基于双重A~*算法的移动机器人动态环境路径规划

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。     

基于竞选算法的移动机器人路径规划

提出了一种路径规划的新方法,利用链接图法(MAKLINK Graph)建立规划环境模型,将规划分为两个层次:用E.W.Dijkstra算法求链接图的最短路径,得到初始路径点;用竞选算法来调整各个初始路径点,得到最优的或近似最优的移动路径点.分析结果表明该方法是有效的.     

基于人工蜂群算法的机器人路径规划

为求解机器人路径规划问题,引入人工蜂群算法,并将路径空间以网格划分,通过固定起始节点和设定最大允许路径节点数等方法,解决了人工蜂群算法应用于路径规划的两个难题--路径节点不固定和邻域构造困难,实现了将ABC算法应用于路径规划问题.通过典型的实例仿真对算法性能进行测试,结果表明:该算法有效克服了停滞行为的过早出现,而且能够加快收敛速度,得到全局最优解或近似解,是解决机器人路径规划问题的一种有效算法.     

基于人机交互改进A~*算法的路径规划研究

针对传统装配路径规划方法应用于复杂装配体时出现的组合爆炸问题,提出了一种基于人机交互的改进A~*算法。该算法通过人机交互路径规划方法对复杂装配体划分了层次,且对装配体各层次利用改进A~*算法通过并行输入的方式求解各层次零部件的最优装配路径,并最终获得了整个装配体的最优装配路径。通过算法对比与电主轴装配路径规划实验表明:基于人机交互的改进A~*算法较传统路径规划方法效率提升了33.6%,并可成功应用于复杂装配体的装配路径规划。     

基于改进蜂群算法的焊接机器人路径规划方法研究

针对焊接机器人的运动特点及焊接工作过程中焊枪的避障问题,提出基于改进人工蜂群算法的机器人避障焊接路径规划策略。首先针对传统人工蜂群算法存在的问题,将Lévy(莱维)分布引入到人工蜂群算法侦查蜂寻找新蜜源的过程中,代替其原有0～1之间的随机分布过程,形成了基于Lévy飞行的改进型人工蜂群算法,然后将其应用到焊接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焊接避障路径,且寻优速度快、过程稳定。该方法可用于解决焊接机器人避障路径规划问题。     

基于改进野马优化算法的AGV路径规划北大核心

针对求解自动导引运输车(automated guided vehicle,AGV)路径规划问题,提出一种基于改进野马优化算法的AGV路径规划。首先,利用非线性自适应因子有效平衡了算法全局探索和局部挖掘能力;其次,引入偏移进化策略增加子代个体的多样性;然后,引入黄金正弦分割系数指引个体逐渐向全局最优位置方向移动,提高算法的收敛精度和收敛速度;最后,引入B样条曲线平滑策略,进一步优化最优解,获得更短更平滑的路径规划。通过仿真实验验证了改进野马优化算法总体能够减少5.84%的AGV路径规划长度。     

基于路径优化混合算法的自动化物流控制系统研究

为了提高自动化物流控制系统的效率,提出了基于路径优化的混合算法实现路径规划方法。在模型设计中,将仓库货柜设计适用于自动引导车无障碍行驶的矩阵排列,按照货柜编号与货柜物理位置进行建模,在自动引导车的路径规划设计中,将模糊算法与启发式算法相结合来完成目标函数求解。实验证明:相比于蚁群算法和模拟退火算法,本文算法在最优解求解和收敛性方面优势明显,在路径优化方面具有较强适用性。     

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...     

基于路径优化混合算法的自动化物流控制系统研究（英文）

为了提高自动化物流控制系统的效率,提出了基于路径优化的混合算法实现路径规划方法。在模型设计中,将仓库货柜设计适用于自动引导车无障碍行驶的矩阵排列,按照货柜编号与货柜物理位置进行建模,在自动引导车的路径规划设计中,将模糊算法与启发式算法相结合来完成目标函数求解。实验证明:相比于蚁群算法和模拟退火算法,本文算法在最优解求解和收敛性方面优势明显,在路径优化方面具有较强适用性。     

起重机起升装置制动器的设计与仿真

制动器的设计与选型是桥式起重机生产过程的重要环节,制动器的位置与布局关系起重机的运行平稳与安全。以10 t 桥式起重机为设计对象,对起升机构进行动力学分析,建立了数学模型,计算了数学模型所需的转动惯量;并对制动器不同布置方案进行了计算与仿真,利用 Matlab 软件得到了制动器制动的最大力矩,分析得出了制动器设计的最优方案。     

