基于改进蚁群算法的机器人三维路径规划

针对蚁群算法在机器人三维避障路径规划中收敛速度慢以及精度较低的缺陷,结合人工势场法强化目标路径的优点,引入人工势场法中目标点处的引力域,修改了蚁群算法的启发值参数。在原有蚁群算法的基础上,提出了吸引素概念,根据吸引素修改了原有信息素参数的更新规则,使得蚁群算法能更快的达到收敛。最后仿真结果表明,在相同工作环境下改进后蚁群算法达到最优适应度值所需迭代次数相较于改进前存在明显的缩短,同时最优适应度值也有一定的提升。     

一种基于改进人工势场法的局部路径规划算法

针对在存在复杂障碍物的环境中,利用人工势场法进行移动机器人路径规划时出现的局部最小值和目标不可达问题。本文提出了一种基于凹形障碍物补齐的改进人工势场法进行局部路径规划。首先,通过对凹形障碍物补齐,防止机器人进入局部最小值区域。然后,通过新增距离影响因子,改进了斥力场函数,使目标点成为全局势场中的最小点,防止机器人陷入目标不可达区域。最后仿真结果表明,本文所提出的改进人工势场法可以解决存在复杂障碍物的环境中的局部最小值问题和目标不可达问题,并且相对于其他算法,可以有效减少路径补偿,提高规划效率。     

足球机器人智能控制决策系统的优化

本文在介绍了Mirosot微型足球机器人系统结构以及控制决策系统设计与实现基础上,着重讨论了基于视觉测量系统信息的控制决策子系统中数据预处理和路径规划.在数据预处理中,提出了基于回归分析的数据预测方法,从而有效地减小了机器人动作执行滞后于视觉采样所引起的误差.在路径规划中,通过优化势场法简化了机器人动作的实现,使得机器人动作连贯.通过运用上述方法,优化了整个控制决策子系统.     

足球机器人路径规划技术的现状与展望

路径规划是机器人学中的一个重要课题。文章介绍了足球机器人路径规划的特点,并对路径规划的一般方法进行分类和较为详细的阐述和介绍,指出了各种方法的优点与缺陷,最后对其发展趋势做相关的陈述。     

基于概率势场的无人帆船实时路径规划研究

无人帆船的运动行为受外界风场影响巨大,因此如何规划行进路线,以最快到达目的地,是无人帆船应用中十分重要的难题。为了在可变风场环境下的路径规划中,利用海洋风场所具有的季节性变化规律,以降低航行时间,提出了概率势场(PPF),将风向的规律性变化与其对帆船运动的影响强度相结合,建立空间范围的风向概率势场,在寻求最优路径时,将概率势场作为启发函数的组成因子,以保证算法过程倾向于选择使风向概率势场变大的解。仿真实验表明,与传统实时路径规划算法进行对比,基于概率势场的实时规划算法所得航点,可以提高航行平均速度,显著降低无人船到达目的地所需时间。     

基于领航-跟随法和人工势场法的巡检机器人编队

机器人编队技术正不断发展并逐步投入应用,为了提升巡检机器人的工作效率,提出了一种基于领航-跟随法和人工势场法的编队控制方法,保留了两方法的优点,使机器人编队在躲避障碍物的同时尽可能保持队形,通过施加随机扰动的方法改善人工势场法中容易出现的局部最小值问题。实验结果表明,提出的方法完成任务消耗的时间相较于领航-跟随法和基于行为法分别下降了28.5%和41.4%,在执行特定任务如协同围捕和依次排开时采用该方法的编队也能优秀完成。通过ROS(robot operating system)平台进行模拟环境仿真,进一步验证了方法的可行性。     

基于自适应模糊人工势场法的自动引导小车路径规划

针对经典人工势场法在自动引导小车控制中存在的缺陷，将自适应模糊人工势场法引入自动引导小车的路径规划与控制，使自动引导小车的运行路径更为合理．仿真结果表明所述方法的可行性与有效性．     

对特高压变电站巡检机器人路径规划改进蚁群算法的研究

针对当前变电站巡检机器人路径规划算法存在的规划和适应性较弱等问题,在特高压变电站巡检机器人系统结构的基础上,提出了一种结合蚁群优化算法和人工势场算法的特高压变电站路径规划方法.将蚁群算法的传统单向搜索改进为双向搜索,在启发因子中加入人工势场力的合成方向,并对转移概率进行改进.通过栅格法构建特高压变电站仿真环境,进一步验...     

