一种机器人轨迹规划的优化算法

为了使机器人运动轨迹平滑且工作时间最优,以SCARA机器人为研究对象,在考虑各关节速度、加速度和加速度变化约束的基础上,对机器人在关节空间中进行轨迹规划.采用遗传算法对关节空间中各关键点间的运行时间间隔进行规划.利用ADAMS/View搭建的机器人仿真模型,以遗传算法产生的最优时间间隔为机器人轨迹规划仿真的依据,在ADAMS中进行机器人运动学仿真.仿真结果表明,所设计的机器人轨迹规划方法既能保证工作时间最优,又可使机器人的轨迹平滑.     

基于改进遗传算法的变电站巡检机器人行驶轨迹优化

针对变电站巡检机器人巡检效率问题,研究一种移动机器人的巡检系统在变电站的应用情况.基于改进遗传算法,对机器人巡检的路线进行优化,优化过程中将变电站平面图网格化处理便于计算,计及最高寻址效率,以行驶距离最短为优化目标.鉴于实际使用工况,优化方法考虑了若电量剩余较少时,机器人应自动停止寻址,并返回充电,充电后继续按照优化寻...     

基于改进遗传算法的变电站巡检机器人路径规划

变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。     

基于改进遗传算法的配电网优化规划

在遗传算法的基础上，引入改进机制，对配电网网架规划进行求解。优化模型中考虑线路投资的时间价值，以年费用最小为目标，以线路传输容量、电压降、配电网的辐射性等为约束条件；以备选网络的生成树作为初始解，避免了随机产生初始可以解时速度较慢的弊端；借鉴支路交换的思想设计杂交算子和变异算子，避免了辐考检查过程，使算法的寻优能力大为增强。算例结果表明：在精度相同的情况下，该方法的计算速度比普通遗传算法有较大提高。     

基于Bezier曲线的CIGS薄膜光伏电池I-V曲线简单拟合方法

精准的光伏电池输出数学模型是研究光伏系统的必要条件,然而由于厂家提供的数据有限,铜铟镓硒(CIGS)薄膜光伏电池的输出数学模型是包含若干未知参数的非线性特性曲线.因此提出仅利用厂家提供的有限数据,对CIGS薄膜光伏电池的电流-电压输出特性曲线,即I-V曲线进行拟合.首先利用Bezier曲线选取函数控制点,对CIGS薄膜光伏电池的I-V曲线进行拟合;然后找出Bezier曲线控制点位置与CIGS薄膜光伏电池的填充因子之间的函数关系;最后,利用4种新型CIGS薄膜光伏电池对该函数关系进行验证,并对结果进行了对比分析.分析结果表明,所提方法对4种CIGS薄膜光伏电池的I-V曲线的拟合方法的平均相对误差均小于0.8％,验证了所提方法的有效性.     

遗传算法在电网规划应用中的改进

本文利用遗传算法建立了电网规划的数学模型，在此基础上提出了用竞赛法进行生殖操作、两点交叉、保留优良品种等改进措施，加快了收敛速度，提高了计算精度。     

基于改进遗传算法的配电网无功规划优化

以配电网电能损耗、无功补偿设备投资以及节点电压质量等经济技术综合效益最大为目标函数,在最大负荷运行方式下建立了配电网无功规划优化的数学模型。针对配电网分支和待补偿节点多的特点,提出一种无功电流损耗最小的算法,用以优化补偿电容器的个数和位置,并在此基础上,结合改进的遗传算法进一步提高无功规划优化的精度和效率。该方法既可以减小初始种群的无效解,克服了维数灾,又可以避免遗传算法的早熟和欺骗问题。仿真算例验证了该方法的有效性和实用性。     

基于改进遗传算法的移动机器人路径规划

路径规划属于移动机器人设计中的重要技术,基于该技术可以实现机器人的自主决策导航,从而平稳高效达到预定的目标位置。常规路径规划算法存在路径规划长度大以及连续性不佳等问题,设计了一种帧间关联平稳路径规划算法,该算法的核心是改进的遗传算法。算法中需要先得到一定量的候选路径,此过程采用了定向、随机搜索方式;然后为解决路径连贯性、节点冗余的问题分别设计了插入算子、删除算子,同时在适应度计算时考虑到了路径的连续性;在此基础上根据适应度大小确定最优路径。针对算法的应用效果进行了仿真和实验,并与A^*算法、常规遗传算法的应用效果进行对比分析,研究结果显示,相对于其他两种算法,设计的算法降低了路径长度,比前两种算法分别减小7.86%、2.76%。另外最大偏航角变化量相对于前两种算法降幅依次是61.5%、44.97%,转角绝对值之和降幅依次是36.94%、26.07%,由此验证了算法的有效性,适合于应用到移动机器人路径规划中。     

机器人关节空间B样条轨迹设计的混沌优化

为了研究机器人关节空间轨迹时间最短的优化计算问题,依据混沌优化理论,采用改进的基于混沌变量优化算法,以时间最短为性能指标对轨迹进行优化求解.研究了均匀非周期四阶B样条曲线的优化,每一段B样条曲线的运行时间作为优化参数,优化问题模型包括关节角速度、角加速度、角加加速度及力矩4种约束.给出了PUMA560前三铰B样条轨迹优化算例,优化结果明显优于采用复合形法或有约束随机搜索方法的优化结果;该算法简单,易于实现,求解速度快,任给一组初值得到优化结果的可靠性达90%以上,逼近约束条件的误差几乎为零,进一步减少了运行时间,从而有效地实现了机器人在关节空间的轨迹优化.     

