基于ROS与融合算法的AGV路径规划研究北大核心

针对传统A^(*)算法在AGV路径规划中存在搜索范围大、转折多、实时性差等缺点,以A^(*)算法为基础,通过建立栅格地图,改进启发函数,去除多余节点和提高避障安全性。针对AGV在复杂环境下的动态路径规划问题,将改进A^(*)算法与动态窗口算法进行融合,规划出一条具有实时性的最优路径。通过仿真实验,验证了改进算法的有效性与可行性,实现了路径优化。通过机器人操作系统进行实验,结果表明AGV运行时的路径规划合理,满足实际应用需求。     

基于改进蚁群算法的AGV多目标路径规划

为了有效保证物流仓储环境下AGV运行的高安全、低能耗等目标,设计了一种基于改进蚁群算法的AGV多目标路径规划算法。首先,基于物流仓储环境对AGV作业需求综合分析,选取路径长度、转角和、危险率和避障等待时间等因素作为路径规划的子目标,并采用熵权法确定各子目标的权值,建立AGV多目标规划模型;其次,改进蚁群下一栅格选取方式避免顶点碰撞,并在蚁群算法中引入非支配排序算法改进信息素给予机制,使蚁群寻路时受多个子目标共同引导,将蚁群算法扩展到多个目标函数优化。仿真结果表明,所设计算法实现了AGV合理、安全、有效的多目标路径规划。     

改进A*算法的AGV避障路径规划研究

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点，使用传统八叉树搜索策略时，AGV易发生碰撞障碍物现象，在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题，提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计，因此引入启发式函数的权重系数提高A*算法的搜索效率；设置障碍物安全距离，为判断障碍物区域内当前障碍物是否影响AGV通行提供参考，再次改进原有八叉树搜索策略提升避障性能，然后对得到的无碰撞路径进行路径优化处理，保留关键转折点；最后实现A*和DWA算法融合，进一步优化路径，并实现全局动态路径规划。实验结果表明：融合算法使得路径更加平滑，提高了算法的避障性能，表明了融合算法在机器人路径规划中的可行性。     

清雪机器人自主定位与导航系统设计与开发

针对清雪机器人在未知环境中缺乏环境感知能力和自主规划路径等问题,研究基于机器人操作系统（ROS）结合激光雷达的同时定位与建图技术（SLAM）、路径规划技术,确定清雪机器人的研究思路。采用基于改进Rao-Blackwellized粒子滤波SLAM用于机器人在未知环境中实现同时定位和建图,通过激光雷达扫描匹配建立栅格地图,采用A*和DWA算法对建立的栅格地图进行全局路径规划和局部动态避障,并通过自主开发的清雪机器人作为实验平台验证可行性。结果表明：在实际环境中,基于激光雷达的同步定位与建图有效解决了清雪机器人位姿估计和地图构建问题,清雪机器人能够按照指定清雪路线移动,并避开实时出现的障碍物,验证了清雪机器人设计的可能性。     

基于双层地图的分段式路径规划

为了解决移动机器人通过传统A~*算法路径规划经过门时因规划的路径靠近障碍物,导致定位丢失的问题,提出了基于双层地图的分段式路径规划方法。该方法通过对已经建立的栅格地图进行处理,从而绘制出门点图层,通过计算路径在门点图层上的代价值来判断路径是否经过门,而当判断出路径需要经过门时,则通过对原有路径进行分段路径规划。所提出的方法通过实验验证有效可行,避免了在经过门时因为移动机器人距离障碍物太近导致的定位丢失问题。     

考虑阻塞的双向AGV路径规划方法

针对制造车间物料搬运系统中的AGV路径规划问题,提出一种考虑阻塞的AGV路径规划方法。依据各相邻节点之间路径中AGV搬运情况的统计数据计算路径的拥堵系数;引入拥堵系数计算AGV的统计搬运时间矩阵,将其作为路径规划的权值矩阵;设计Dijkstra算法求解起始点到终点的最短统计搬运时间路径,将其存入最短统计搬运时间路径表供查询使用。案例分析结果表明：与传统Dijkstra算法相比,考虑阻塞的AGV路径规划方法可以有效降低搬运时间,提高搬运效率。     

