可获得从起始点到目标点的一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,计算机仿真实验证明了该方法的有效性和先进性.