遗传算法应用于电网规划的难点与改进

将遗传算法用于电网近中期规划问题的研究,改进了遗传操作使之更适应于电网规划,克服了算法在生成初始解群和交叉、变异过程中由于编码原因产生的大量不可行解以及收敛性能差等难点。通过以改进遗传算法为核心的网架规划程序,寻找同时满足电网规划可靠性和安全性指标的全局最优的方案。     

基于改进遗传算法的配电网网架结构优化规划

配电网网架优化规划是一个具有多约束、非线性和离散性的复杂组合优化问题。对传统遗传算法进行改进,以线路投资、运行和用户停电损失费用最小为目标函数,采用基于生成树的拓扑分析方法,对初始种群进行选择,避免随机生成初始种群速度慢的缺点;采用最优个体保存策略和两两竞争相结合对种群进行选择;引入自适应交叉和变异,避免了算法早熟。算例结果表明了该改进算法的有效性和收敛性。     

基于遗传算法的电网优化规划

本文提出的数学模型中包含了线路投资和网络损耗,并采用退火精确罚函数求解非线性约束优化问题,通过自适应的退火罚因子和精确罚函数来处理约束条件,使算法逐渐收敛干可行的最优解.同时采用直流潮流法进行潮流计算和过负荷校验,提高了计算精度.模型考虑了N-1检验原则,满足了网络规划中对可靠性的起码要求,同时也很好地解决了系统有孤立节点和网络不连通时的规划问题.     

基于改进遗传算法的无人机航路规划

针对已知源-目标的最短最优航路规划问题,本文首先对无人机航路规划相关约束及算法仿真环境进行了综合分析,构建了航路规划算法仿真环境,明确了无人机的性能约束,进而提出了一种可以融合多种约束条件的航路评价函数;然后,针对遗传算法存在的早熟收敛以及后期搜索迟钝等问题,考虑其问题之间存在的耦合关系,提出了适应度值标定、种群多样化和精英保留策略的融合改进方案。实验结果表明改进的遗传算法会节省约11.8%的燃油损,同时无人机机动转弯相对更少,提高了无人机飞行的安全性和高效性。     

采用改进遗传算法的无功优化规划

提出了以有功网损和无功补偿设备投资最小的无功规划数学模型,以无功裕度法确定无功补偿点,采用逐年规划方式和利用改进遗传算法对模型进行求解。在最小负荷方式和最大负荷方式下无功规划的基础上建立了场景检验模型,以IEEE30节点系统为算例,将逐年优化方式与整体优化方式的规划结果进行对比,验证了所提模型和求解方法的有效性。     

改进遗传算法在福建电网规划中的应用

用一种改进的遗传算法对福建电网进行规划。分析了遗传算法用于电网规划遇到的多目标、非线性和容易陷入局部最优的问题,提出了解决方法。提供了福建电网规划例证,说明该方法可行、有效。     

基于改进多种群遗传算法的配电网规划

提出了改进的多种群遗传算法并将其应用于配电网规划.根据优化目标数学模型确定统一目标函数和多个子目标函数,并将其作为父、子种群的适应度评价函数,用迁徙算子决定父子种群的联系程度.采用"0"和"1"逐线逐点方式对馈线和变电站进行编码,并构成网架的染色体.用变电站的容载比作为约束条件决定变电站的负荷规模.在此基础上提出了包括孤链、闭环、孤岛的修复方案,将遗传操作所产生的非辐射性网络修复成辐射性网络.该方法可以处理同时涉及变电站和馈线优化的多目标配电网规划问题.算例结果表明了该方法的有效性.     

基于改进自适应遗传算法的EV充电站动态规划

建立了综合充电站、电动汽车(EV)用户与配电网多方利益的快速充电站规划模型,考虑EV保有量增长的影响,同时计及EV增长率的不确定性,构建了2种EV充电站随机机会约束动态规划模型,并提出考虑充电需求空间分布的改进自适应遗传算法(IAGA)求解上述规划模型。通过一个实际算例验证了所提IAGA在求解充电站规划问题时的可行性与有效性,并对比分析了2种动态规划模型的规划结果。     

基于改进量子遗传算法的输电网规划方法

量子遗传算法是基于量子计算原理的概率优化方法,改进了动态调整量子旋转门策略,并结合量子交叉和量子变异操作,使算法具有更快的收敛速度和全局寻优能力。输电网规划是复杂的大规模非线性组合优化问题,提出了一种基于改进量子遗传算法的输电网规划模型。算例表明,该方法能够快速有效地获得全局经济最优的输电网规划方案。     

改进的遗传算法在电网规划中的研究

遗传算法的主要的特点是:简单、通用、鲁棒性强,能依概率收敛到问题的全局最优解。用遗传算法来求解多目标的电力网络的优化规划,可以避免局部最优的问题。针对现有的遗传算法的不足和对初始种群的依赖,提出了改进的遗传算法,采用贪心法进行种群初始化,从而避免了遗传算法初始种群过于随机,提高了算法的收敛速度和搜索性能。     

基于GIS空间查询和遗传算法的变电站规划

针对遗传算法应用于变电站规划时产生大量不可行解的缺点,提出了一种地理信息系统(GIS)空间查询和遗传算法相结合的新算法。该算法设计了一种能够保证全局最优解的自适应交叉和变异概率,利用地理对象的拓扑关系进行空间查询,特别是在不可行解的处理中用GIS提供的空间查询功能来判断新建变电站是否在规划区域内且在适宜新建区域内,并将查询结果反映到适应度函数的惩罚函数中。经算例验证,此方法能够有效地减少不可行解,最终收敛到全局最优解,使得规划结果符合实际要求。