基于路网的车辆路径规划融合算法究

针对室外区域非结构化道路环境,为了同时解决全局路径规划问题和局部路径规划问题,提出一种基于Floyd算法、A*算法和人工势场法的路径规划融合算法。采用A*算法规划可行路径,基于Floyd全局最优距离和权重数据递归求出最优路径;改进人工势场法,设计分段力场结合自适应角度函数,规划避障路径;基于三次多项式曲线拟合得到满足动力学约束的行车轨迹。采用MATLAB/Simulink进行路径规划仿真,结果表明：路径规划融合算法根据前方检测环境能准确规划出全局绕路轨迹和局部避障轨迹,单次规划时间分别为1.14 ms和45 ms,满足实时性要求。实车实验结果表明仿真结果准确,验证了实路径规划融合算法的有效性和算法的鲁棒性     

焊接残余应力场声弹性不稳定性分析

基于声弹性效应,超声波可以无损检测出结构内部应力.超声波法焊接残余应力测量克服了传统应力测量方法费时耗力、破坏、体积庞大等缺点,对多种焊接结构残余应力进行的测量已证明其准确和可靠.在残余应力场测量时发现了在低应力弹性区存在声弹性不稳定现象,利用声弹性模拟试验对声弹性不稳定现象进行了分析研究.根据焊接残余应力场弹性区临界折射纵波包络波峰声弹性效应随机分布呈双峰分布的试验现象,提出了弹性区声弹性主应力计算公式,可通过超声波法纵向残余应力测量结果计算出测量点的两个主应力及横向残余应力.     

基于双蚁群算法的双机器人路径规划方法

针对双机器人协同作业时的路径规划问题,在蚁群算法的基础上提出一种双蚁群路径规划方法。通过轮候选择机制,使2个不同的蚂蚁群能合作完成所有的作业任务。在蚁群迭代过程中,利用同种群蚂蚁之间信息素的正反馈作用,优化蚁群的移动路径;利用不同种群蚁群之间信息素的负反馈作用,降低2个蚁群之间的冲突,找到2台机器人的最优移动路径。仿真结果表明：该算法具有收敛性,能同时实现双机器人的任务分配和路径规划,且路径规划结果优于现有的双机器人路径规划算法。     

桥式起重机动力学模型参数辨识及其防摆控制器设计

桥式起重机吊运过程中所产生的游摆,是吊运过程中必须克服的。从桥式起重机的模型辨识试验出发,通过试验法获得桥式起重机的动力学模型。在防摆控制器设计方面,提出利用广义预测控制整定PID参数的方法,使得传统的PID控制器能够有效地抑制和消除起重机吊钩的游摆。仿真和试验结果均表明:这种PID控制器的设计方法是正确而有效的,对于实现起重机无人值守的自动控制具有重要意义。     

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。     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。     

基于改进乌燕鸥算法的移动机器人路径规划

为克服传统智能算法在解决复杂环境下移动机器人路径规划问题中存在的搜索效率慢和寻优精度低等不足,提出改进乌燕鸥优化算法（ISTOA）。以乌燕鸥算法（STOA）为基础,引入Circle混沌映射机制保证初始种群的质量,提升算法初期搜索效率。同时,提出旋转式翻筋斗搜索策略,对算法的扑食位置进行更新,提高了算法的局部寻优能力。在迁徙过程中,混合正弦控制非碰撞因子和自适应Lévy飞行策略平衡了算法的全局搜索和局部搜索。通过3种不同环境下移动机器人路径规划案例验证了改进乌燕鸥优化算法的有效性。结果表明：改进乌燕鸥优化算法可快速且稳定获得全局最优路径,整体寻优能力优于其他算法,有效地解决了移动机器人在复杂环境中的最优路径规划问题。     

基于改进人工蜂群算法的无人机航迹规划研究

为应对无人机遇到的复杂任务状况,快速寻找一条可行较优航迹,通过改进初始化蜜源方式、引入模拟退火算法的Metropolis准则、引入复合形法等对人工蜂群算法进行改进,提出了一种基于改进人工蜂群算法的无人机航迹规划方法。针对无人机航迹规划问题建立数学模型,采用该改进人工蜂群算法进行寻优,并通过MATLAB进行仿真验证。仿真实验结果表明,该改进人工蜂群算法有效提高了无人机航迹规划的鲁棒性、收敛速度和精度。