一种改进粒子群算法及其在多目标冗余机器臂轨迹规划中的应用

针对5臂混凝土泵车臂架系统的冗余和原始粒子群算法存在的不足,提出了一种可以求解冗余臂架系统逆动力学问题的粒子群改进算法.改进的粒子群算法,对冗余臂架系统在有障碍和无障碍空间两种工况下的工作轨迹进行了规划,并分别考虑了多个不同重要程度的子目标.通过数值仿真和实验研究,验证了改进的粒子群算法的有效性.最后,通过与传统粒子群算法比较,进一步验证了所提出的改进粒子群算法的优越性.     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

基于粒子群优化算法的机器人最优轨迹规划（英文）

机器人轨迹规划是机器人研究中的一个重点方向,直接关系到机器人的工作效率。为了使机器人运动过程中角速度和角加速度连续,采用三次样条插值函数对运动轨迹进行规划。由于角速度过快和角加速度过大会导致机器人系统产生震动和冲击现象,因此利用粒子群优化算法对角速度以及角加速度约束下的机器人运动时间进行优化,使得机器人在平稳运行的同时保持运行时间最优。最后运用MATLAB机器人工具箱进行仿真实验,实验结果证明了该方法在机器人轨迹规划中的可行性。     

基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

粒子群算法在机械手臂B样条曲线轨迹规划中的应用

为了提高机械手臂的运行效率,使机械手臂运行轨迹平滑连续,增强机械手臂的实用性,在以时间最优为目的情况下提出了一种运用粒子群算法以B样条曲线对机械手臂进行轨迹规划,对各段样条曲线时间间隔进行优化,考虑速度、加速度及其变化率三个约束条件。仿真研究表明,采用粒子群算法优化B样条曲线产生的轨迹,能够缩短各段曲线的时间间隔,提高机械手臂的运行效率。     

基于改进粒子群算法的PIDNN解耦控制研究（英文）

对于具有非线性、强耦合、大迟滞特点的多输入多输出的非线性系统,传统的控制方法无法对其进行精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,并用此方法对PID神经网络权值进行优化,形成新型PID神经网络控制器。利用两个PID神经网络控制器对双输入双输出耦合系统进行控制以减弱系统的耦合影响。通过仿真结果表明:相对于传统PID解耦控制,该算法具有更好的动态和静态特性。可为控制领域中的解耦问题提供一定的参考。     

基于改进粒子群算法的活套系统解耦控制研究（英文）

为了进一步提高热连轧厂的自动厚度控制精度和带钢产品质量,对活套高度和张力的耦合控制系统,建立适当的数学模型,基于耦合过程分析和实际的数据得出相对完整的活套系统的传递函数。针对活套系统所具有的非线性、强耦合、不确定性等特点,利用变异机制和粒子群算法相结合的基础上提出一种用改进的粒子群算法来优化PID神经元网络以实现对活套系统的多变量解耦控制。仿真结果表明:与传统的PID解耦控制相比较,可以获得相对更好的控制效果。     

改进粒子滤波交互多模型算法在机械臂跟踪定位中的应用

针对机械臂末端运动的复杂性以及非线性,提出了一种改进的基于粒子滤波的交互多模型算法。对扩展卡尔曼(Kalman)滤波和粒子滤波进行对比分析,得出粒子滤波在处理非线性问题时具有良好的滤波性能。针对粒子滤波中先验分布与似然函数分布重合度不高的问题,利用粒子群算法进行了改进。将改进的粒子滤波作为滤波器;分析交互多模型算法中存在的对滤波效果影响很大的野值点,运用自适应抗差理论进行改进。经过实验对算法的应用效果进行检验,结果表明：改进的算法能够降低噪声的影响,提高机械臂末端的跟踪定位精度。     

基于粒子群算法的EPS系统控制策略（英文）

电动助力转向控制是EPS系统的基本控制策略。针对EPS系统的稳定性和快速性的要求,通过EPS系统各部分动力学方程,建立了基于MATLAB/Simulink的仿真模型,对常规PID控制和基于粒子群算法的PID控制进行了仿真对比。仿真结果表明:基于粒子群算法的PID控制策略,使EPS控制效果得以改善,系统响应时间快,鲁棒性好,趋于稳定所用时间短,为实现EPS的稳定性和快速性提供了理论依据。     

基于改进RRT算法的串联机械臂避障空间路径规划（英文）

由于基本快速扩展随机树(RRT)算法分支数量多,随机性强等问题,提出了一种改进的RRT算法。主要研究三维(3D)避障工作空间中串联机械手的路径规划问题。为了快速有效避开障碍物,窗口RRT算法引入了平面墙和窗口函数,使其不仅可以与环境约束相结合,而且同一任务路径规划相同。在蒙特卡洛法工作空间中进行窗口RRT算法的路径规划。最后,通过在MATLAB上进行相关仿真实验,验证算法的准确性和有效性。     