移动机器人自主定位和导航系统设计与实现

为实现未知环境下,移动机器人自主定位和导航,构建精准的环境地图,提出移动机器人导航系统设计方法。采用蒙特卡洛算法对机器人进行定位,通过栅格地图扫描匹配方法进行地图构建,利用Dijkstra算法对当前地图进行路径规划。将上位机和下位机串口通信,把上位机路径规划的Twist消息发送给下位机,采用底层控制器来控制电机,实现移动机器人自主运动。实验结果表明:在实际环境中,移动机器人能够从起始点出发,自主绕过障碍物到达目的地,验证了该移动机器人自主导航系统设计方法的有效性。     

改进的蚁群算法在智能车辆路径规划中的运用

针对智能车辆路径规划问题,提出一种改进蚁群智能路径规划方法.首先,分析了传统蚁群算法的基本原理及存在的缺陷;其次,通过引入障碍物位置信息、改变启发式因子以及信息素更新方式,提出一种改进蚁群算法;最后,充分考虑智能车辆动力学约束,进一步对规划路径进行平滑和优化处理.采用栅格地图,建立智能车、车道以及动态障碍仿真场景进行车...     

基于改进D^(*)算法的巡检机器人路径规划北大核心

路径规划技术是巡检机器人的热门研究,针对传统D^(*)算法存在的如拐点多、效率低、路径安全度不高等问题,对传统D^(*)算法进行了改进,优化了子节点的选取方式,将全局地图环境分解为多个局部环境,在选取局部环境中的目标点时,以局部环境关键节点为主,舍弃无用节点和危险节点;又改进了代价估计函数,并引入平滑度函数。最终用MATLAB建立栅格地图进行仿真,结果表明:改进后的算法得到的路径转弯次数有所优化,拐点数目减少了约30%;规划效率得到了提升,规划时间节约了约20%;并且所得路径与障碍物保持了适当距离,提升了机器人运行过程中的安全性。     

一种基于量子风驱动优化算法的移动机器人路径规划

针对移动机器人路径规划过程中算法效率低、在复杂环境中自适应能力差、容易陷入局部最优的问题,将风驱动优化算法应用到路径规划中。首先使用包围点算法确定围绕关键障碍物的一组栅格点,在基于包围点算法生成初始路径后,使用量子风驱动算法对生成的路径进行优化。将风驱动优化算法与量子蝙蝠算法和量子粒子群算法分别在10张地图中进行测试,由测试数据可以看出量子风驱动算法在路径长度和算法效率上都优于其他两种算法。最后将3种算法应用到移动机器人中,风驱动优化算法的优势性与地图测试结果一致。     

基于混合蚁群算法的AGV路径规划

针对传统蚁群算法在求解自动导引运输车(Automated Guided Vehicle,AGV)路径规划时存在搜索效率低且易陷入局部最优的问题,提出了一种运用于AGV路径规划的混合蚁群算法.首先,利用可视图法建立研究问题的环境模型,在此基础上利用A?算法规划出一条较优路径作为初始路径;其次,对蚁群算法信息素更新方式以及...     

基于改进遗传算法的自动导航小车路径规划调度

为解决智能车间物料运输AGV小车调度问题,以AGV补料任务行走总距离最短为目标,结合路径选择及任务排序双重标准,提出双层编码方式;同时为避免染色体上的基因聚集到小的邻域内,提出一种改进的遗传算法,算法增加了多种变异过程,相较于传统遗传算法扩大了解的空间,防止局部最优解的产生。最后通过MATLAB对环境进行建模、仿真,并与基本遗传算法进行对比。实验结果表明：所提出的改进算法能高效且可靠地解决AGV在多任务目标情况下的路径规划问题。     

