基于地图服务器的群采摘机器人的A*路径规划算法

为解决群采摘机器人工作中存在的采摘区域大、地形多变、群机器人控制复杂等问题,提出一种基于地图服务器的群采摘机器人的A*路径规划算法.通过地图服务器进行采摘地图分配,使用地图瓦片技术将大尺寸采摘地图切分为瓦片地图,采用K均值算法对采摘区域进行划分,通过请求分配机制进行采摘区域地图组合和发布,在分配采摘地图的同时,限制群采...     

基于余弦算法的足球机器人路径规划

在分析基本算法不足的基础上,提出了机器人的路径规划方法,利用余弦曲线具有光滑、可微的特性,实时、有效地解决机器人避开障碍物从给定点到目标点找到一条最优路径规划问题。仿真试验表明：提出的方法具有较强的路径规划能力,计算量非常小,具有较高的实用价值。     

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。     

基于GA-PSO算法焊接机器人路径规划研究

焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头,合理地规划焊接路径使其穿过这些焊接接头,对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头,但当焊接节点数目较大时,很难获得最优路径。传统的手工路径规划方法耗时长、效率低,不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明,该算法具有较强的搜索能力和实用性,适用于焊接机器人路径规划。     

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.     

基于遗传蚁群算法的机器人全局路径规划研究

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,它的正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,它在解决组合优化问题上有着良好的适应性。因此将其应用到智能机器人全局路径规划中,其目的是探索一种新的路径寻优算法.在基于栅格划分的环境中,研究了机器人路径规划问题中蚁群系统的"外激素"表示及更新方式,并将遗传算法的交叉操作结合到蚁群系统的路径寻优过程中,提高了蚁群系统的路径寻优能力,为蚁群算法的应用提供了一种新的探索.     

基于HGS-IDWA算法的机器人路径规划研究

针对机器人路径规划问题,提出了融合饥饿游戏搜索(HGS)算法和改进动态窗口( IDWA)算 法的优化思路。 首先,利用 HGS 算法进行静态规划;其次,在动态规划阶段,针对传统 DWA 算法的 路径选择不合理问题,引入新的目标函数以优化接近目标时的速度选择,在速度函数中加入障碍物 数量以提升动态规划效率;最后,通过案例仿真与实地测试,分析机器人在规避动态障碍时获得的最 佳路径。     

校车最优路径规划算法研究

校车最优路线的规划直接影响全校师生的工作、学习和生活。采用Dijkstra算法和GIS技术相结合的方式,根据对校园师生问卷调查的结果确定停靠站点,建立最优路径规划算法的前提条件;从起点到终点及中间的连接点,计算校园各乘车站点之间的最优路径规划方案,提高校车利用率,在保证校园师生安全的前提下,节省广大师生的时间,提高获取教育资源的便捷程度,降低校园能耗。     

基于双圆弧算法的足球机器人路径规划

基于机器人小车到达定点常用Turn-Run-Turn方法及PID方法的不足,利用双圆弧具有满足任意端点及其斜率要求的特性,来解决机器人小车到达目标点位置和姿态的运动过程中遇到障碍物及保持最佳姿态的路径规划问题.该方法简单有效,对机器人初始条件不加限制,计算量非常小,具有较高的实用价值.     

基于改进蚁群算法的机器人路径规划研究

针对物流机器人路径寻优问题,提出一种改进的蚁群算法。该方法使用双向搜索的A^*算法预先得出两条路径作为较优解,之后以路径为中心向各个搜索方向扩展成优势区域,以设定的系数提高区域内信息素浓度,最终实现传统蚁群算法的改进。在20 m×20 m的栅格环境内对算法进行仿真试验,结果表明改进的蚁群算法的路径寻优能力更强,可为物流机器人路径规划问题提供一定参考。     

基于动态规划算法的机器人避障路径研究

为了使复杂的移动机器人路径规划问题得到简化。并减少可行路径的计算量．对避障路径规划问题进行了比较深入的研究．在以可视图法所建的求解环境为基础上,将避障路径规划转化为多阶段决策问题,对每一个阶段的子问题应用改进可视图法和几何逼近算法进行求解,得出各阶段的最短路径．验证表明：该算法是一种正确、高效,实用的算法．     

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.     

基于蚁群算法的足球机器人避障方法

将蚁群算法用于针对运动目标的足球机器人动态避障路径规划,采用自适应更新策略的方法规划最佳避障路径,建立了严谨、简洁的选择概率函数和聚度函数,以达到对足球机器人避障路径的最优化。大量仿真实验表明,该方法可行有效。     

一种改进的机器人路径规划算法

在将Ａ算法用于机器人路径规划时,通过采用动态可变步长及进行目标可见性测试,提高了路径搜索速度,并对路径进行了全局优化,仿真结果表明该方法是有效的。     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

基于Dijkstra算法的足球机器人的一种路径规划方法

Dijkstra算法是典型的最短路算法,用于计算一个节点到其他所有节点的最短路径,主要特点是以起始点为中心向外层层扩展,直至扩展到终点为止.将该算法应用于足球机器人的路径规划和避障控制中,足球机器人在识别环境的前提下,能够及时判断出最短路径.该算法已经应用于实际的机器人控制中,取得了良好的应用效果.     

一种机器人路径规划算法的研究

路径规划算法是室内移动机器人应用中最重要的算法之一.根据室内移动机器人在动静态环境下实时避障规划出一条最优路径的要求,设计一种新的路径规划算法.通过删除冗余点并平滑路径的方式对A*算法进行改进,又将其与TEB算法相结合,实现从指定起始点到指定目标点的路径选择及移动.实验结果表明,利用该算法可得到耗时短、平滑的路径,实时...     

基于时间最优的足球机器人路径规划

用平滑的B啨zier曲线代替传统的折线作为路径的描述,能满足移动机器人的非完整性约束方程,并能使机器人获得较大的运动速度,然后用遗传算法对代表路径的B啨zier曲线控制点进行时间寻优.遗传算法的适应值函数充分考虑了影响机器人运动时间的3个因素:路径的安全性、长度和平滑度.仿真结果表明了该方法的有效性.     

自适应蚁群算法在空间机器人路径规划中的应用

为了弥补传统路径规划方法缺乏足够鲁棒性的问题,采用自适应蚁群算法实现了空间机器人路径规划.针对传统蚁群算法在计算初期出现停滞的现象,修改了信息激素物质的更新方法.自适应蚁群算法根据学习次数和与最近障碍物的距离来调节信息激素物质.仿真结果表明,该算法在采用较少蚂蚁的情况下,与一般蚁群算法相比,能够快速找到理想路径.