移动机器人路径规划方法研究

移动机器人技术研究中的一个重要领域是路径规划技术，它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状指出了各种方法的优点与不足，最后对移动机器人路径规划技术的发展趋势进行了展望。     

用基于知识的遗传算法实现移动机器人路径规划

提出了一种基于知识的遗传算法,该算法采用特定的遗传算子、把领域知识并入初始种群及自适应调整控制参数,克服了传统遗传算法的早熟收敛问题,提高了遗传算法的效率.实验结果表明该算法在移动机器人路径规划中的可行性和有效性.     

基于模糊算法的移动机器人路径规划

为了解决移动机器人最优路径规划问题,提出一种基于模糊算法的移动机器人路径规划策略.利用超声波传感器对环境进行探测,得到关于障碍物和目标的信息.运用模糊推理将障碍位置信息与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好的避障,从而实现了移动机器人的路径规划.仿真实验结果表明了模糊算法优于势场法和A*算法,具...     

移动机器人的路径规划方法的研究

本文针对机器人及障碍物的位置可以实时测得,障碍物数量固定,形状大小可预知,位置一般固定不动的情况,提出一种计算简单．容易实现的移动机器人路径规划方法,可适用于某些特定的场合。     

基于蚁群算法的移动机器人智能路径规划应用

随着机器人在各领域的广泛应用和人工智能的不断发展,路径规划研究作为机器人应用领域的重要课题受到越来越多的关注。文章分析了机器人发展现状以及路径规划算法,重点阐述了智能路径规划与传统路径规划的优缺点,利用蚁群算法对移动机器人路径规划中实际应用问题进行了研究,并提供一些实际解决方案。     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于路径规划时,传统算法虽然简单,但不适用转弯情况较多的复杂地图。针对这一问题,首先将RRT算法用于栅格环境下产生初始路径,其次提出一种新的插入算子,最后进行路径优化。根据不同地图与其他文献中的改进遗传算法,进行对比研究与分析,制定路径长度与算法用时2个指标来评判算法的优劣。仿真结果表明,改进算法得到的路径长度缩短了70%,路径长度达到最优的用时减少了8%。     

基于云计算之温室移动机器人的路径规划

以高新技术解决温室作业问题,将一种基于云计算的温室移动机器人路径规划应用于农间巡视任务,而行走路径的选择则选用改进蚁群算法来进行完成。首先,该云端运算利用网络使电脑与移动机器人彼此合作,由伺服器端收集温室环境相关数据信息;再通过云中的存储与计算资源,结合优化后的蚁群算法计算出机器人的行走路径;最终发送至移动机器人完成温室环境的路径规划。实验结果表明,通过利用云计算后台资源使该算法在信息素更新路径变更的情况下能够找到最短的路径数据,同时对路径的各项性能都有所提高,其中包括折弯次数、跳数、路径长度等。从而满足了移动机器人在温室环境下完成可避障的最优路径选择任务。     

基于改进遗传算法的移动机器人路径规划研究

文中针对栅格环境下移动机器人的路径规划问题,提出了一种改进的遗传算法,其主要研究工作和创意点如下:1)使用栅格方法创建实验模拟模型;2)鉴于遗传算法在生成初始种群时的盲目性,对初始化种群算法作出相应改进,从而保障路径的无障碍性;3)改良交叉、变异算子,提高种群多样性。仿真实验结果表明,改进的遗传算法比文献[1]和文献[2]中的算法具有更好的优化效果。     

基于环境模型的移动机器人路径规划

介绍了一种新的移动机器人路径规划方法。采用链接图法,对工作空间建模。用Dijkstra算法决策出全局最短路径,然后用遗传算法对此路径进行优化,得到全局最优路径。最后提出了一种对路径几何改进的方法。仿真结果表明,该方法方便简单,对所规划的路径质量有所提高。     

基于改进蚁群算法的移动机器人动态路径规划方法

 本文提出了基于改进蚁群算法的移动机器人动态路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,提出了根据目标点自适应调整启发函数,提高算法的收敛速度;借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优.其次为了优化改进蚁群算法的性能,提出用粒子群算法对改进蚁群算法的重要参数进行优化选择.最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验,实验结果证明了该方法的可行性和有效性.     

