基于改进快速搜索随机树法的机械手路径优化

针对多关节机械手路径优化问题,提出一种改进快速搜索随机树(Rapidly-exploring randomtrees,RRT)优化算法.利用标准RRT算法规划初始可行路径,根据路径长度与路径安全性计算出该路径代价.在后期搜索树生长过程中,中间目标点并非随机采样,而是选择能使当前路径代价低于其之前路径代价的节点,同时对该节点进行距离检测,避免产生过于密集的节点集.为加快搜索树向未知区域的扩充速度,从最近节点向中间目标点扩充过程中,采用一种贪婪启发式扩充算法:节点以一定步长循环扩充,直至扩充到达目标节点或产生不连通节点.最后对6自由度检修机械手进行路径规划仿真试验,结果表明相对于标准RRT算法,规划路径的质量得到大幅提高.     

快速搜索随机树算法在航空电缆布线中的应用

针对航空电缆布线中面临的电缆线路分支多、路径复杂等问题,提出一种改进的快速搜索随机树算法。应用这一算法对各电缆线路分支进行计算,进而得出最优路径轨迹,以及各电缆线路分支轨迹的长度。对所提出的算法进行样机试验,确认电缆布线包装机能够达到包装技术标准中无褶皱冗余、路径最短、表面绝缘层无磨损等要求。应用所提出的改进快速搜索随机树算法,可以有效提高航空电缆布线效率,降低劳动量和报废率。     

基于快速搜索随机树的薄片元件拾取机械手电控系统设计

微型薄片散列元件的拾取问题一直困扰着微型机构的装配能力,如何提高微型元件拾取效率和拾取精度一直是机器人智能控制的研究方向.为此,采用振动盘驱动设备,通过其震动能量驱动散列薄片元件沿螺旋轨道顺序排列并推挤前进,然后由轨道末端传感器感知元件并通过PLC控制三自由机械手夹取元件.为提高夹取效率,给出了机械手电控系统的实施方案...     

基于启发式的快速扩展随机树路径规划算法

针对基于随机采样的路径规划缺乏确定性的问题,提出一种具有启发式的多自由度机器人路径规划算法.该算法在快速扩展随机树算法的基础上,引入了启发式估价函数,使扩展随机树有利于朝目标点方向进行生长.仿真结果表明,提高了复杂环境下机器人路径规划的效率,保证了规划的路径接近于最短路径,对同一任务的规划具有一定的可重复性.     

基于改进快速扩展随机树算法的双机械臂协同避障规划方法

提出了一种基于改进RRT算法的双机械臂协同避障运动规划方法。针对静态障碍物对主臂进行避障运动规划,寻找主臂可行路径。将主臂每一时刻的运动位姿视为规划从臂运动时的动态障碍物,为从臂规划可行运动路径。为提高算法的搜索效率,利用节点剪枝择优和设置目标区域的方式使算法快速收敛。在MATLAB程序建模实验的基础上,在ADAMS中进行仿真实验,验证了该算法的有效性和可行性。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

一种新型蚁群随机树的机器人路径规划算法

为提高复杂环境下机器人的路径规划效率,提出了一种用蚁群算法来优化随机树算法的新的全局路径规划算法。该算法有效地结合了蚁群和随机树算法的优点,利用随机树算法的高效性快速收敛到一条可行路径,将该路径转换为蚁群的初始信息素分布,可以减少蚁群算法初期迭代; 然后利用蚁群算法的反馈性优化路径,求得最优路径。仿真实验表明,该蚁群随机树算法可以提高机器人路径规划的速度,并且在任何复杂环境下迅速规划出最优路径。     

基于改进势场蚁群算法的移动机器人全局路径规划

针对势场蚁群算法路径转折点数量过多、收敛速度过快、容易陷入局部最优等问题,提出了基于势场跳点的蚁群算法.该算法融合了蚁群算法和跳点搜索算法的搜索策略,使规划出的路径更加平滑;引入了势场合力递减系数,减少了势场蚁群算法因势场而陷入的局部最优问题;引入了简化的跳点搜索算法对初始化信息素进行更新,提高了算法前期的搜索效率.为...     

