共查询到18条相似文献,搜索用时 156 毫秒
1.
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。 相似文献
2.
3.
基于人工蜂群算法的机器人路径规划 总被引:5,自引:0,他引:5
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. 相似文献
4.
《组合机床与自动化加工技术》2019,(6)
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。 相似文献
5.
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。 相似文献
6.
李一铭王跟成 《组合机床与自动化加工技术》2023,(1):11-14
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。 相似文献
7.
8.
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... 相似文献
9.
10.
11.
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 相似文献
12.
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. 相似文献
13.
14.
15.
16.
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。 相似文献
17.
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。 相似文献