一种应用于激光焊接轨迹规划的改进蚁群算法

传统的焊接轨迹需通过手工示教获得,示教存在柔性差、效率低、轨迹复杂等缺点. 对工业生产中的典型焊接图元进行建模,提出了一种改进蚁群算法：使用混合型信息素更新策略,提高了收敛速度并能够避免陷入局部最优,从而在较短时间内获得最佳焊接路径. 结果表明,通过仿真和实际加工验证了算法的有效性,并成功运用在激光焊接系统中.     

粒子群优化在自然语言处理中的文本和情感分类研究（英文）

为了提高自然语言处理中文本和情感分类的准确性,提出了一种基于粒子群优化支持向量机的机器学习方法。该方法通过对粒子群位置、速度和当前粒子最佳位置的不断更新来优化支持向量机的参数,从而寻找最佳支持向量机。文本和情感分类的实验结果显示:提出的粒子群优化支持向量机方法在训练速度和准确率方面表现出较好的性能。     

基于改进RRT-Connect的空间操作臂避障路径规划研究（英文）

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

基于优化粒子滤波器的体育视频目标跟踪算法设计（英文）

针对体育视频中的目标跟踪问题,提出了一种基于优化粒子滤波器的体育视频目标跟踪算法,以便提高目标跟踪的鲁棒性和跟踪精确度。首先通过背景减除实现目标的初步检测。然后基于RGB颜色直方图,结合粒子滤波和颜色分布来实现目标运动模型。最后对目标模型的更新条件进行优化,以便减少不必要的观测模型更新过程。对体育运动员比赛视频序列进行了测试验证,实验结果表明:该方法能够有效完成体育比赛视频中运动员的跟踪。与其他方法进行比较,提出的方法的平均误差更低且运行效率更高。     

一种改进的偏振光源在机器视觉中的应用

在机器视觉中,经常由于工件表面上的喷漆、镀膜、玻璃、包装膜或其他反光材质的影响,工业相机无法顺利采集到高质量的图像。因图像的对比度较低或者关键特征无法完整呈现,经常会导致机器视觉系统中误检、误判、精度低、不稳定等现象的发生,甚至输出错误的数据。针对以上问题,以电容表面字符缺陷检测和覆有透明包装膜的键盘表面字符检测实验为例,通过利用光的偏振特性,将起偏、检偏两个偏振片集成在一起,采用改进的偏振光源有效地消除了机器视觉中的强反光现象,获得了字符特征清晰的图像     

基于APG算法的多焊接机器人路径规划研究（英文）

为解决多机器人同步焊接路径规划不合理问题,提出一种基于蚁群的融合算法(APG)。首先将多机器人路径规划问题转换为MTSP数学模型,使用kmeans算法将MTSP问题转换为多个TSP问题;其次采用提出的APG算法来优化TSP问题,同时与ACO算法和PSO_GA算法进行实验结果对比,证明APG算法的优越性;最后在ROBCAD中建立三维模型,对可达性、干涉性等实际应用中存在的问题进行仿真,验证算法的有效性。实验结果表明:所提出的APG算法同其它路径规划算相比能够得到更佳路径。     

多策略改进型麻雀算法在水下伸缩臂轨迹定位的应用

针对深层水域水下机器人通过机械臂捕捉目标物定位精度低、搜索难度大、耗费时间长的问题,提出一种基于多策略改进型麻雀搜索算法的水下机器人伸缩臂轨迹定位方法。通过D-H参数法搭建伸缩臂模型,结合MATLAB和ADAMS分析伸缩臂在水下捕捉目标物群目标物的低效性,引用麻雀搜索算法中鸟群觅食在最优位置的思想,引入Logistic混沌映射和柯西高斯变异原理,通过水下机器人的4项性能指标分析最优结果。结果表明：优化后的麻雀算法优于其他算法,同粒子群算法、天牛群算法、鲸鱼优化算法相比,伸缩臂捕捉目标物轨迹路线更加精确,水域环境下避障更为明显。     

基于改进遗传算法与Morphin算法的机器人路径规划方法（英文）

为了实现动态复杂环境下机器人路径的优化,在建立栅格地图模型的基础上,针对传统遗传算法的不足,一是通过改进适应度函数使得到的路径更加平滑,二是将改进后的遗传算法与Morphin算法结合起来,使得机器人能够实时有效的躲避障碍物。仿真实验结果表明:通过结合改进遗传算法和Morphin算法的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。