基于改进A^*势场法的机器人动态路径规划研究

针对人工势场法在路径规划中出现的目标点不可达、转折次数多及路线较长的问题,提出了一种动态环境下移动机器人全局路径规划的改进A^*势场算法。首先采用A^*算法在已知静态环境中进行全局最优路径规划,当移动机器人进入动态障碍物影响范围ρ0时,引入相对速度势场对人工势场法进行改进,进行局部动态路径规划,追踪沿A*路径运动的虚拟动态目标直至回到原路径,完成到达目标点的路径规划。将该算法与人工势场法通过MATLAB进行路径规划仿真比对,结果验证了该算法的可行性,并且有效减少了路径的震荡和累计转角,同时明显缩短了全局路径距离。     

Parallel RRT-based path planning for selective disassembly planning

The planning of disassembly sequences requires the identification of the extraction trajectories of the different parts or assemblies. The failure to find these trajectories can make a planner fail to generate correct sequences or not evaluate potential solutions. In this paper, we analyze the disassembly path-planning problem, its relation to the general path-planning problem and the main differences between both of them, such as the lack of a target configuration. We present a modification of the rapid-growing random tree-based algorithm (RRT) that addresses these differences. RRTs are easily parallelized so we analyze two different parallelization methods using dual-core-based CPUs as well as the impact of the target selection probability of the algorithm in execution time. The method described is applied to several real-world and synthetic examples.     

改进MMAS算法的移动机器人的路径规划

移动机器人路径规划是机器人研究领域的重要内容之一,具有非线性、约束性和复杂性等特点。MMAS算法是近年来发展起来的一种智能优化算法,该算法在解决许多复杂问题方面已经展现出其良好的性能和巨大的发展潜力,但在应用上还存在一定的缺点。通过对MMAS算法的改进对移动机器人在复杂地图中全局路径规划问题进行了研究。     

自动化分拣仓库中多AGV调度与路径规划算法

自动化分拣仓库由多自动导引小车(AGV)同时作业,对大量包裹进行快速分拣。如何为AGV确定搬运包裹序列并规划无冲突的路径,是分拣作业的关键所在。为提高分拣效率,以最小化最大搬运完成时间为目标,定义了冲突AGV的优先级,提出一种生成无路径冲突的路径规划算法;进而,综合考虑AGV调度和路径规划,提出一种改进差分进化算法,算法采用反学习方法生成初始种群,运用自适应的变异和交叉概率进行进化操作,设计动态差分进化策略来提高收敛速度,并设计交换邻域和基于关键AGV的插入邻域进行局部搜索。通过数据实验验证了算法的有效性,并对关键问题参数进行了分析。     

基于方向选择的移动机器人路径规划方法

针对快速行进树算法(FMT*)在逐层递归扩展中产生的冗余探索问题,提出一种基于方向选择的快速行进树算法(DS-FMT*).该算法首先对拟扩展样本的四周产生均匀分布的方向选择线,判断周围的障碍物情况并选择有利于扩展的方向作为候选探索方向.随后将拟扩展到下一样本的实际探索方向与候选探索方向做比对,若实际探索方向与候选探索方...     

基于三维时空状态图-并行排序蚁群算法的多机器人路径协同规划

为了得到多机器人系统在无碰撞前提下的较优路径,设计了分层协同规划系统.该系统包括3个子模块,分别为全局最优路径规划模块、碰撞检测模块和避撞模块.在全局路径规划方面,在蚁群算法中加入了多子群并行搜索策略和基于信息素的子群经验交流策略,提出了基于并行排序蚁群算法的路径规划方法.在碰撞检测方面,提出了三维时空状态图的概念,基于机器人路径栅格在三维时空状态图的分布给出了碰撞检测结果.在避撞方面,建立了避撞的博弈论模型,基于博弈论得到了集体代价最小的避撞策略.在30 m×30 m的复杂栅格环境中验证,并行排序蚁群算法规划路径的目标函数平均值比传统蚁群算法减小了5.25％,比改进蚁群算法减小了3.66％,验证了并行排序蚁群算法在全局路径规划中的优越性.在20 m×20 m栅格环境中利用4个机器人进行避撞策略检测,从结果可以看出,基于博弈论的避撞策略可以有效避免机器人间的碰撞,实现机器人的安全行驶.     