一种考虑不确定性的移动机器人路径规划方法

提出了一种移动机器人路径规划方法,该方法采用基于知识的遗传算法进行路径规划,在路径规划算法中综合考虑了建模与传感数据等系统的不确定性,克服了已往的方法在复杂的粗糙地形环境中进行路径规划常常导致探测任务的失败的实际问题.仿真结果表明了该算法在移动机器人路径规划中的可行性和有效性.     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

基于改进遗传算法的移动机器人路径规划研究

针对传统遗传算法进行路径规划时仍存在的较多问题,采用随机法产生初始种群时不可行路径所占比重较大的问题提出基于Cost-Gain算法的避障策略,然后在MATLAB仿真平台上分别对传统遗传算法和改进遗传算法进行仿真实验,结果证明所提算法是有效的。     

免疫算法在移动机器人路径规划中的应用

具体阐述了免疫算法在移动机器人路径规划中的应用,使机器人从给定点到目标点可以有效地躲避障碍物而且找到一条最短的路径;构建了机器人的数学模型和亲和力函数,并且说明了机器人的控制方式,给出了算法的具体实现步骤以及仿真实验。实验结果表明,免疫算法在应用到移动机器人路径规划时具有良好的性能。     

基于视觉跟踪的移动机器人路径规划研究

针对复杂环境下含有外部干扰的移动机器人系统,进行路径规划和避障时算法移植性差收敛速度慢、控制系统开放性低容易陷入局部最优,提出一种不依赖滤波器函数和专用通信协议,能够同时满足时效性和精准度的路径规划算法。设计的路径规划算法将机器人运动控制与视觉控制集成一起,随着机器人的运动计算角位移和目标距离,通过以太网进行数据传输,利用相似度不断关联目标路径,最终快速准确地定位目标动态实现路径规划和避障。与传统路径规划算法相比,所提出的模型简单,无需进行复杂的机器人运动学分析,同时在集成系统中引入预设性能评价函数,合理利用系统资源保证了系统的安全性和稳定性。通过李雅普诺夫第二方法稳定性分析,验证算法的稳定性和有效性。     

蚁群算法在移动机器人路径规划中的应用

路径规则是移动机器人领域中较为关注的热点话题,蚁群算法当前在移动机器人路径规划中有着广泛应用空间和价值,路径规划的主要目的是实现在处于具有障碍物的工作环境中实现合理依据相关性能指标落实在模型空间当中寻找到最优的路线,从起点到目标位置的碰撞次数最少。但是不可否认,当前蚁群算法在移动机器人路径规划中的应用中依然存在各种问题有待完善,未能够将其利用优势全面展现出来。因此,本文将围绕蚁群算法在移动机器人路径规划中的应用为主题来展开分析,再提出促进在移动机器人路径规划中应用蚁群算法的可行性对策。     

基于改进RRT算法的移动机器人路径规划

RRT算法是一种能够处理障碍物和差分约束的问题的算法,被广泛应用于移动机器人的路径规划.针对于基本RRT算法存在的随机性较大和所求解路径非最优等问题,需要对其进行改进从而优化性能与运行效率.本文主要采用双向RRT算法融合人工势场法的方案进行改进后的路径规划,然后借助Dijkstra算法进一步处理所求解的路径,以寻求路径的最优解.仿真结果表明,本方案可以减少基本RRT算法随机性的影响,提高移动机器人路径规划的效率.     

遗传算法在移动机器人静态全局路径规划中的应用

遗传算法自诞生以来,凭借自身优越的全局寻优、不依赖目标函数梯度信息等特性,已在科研领域内得到了广泛应用。应用遗传算法解决移动机器人静态全局路径规划,利用神经网络模型描述环境信息,得到神经网络输出与无碰撞路径的关系,然后将路径的二维编码简化为一维编码,从而将无碰撞约束和最短路径约束合并在一个适应度函数中。在一定程度上提高了运算效率,通过计算仿真证明,方法是正确有效的。     

室内环境下移动机器人地图构建与路径规划技术

本文通过对某一个移动机器人的路径规划进行分析,到对多个移动机器人的路径规划,最终到很多移动机器人进行地图构建。移动机器人所主要研究的方向是路径规划,地图构建以及实时定位的问题。