基于改进人工势场的多机器人编队控制

人工势场法应用到多自主体编队路径规划中,会出现局部最优,无法继续向目标前进,目标不可达的情况;针对这一问题文章提出了"基于队形变换的沿墙导航法"。当机器人遇到障碍陷入局部最优时,通过将机器人队形变形,并使用沿墙法让机器人绕过障碍物,之后通过人工势场法使机器人到达目标位置,从而解决了局部最优的问题。仿真结果表明提出方法的可行性和有效性。     

基于改进NURBS曲线插补算法的食品分拣机器人轨迹规划

目的：为了更好地规划食品分拣机器人的运动轨迹,降低其振动幅度,使食品分拣机器人能够高精度地完成任务。方法：以Delta并联机器人为基础,结合NURBS曲线插补算法和改进的遗传算法,提出了一种以最优运动时间为目标的食品分拣机器人路径规划方法。采用改进遗传算法来优化NURBS曲线。通过仿真对优化前后进行对比分析,验证了该优化方法的可行性。结果：与优化前相比,所提的优化方法可以在一定程度上降低食品分拣机器人的运动时间,从优化前的3 230 ms降低到优化后的3 070 ms。关节空间的机器人曲线也更加平滑,可以充分发挥并联机器人的性能。结论：该轨迹规划方法能有效提高食品分拣机器人的分拣稳定性和效率。     

基于改进粒子群算法的机器人时间最优轨迹规划

针对标准粒子群算法在进行机器人时间最优轨迹规划时容易陷入局部最优、早熟等缺点,提出一种快速收敛的改进算法.算法采用动态学习因子策略替代传统固定的学习因子,并在此基础上利用"3-5-3"混合多项式插值函数进行规划,最后在MATLAB仿真软件中完成机器人各关节运动轨迹的拟合.研究结果表明:改进粒子群算法的局部收敛速度和全局...     

基于抖动和时间的码垛食品机器人轨迹优化算法研究

对码垛食品机器人结构进行分析,构建其运动学模型并将模型进行函数表达;并在此基础上结合机器人的工作工况采用三次样条函数进行合理的轨迹规划,建立了以时间和抖动为最优目标的优化模型,再利用粒子群算法对目标模型进行优化。进一步通过实验验证,结果该方法能够在保证稳定性的前提下提高码垛食品机器人的执行效率。     

基于G—BP算法的数据挖掘方法研究及应用

将神经网络与遗传算法相结合.提出了G-BP混合算法.该算法在BP神经网络训练过程中,利用遗传算法善于发现最优解区域的特点来优化网络权重值和阈值.在新建项目投资估算的具体应用中,证明该算法克服了传统BP网络算法中的局部极小缺陷,训练速度有很大提高,在数据挖掘中具有实用性.     

混合蛙跳优化算法的裱糊线机器人边缘提取

为了提高裱糊线机器人视觉系统定位精度,降低图像边缘冗余信息与噪声影响,提出将基于混合蛙跳优化算法的Canny算子应用于裱糊线机器人裱纸的边缘检测中。通过采用最大类间方差作为混合蛙跳算法的目标函数,自适应迭代优化Canny算子双阈值,实现裱糊线有效提取。仿真试验结果表明,该算法优化Canny算子可较好检测裱纸图像的边界轮廓,自适应获取最优阈值,弥补传统Canny算子需要人为设定的缺点,提高了检测精准性,同时具备一定降噪效果。该算法较粒子群优化算法、传统Canny算法C/A分别降低3.33%、33.39%,C/B分别降低了14.94%、54.55%。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题(TSP)的混合粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

基于改进粒子群的独立分量分析算法研究

针对传统粒子群优化(PSO)算法对目标函数进行优化时,粒子容易陷入局部最优及收敛速度慢的缺陷,提出了一种基于改进PSO算法的独立分量分析(ICA)算法.该算法通过随机分段选择调节PSO算法中的惯性因子ω,使粒子具有一定的自适应能力,以快速找到最优粒子;然后,将ICA中的互信息作为目标函数,通过改进的PSO算法优化ICA中的目标函数,使独立分量中的各个成分相互统计独立.仿真实验结果表明,本算法可明显提高全局搜索能力,有效地实现混合信号的分离,改善盲源信号的分离效果.     