改进人工势场法的AGV路径规划算法研究

针对传统人工势场法路径规划中存在的局部极小值和目标不可达问题,提出了一种面向AGV路径规划的改进人工势场法。该算法将道路边界障碍化,对障碍物密集区域的障碍物进行连锁处理,在斥力函数中引入目标点与AGV间的距离因数,在局部极小值点附近合适位置增加虚拟障碍物。仿真结果表明：改进算法可以有效解决局部极小值问题和目标不可达问题,同时使AGV避开障碍物陷阱成功到达目标点。     

制造系统中多智能体运输子系统的调度与监控

在论述制造控制系统常用体系结构的基础上,提出AGV运输子系统的体系结构,详细阐述AGV运输子系统中的运输调度、路径规划和冲突解决等关键技术;并开发了该AGV运输子系统的仿真系统。     

具有有限缓存的模具FMS单AGV调度研究

在实际生产应用FMS中,由于加工单元缓存区容量有限导致在一段时间内单AGV工件运输任务的累积,增加模具生产成本及延长模具完工时间,为了解决此问题,建立了有限缓存区容量的AGV调度模型,并根据模型特点设计了改进遗传算法求解AGV的最短路径,改进遗传算法的选择操作采用轮盘赌选择和最佳个体保存相结合的方法以保持种群的多样性。实例结果表明,与传统的遗传算法相比,改进遗传算法具有更快的收敛速度,并且得到最优解的概率更高。     

电弧增材制造技术在材料制备中的研究现状及挑战

为提高电弧增材制造的成形效率,分析了目前路径规划算法的优缺点,提出了基于深度优先搜索（DFS）算法与蚁群算法相结合的复合路径规划优化方法。在zigzag扫描与轮廓偏置相结合的复合路径规划算法的基础上,采用多种不同扫描倾角的zigzag路径算法对多孔洞截面轮廓进行填充,并通过深度优先搜索算法进行zigzag扫描路径分区进行连接,以减少zigzag扫描路径的路径条数和起弧熄弧次数,然后采用蚁群算法搜索路径规划顺序和起弧熄弧点的优化组合,使填充路径的总空行程长度最小。仿真结果表明,DFS分区连接算法对不同扫描倾角的zigzag路径规划皆能起到良好连接作用,采用蚁群算法的电弧增材制造路径规划方法可以有效减少扫描空行程长度。

     

基于复合路径的连续纤维熔丝挤出成形轨迹优化研究

轨迹规划技术在复合材料熔丝挤出成形中非常关键,合理的轨迹可以提高增材制造成形零件的表面质量和强度。针对复合材料熔丝挤出成形的特点,结合多种路径规划算法,提出一种复合路径填充算法。引入NURBS曲线生成轮廓偏置路径,以保持切片轮廓的精度;在切片层的内部区域生成Zigzag填充路径,并在路径转折处进行圆弧优化,减少了约85%空行程,提高了成形效率;然后,基于生成的路径构建时间分析数学模型,以提前对整个制造过程所需的总体时间进行预估及分析,达到对制造过程的前馈控制;最后,使用复合路径填充算法对典型结构体进行模拟制造,相较传统算法减少了28.3%~36.2%制造时间,提高了制造效率。     

基于改进鸽群算法与领航跟随法的无人车编队方法

针对无人车编队方法的不足，提出一种基于改进鸽群算法与领航跟随法的无人车编队方法。采用传统鸽群算法编队时有一定的局限性，故在算法初期提供一个初始解以提高计算效率，并在算法的地磁算子中加入相应的权重指标，提高算法在整体路径中的规划效率。在编队过程中，先利用改进鸽群算法为领航者规划出一条最优的路径，再运用领航跟随法控制每一辆跟随者以一定的距离和角度跟随领航者，从而实现以设定的队形运动。通过建立栅格地图进行仿真并在真实无人车上进行实际应用，验证该编队方法的可行性。结果表明：与量子粒子群优化算法与粒子群优化算法相比，改进的鸽群算法主要优势是最优路径短、运行时间短、收敛速率高。