面向多机器人协调运动规划的层级化任务分配方法

针对动态环境下多机器人任务分配过程高维运动规划计算量大、优化分析复杂与结果适用性不足等问题,以多机器人检测工位为对象,提出面向多机器人协调运动规划的层级化任务分配方法,降低任务分配计算量、减少共享空间内多机干涉可能性.首先,针对多机器人共享任务集,提出一种基于惰性旅行商问题求解的粗分配方法,实现大量任务集到多机器人的分...     

清洁机器人路径规划算法研究综述

针对目前清洁机器人的清洁效率低,同时路径规划技术存实际应用中方法简单、适应性弱,特别是在障碍物环境下存在明显的不足等问题,提出了路径规划的基本方法及关键过程,保证机器人完成清洁任务,达到自主路径规划和全区域覆盖的要求。着重分析了环境建模的不同技术,同时讨论了在环境地图中不同的路径搜索算法,通过对算法的覆盖率、重复率等重要性能指标进行了比较,分析了不同算法的优、缺点及适用范围,为算法的合理应用提供了技术参考,最后提出了清洁机器人进一步研究的方向。研究结果表明,根据环境的复杂程度,需要采取不同的路径规划算法来制定控制方案,而对多种算法进行融合技术处理则能有效地提高对不同环境的适用度以及控制系统的鲁棒性。     

基于Floyd算法的移动机器人最短路径规划研究

最短路径规划是一种点对点的路径规划方式,移动机器人最短路径规划研究即是实现始点和终点间最短路径规划问题的研究.首先采用栅格地图的方式对移动机器人工作环境建模,在建模的基础上,以垂线法方式选择移动机器人路径中的关键节点,确定关键节点的位置和权值关系,并根据所选节点,基于Floyd算法进行移动机器人的最短路径规划,以及对规划的路径算法进行简化改进,通过实验证明,改进的Floyd算法能实现移动机器人路径的最短和用时的相对减少.     

一种面向室内 AGV 路径规划的改进蚁群算法

针对传统蚁群算法在大规模和复杂环境中,全局搜索效率差,收敛速度慢,路径转弯次数过多且不够平滑等问题,本文提出一种改进蚁群算法。该方法通过动态更新不同等级蚂蚁路径上的信息素,加快算法的收敛速度;通过引入距离函数和方向函数作为启发因子,改善路径搜索质量;采用一种改进自适应伪随机转移策略,减小陷入局部最优解的概率;在最优路径的基础上引入三次均匀B样条曲线进行优化,提高路径的平滑性。通过在2种不同规模环境下的路径规划实验表明,本文算法相比传统算法在分别减少55.6%和59.4%转弯次数的基础上,提升87.5%和100%的收敛速度,验证了本文算法的优越性。最后,以QBot2e为平台,将本算法应用到室内自动导引车(AGV)路径规划中,进一步验证了算法的实用性。     

用于无人车路径规划的改进A*算法

针对传统A*算法规划的路径存在路径长度较长、拐点数量较多和转折角度较大等问题,提出了一种用于无人车路径规划的改进A*算法.首先在传统A*算法的基础上考虑转弯成本并融入预判断规划策略,规划出一条初步路径;然后采用冗余拐点剔除策略优化初步路径,获得一种更优的无人车行驶路径.对传统A*算法、考虑转弯成本并融入预判断规划策略的A*算法和改进A*算法进行仿真对比.结果 表明:改进A*算法规划出的路径长度更短,拐点数量更少,转折角度更小,路径更加平滑.