基于改进鲸鱼算法和神经网络的食品机器人能耗轨迹规划

目的:针对食品工业机器人动力学参数未知的节能轨迹规划问题,提出一种基于鲸鱼算法和神经网络的点到点机器人关节能耗轨迹规划方案。方法:构建食品机器人移动机械臂点到点关节能耗模型,设计基于神经网络的相似动力学辨识,用改进的鲸鱼算法对权重和偏置参数进行离线优化;采用四次多项式插值法规划关节移动轨迹,将轨迹参数等效为鲸鱼编码,通过求解关节能耗目标优化函数,最终得到能耗最优的关节运动规划轨迹。结果:该方案适用于机器人动力学参数未知下的轨迹规划场景,得到的轨迹能耗比同类降低约9.01%。结论:基于鲸鱼算法和神经网络的轨迹规划能实现食品机器人能耗优化目标。     

一种基于改进人工势场法的路径规划技术

针对传统人工势场法在路径规划中出现的局部最小值问题和振荡问题,提出了引入虚拟局部目标,修改斥力场函数的解决方案。为增强算法的实用性,提出了一种考虑障碍物体积的方案。最后文章还使用了另一种方法来优化改进的APF算法规划出的路径。在该方法中,最优路径由尽可能少的直线组成,节省了机器人运动的时间。仿真实验结果表明文章所提算法能够较好的实现移动机器人的路径规划任务。     

基于智慧环境的室内群机器人系统的设计与实现

随着室内服务机器人的工作环境及任务变得复杂,具有可扩展性等特征的群机器人越来越体现出其优势,逐渐代替了单机器人去完成复杂工作。定位和编队是群机器人实现协同的两大关键技术,也是在目前的实际应用中遇到的瓶颈。为了解决传统的室内定位存在实现复杂和精度不高的问题,本文提出了一种既实用又高效的室内定位方法,通过结合电子罗盘和里程计以及标签地板来实现定位,不仅简化定位过程,而且提高了定位精度和可靠性,使得群机器人可以更有效地保持队形。     

基于混合蚁群算法的粮食物流中心选址优化

粮食物流中心地址的确定是粮食物流系统分析的核心内容.根据粮食物流中心选址问题的特点和要求,在运输成本最低的基础上,构造了选址问题的数学模型.并且针对该模型引入一种混合蚁群算法,将遗传算法与蚂蚁聚类算法融合,采用遗传算法生成信息素分布,利用蚂蚁聚类算法求精确解.从而有效地避免算法的早熟现象,可防止其很快收敛到局部最优解,实例求解表明,该算法可以有效、快速地求得粮食物流中心选址问题的全局最优解.     

基于遗传-粒子群混合算法的测试数据自动生成

针对传统遗传算法（GA）容易产生早熟收敛和易陷入局部最优解的问题,提出了一种基于遗传-粒子群混合算法（GA-PSO）的软件测试数据自动生成算法：以粒子群优化算法（PSO）为主线,按PSO算法中标准的速度和位置更新,将GA算法的筛选、交叉、变异与PSO算法的自动更新特征结合在一起,使所有测试数据在局部区域中再次寻找最优值,从而避免了过早收敛,改进了搜索最佳值的能力.仿真实验表明：遗传-粒子群混合算法具有更快的收敛速度,保持了种群的多样性,提高了全局搜索能力.     