基于改进APF-RRT的机械臂避障路径规划

为提高机械臂在复杂环境下的避障路径规划效率,提出一种适用于椭球障碍物的改进人工势场-快速搜索随机树（Artifical Potential Field-Rapidly exploring Random Tree,APF-RRT）算法。首先,使用椭球体包围盒包络障碍物,对椭球体的碰撞检测进行分析;其次,为了加快路径探索速度,引入随机点效应与随机点选择机制对RRT算法进行改进,机械臂采用改进后的RRT与人工势场法的混合方法进行路径规划;最后,对规划好的路径进行冗余点删除,并使用四次B-样条曲线对路径进行平滑,提升路径的质量。实验结果表明,相较于经典算法,该算法能够快速完成避障路径规划且规划路径更短。     

基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。     

Walking planning based on artificial vector field with prediction simulation for biped robot

This paper proposes a method for gait trajectory generation using an artificial vector field for stable walking for a biped robot. The tip of the robot while walking can often deviate from the desired trajectory as a result of the disturbances forced by unexpected outside factors. In our approach, though no prepared trajectory is specified a priori, the tip follows the artificial vectors designed in the workspace. Moreover, the prediction simulation is performed online. The simulator judges the stability under comparison with the present state and the prediction results, and then the gait parameters are adaptively improved in feedforward for the stable walk. The numerical and physical experimental results show the validity of the proposed method in a continuous walk. © 2007 Wiley Periodicals, Inc. Electr Eng Jpn, 159(4): 54– 61, 2007; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20547     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

基于引力场引导的RRT-connect路径规划算法

针对双向快速扩展随机树(RRT-connect)算法在路径规划过程中耗时长、节点采样随机性大的缺点,提出了基于引力场引导的RRT-connect算法.该算法在路径起点和终点之间设置了第3节点作为新扩展节点,使其在3个节点交替扩展随机树,同时在各节点上分别叠加一个引力场引导节点的产生方向,以降低无效空间的搜索范围.算法在...     

机器人关节空间B样条轨迹设计的混沌优化

为了研究机器人关节空间轨迹时间最短的优化计算问题,依据混沌优化理论,采用改进的基于混沌变量优化算法,以时间最短为性能指标对轨迹进行优化求解.研究了均匀非周期四阶B样条曲线的优化,每一段B样条曲线的运行时间作为优化参数,优化问题模型包括关节角速度、角加速度、角加加速度及力矩4种约束.给出了PUMA560前三铰B样条轨迹优化算例,优化结果明显优于采用复合形法或有约束随机搜索方法的优化结果;该算法简单,易于实现,求解速度快,任给一组初值得到优化结果的可靠性达90%以上,逼近约束条件的误差几乎为零,进一步减少了运行时间,从而有效地实现了机器人在关节空间的轨迹优化.     

改进QPSO和Morphin算法下移动机器人混合路径规划

为了提高机器人在复杂环境下路径规划的能力,提出了一种基于改进量子粒子群优化算法(QPSO)和Morphin算法的混合路径规划方法。利用栅格地图建立环境模型并确定起始点和目标点,通过引入自适应局部搜索策略和交叉操作对QPSO进行改进规划出一条最优的全局路径,机器人根据全局路径行走,当发现未知静态或动态障碍物立即调用Morphin算法进行局部路径规划,避开障碍物后回到原全局路径上继续行走至目标点。该混合路径规划方法的有效性和可行性通过Matlab仿真和实际应用得到很好地验证。     

基于目标向量的非全向测距机器人路径规划

设计了以DSP TMS320F28335为核心的非全向测距室内移动机器人,通过DSP控制超声波传感器阵列来获取障碍物信息。并且基于此机器人系统,提出一种基于目标向量的路径规划算法,该算法不仅融合了TangentBug算法机器人行为简单、全局收敛的特点,又解决了TangentBug算法仅能应用于全向测距质点机器人的问题。实验结果表明,在该算法下,机器人能够在多种类、多障碍的位置环境下有效避开障碍物,到达定目标点。     

基于视觉的自主机器人障碍识别与路径规划

障碍物的识别与行走路径的规划是机器人实现自主移动的必要手段。本文基于深度相机提出一种由深度连续性与彩色特征点融合的障碍识别方法,通过深度相机获取物体的空间位置信息,映射到已有的地图中,构建障碍物空间。又提出一种PRM-D*的路径规划方法,先使用改进的随机概率路线图(PRM)完成整体路径规划工作,再根据相机识别的障碍物,设置局部地图,使用基于图搜索的D*算法进行局部动态规划,完成动态避障任务。通过实验,所提障碍物识别方法即使在昏暗的室内环境中,其对障碍物的检测准确率也大于80%,常规环境检测准确率高于95%,具有较好的鲁棒性与实时性;PRM-D*的路径规划方法在缩短总体规划时间的同时,确保了路径规划的成功率,单次动态规划时间小于0.02 s,具有良好的动态避障性能。