改进粒子群算法在机械优化设计中的应用

针对机械优化设计中广泛存在的多变量、非线性约束优化问题,提出一种改进的粒子群算法。通过在基本粒子群算法的惯性权重部分加入收缩因子,以解决传统的优化方法容易陷入局部最优的缺陷,改善算法的收敛性。实例表明,该方法在机械优化设计中具有一定的实用价值。     

嵌入遗传算子的混合万有引力搜索算法

一种以遗传算子为基础的混合引力搜索算法被提出用于无约束优化问题的求解,可以避免容易局部最优、收敛速度慢等基本引力搜索算法的弊端。首先,种群多样性通过混沌序列进行维持;其次,对粒子进行引导靠近全局最优区域,通过当前最优粒子与通过概率选择的粒子算出交叉得到的。最后,通过多样性变异操作对当前全局最优粒子操作,避免了局部最优的发生。该方法优秀的寻优性通过8个标准函数运算该算法得到证明。     

基于改进DE算法的造纸污水活性污泥法处理工艺优化控制策略

活性污泥法作为一种常见的造纸污水生物处理工艺,由于处理过程存在多种生化反应相互作用,导致实际运行能耗过高。在分析差分进化算法的基础上,提出了一种改进的差分进化算法,将其应用于造纸污水处理过程优化控制中。该算法通过基于个体适应度的优劣来自适应调整每个个体的缩放因子和交叉概率因子,有效平衡快速收敛和探索鲁棒性的矛盾,从而避免了算法陷入局部最优,实现了全局最优搜索。MATLAB仿真实验表明:与传统定参数控制和基本差分进化算法优化控制相比,改进的差分进化算法在保证出水水质的基础上,能够进一步提高出水水质以及降低运行能耗。     

应用改进蚁群算法的同心分布喷丝孔检测路径规划

为提高微孔同心分布喷丝板的检测效率,提出了一种基于改进蚁群算法的微孔检测路径规划方法。该方法针对传统蚁群算法收敛速度慢、易陷入局部最优等缺陷进行优化改进：重新定义微孔间的距离以适应典型喷丝板检测仪运动特点;采用最近邻法设定初始信息素浓度表使蚁群算法在相同的迭代次数等参数下求得更优的路径结果;通过路径尖端去除处理对蚁群算法的结果进一步优化,得到了优化的微孔检测路径。为验证算法的有效性,以典型的微孔同心分布喷丝板为算例进行检测路径的规划计算,结果表明：所提出的算法具有较快的收敛速度,优化所得路径与传统逐圈检测路径相比缩短路径长度约18%,可显著提高对应喷丝板的检测效率。     

室内移动机器人搜索人的算法设计

针对室内环境中经常出现的移动机器人搜索人的问题,设计并实现了一种在栅格地图基础上基于改进的遗传算法和A~*算法进行路径规划的算法。移动机器人采用开源机器人操作系统(ROS)框架,在SLAM的基础上完成机器人自定位以及校准、路径规划和导航。对室内环境栅格地图应用单元分割法得到一系列以障碍物分割开的子区域,应用遗传算法规划最优的区域间转移序列,同时使用A~*算法进行两点之间的导航规划。仿真与实验结果证明:该算法可以在已知的室内环境中提供最优化的搜索路径,在短时间内完成找到人的任务。     

基于协作搜索策略的花粉算法

花粉算法是一种新型的元启发式智能算法,但存在陷入局部最优解、收敛速度慢、寻优精度低等缺陷.基于此本文提出一种基于协作搜索策略的花粉算法,该算法使得花粉个体能够在一定程度上跳出局部最优值,提高算法的全局寻优能力.最后,对8个标准测试函数进行测试,结果表明,改进后的算法在7个测试函数中能够找到理论最优值,收敛速度、寻优精度、鲁棒性均比花粉算法以及改进的花粉算法有较大的提高.     

基于改进鸡群优化算法的食品拣取机器人路径规划

目的:优化多工位食品拣取机器人路径.方法:提出了 一种基于改进鸡群优化算法(Improved Chicken Swarm Optimization,ICSO)的食品拣取机器人路径规划方案,充分考虑单个工位点机器人最优拣取位置和多工位点之间机器人移动最短距离,构建多工位食品拣取机器人路径规划双层模型.利用密度峰值聚类算法...