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。     

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...     

基于差分进化的制造业移动机器人路径规划方法

移动机器人的路径规划是控制移动机器人行动中的一项重要的研究内容。本文以制造业移动式机器人为例,以多道加工工序中的螺丝安装为任务,提出一种基于差分进化算法的移动式机器人的最优路径规划方法,使得机器人能够在最短时间内完成所有的工序。实验结果显示:在20个加工床的情况下,该方法能够得到满意的结果。     

Collision-free motion planning of dual-arm robot

０ＩＮＴＲＯＤＵＣＴＩＯＮＤｕａｌａｒｍｒｏｂｏｔｉｓａｎｅｗｔｙｐｅｏｆｒｏｂｏｔｗｈｉｃｈｈａｓｂｅｅｎｄｅｖｅｌｏｐｅｄｉｎｒｅｃｅｎｔｔｗｏｙｅａｒｓ．Ｔｈｅｕｓｅｏｆｔｈｉｓｔｙｐｅｏｆｒｏｂｏｔｃａｎｇｒｅａｔｌｙｉｍｐｒｏｖｅｒｏｂｏ...     

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。     

关于足球机器人路径规划中人工势场法的研究

人工势场法是一种简单有效的路径规划算法.本文阐述了目前国内外对该方法的各种改进算法和与其它方法相结合的应用,并在此基础上分析和总结了各种方法的优缺点和目前存在的问题,提出对今后工作的几点展望和下一步的工作方向.     

未知环境下移动机器人实时模糊路径规划

针对机器人在未知环境下避障的要求,设计了一个结合目标点位置信息和局部障碍物信息的评价函数实时导航算法,使机器人可以在无碰撞的情况下较快地到达目标点。该算法以二维激光雷达作为探测环境的主要传感器,采用基于行为的控制策略及模糊控制器技术,通过添加自由出口提高其路径搜寻的效率,最后为了验证此模糊路径规划方法进行了仿真实验。仿真实验结果表明,该算法具有良好的效果,机器人可以有效避障,且轨迹平滑、实时性好。     

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.     

基于四边形的移动机器人全局路径规划方法

提出用四边形轮廓代替障碍物真实轮廓,首先进行粗略路径规划,得到一条由直线组成的最优路径,然后沿边连接得到真实路径。在起始点或目标点在四边形内部的情况下,采用短边优先来脱困。该方法具有图像预处理方便,规划出的路径精细且路径规划所用的时间少。     

局部环境增量采样的服务机器人路径规划

针对室内服务机器人在未知动态环境中工作时的功能需求,提出了一种局部环境增量采样的路径规划算法。该方法首先依据当前环境构建基于障碍物碰撞风险的评估概率;然后在搜索树扩展的过程中,设计了结合碰撞风险评估概率和欧氏距离的代价函数,避免了每次扩展时新节点和潜在扩展边的碰撞检测,提高了算法效率;同时,搜索树扩展借鉴了快速随机扩展图算法的扩展方式,实现在当前搜索树结构下的最优扩展;另外,提供了算法的性能分析。最后,仿真及实验结果表明该方法具有良好的规划性能,需要较少的计算时间和平均迭代次数,能够满足室内服务机器人实时路径规划的工作需求。     

A robot fuzzy motion planning approach in unknown environments

A fuzzy robot motion planning approach is proposed in unknown environments for three-degree industrial robots. The proposed planning system is composed of several separate fuzzy units, which control individually each manipulator joint. Each unit combines a repelling influence, which is related to the nearby obstacle, with the attracting influence produced by the final manipulator configuration, to generate actuating command for each link. Effectiveness of the proposed approach is verified through simulation. __________ Translated from Journal of Harbin Institute of Technology, 2005, 37(10) (in Chinese)     

两轮机器人的舞步运动规划和仿真研究

提出了基于有限状态自动机的动作描述方法并给出两轮机器人的舞步运动规划,推导出了两轮机器人的运动学模型,给出两轮机器人分解运动速度控制算法.用MATLAB仿真得出机器人模拟华尔兹基本舞步的动作规划,验证了该算法的准确性.     

未知环境中基于强化学习的移动机器人路径规划

为解决未知环境中移动机器人的自适应路径规划问题,提出了一种基于Q学习算法的自主学习方法。首先设计了未知环境中基于传感器信息的移动机器人自主路径规划的学习框架,并建立了学习算法中各要素的数学模型;然后利用模糊逻辑方法解决了连续状态空间的泛化问题,有效地降低了Q值表的维数,加快了算法的学习速度;最后在不同障碍环境中对基于Q学习算法的自主学习方法进行了仿真实验,仿真实验中移动机器人通过自主学习较好地完成了自适应路径规划。研究结果证明了该自主学习方法的有效性。     

基于改进遗传算法的移动机器人路径规划研究

基于传统遗传算法在移动机器人路径规划中应用的不足,对遗传算法进行了一定的改进.在初始化种群中采用闵科夫斯基和原理扩展障碍物,选择真正可行的区域,在可行区域中去初始化种群,这样提高了进化的速度;在选择算子中引入了相似性的概念,扩大父代的种类,避免快速进入局部最优解;在交叉算子中采用了动态确定变异概率,这样可以提高个体的质量;通过仿真证明了改进的遗传算法能够更快的收敛到全局最优解,方法是正确有效的.     

基于混合智能算法的三自由度移动机器人的路径规划

基于最近优先(best-first)算法和遗传算法,提出了一种路径规划的混合智能算法。首先,基于最近优先(best-first)算法进行路径点搜索,当遇到局部极小点时,采用遗传算法进行局部极小点的逃离。该混合智能算法成功地应用于三自由度机器人的路径规划中,仿真实例表明该方案的可行性与有效性。     

基于遗传算法的机器人运动路径规划的应用研究

遗传算法是模拟自然界生物进化过程的计算模型,作为一种有效的全局并行优化搜索工具,它具有简单、通用和适于并行分布处理的特点以及广泛的应用潜力。本文介绍了遗传算法的基本原理、方法和特点,并着重从应用的角度讨论用遗传算法求解机器人最短路径规划问题。通过对实例的分析及计算,得出较为理想的结果。     

基于遗传模拟退火算法的弧焊机器人系统协调路径规划

深入地研究了弧焊机器人系统的协调路径规划。从全局的角度用5元组序列描述了焊接路径。设计了评价 焊接路径目标函数:焊接位置函数、焊缝成形质量函数、关节位置函数和运动平稳性函数。以线性加权法为求解 多目标规划的基本思想,把遗传模拟退火算法用于弧焊机器人与变位机协调路径规划,取得了很好的效果。协调 路径规划精确地保证焊缝的最佳焊接位置与最佳的焊枪姿态,并能找到柔顺的焊接路径,提高了机器人焊接的质 量和效率。     

基于进化神经网络的移动机器人免碰路径规划方法

本文对基于传感器系统确定避碰策略的移动机器人所走过的路径用两层LMBP(Levenberg-Marquardt Backpropagation)网络进行学习,从而将环境信息与决策储存在神经网络中.通过使学习网络的样本不断进化从而实现网络的进化,使机器人对环境的适应能力不断增强.仿真结果表明结果较好.     

基于改进蝗虫优化算法的移动机器人路径规划

为提升蝗虫优化算法(GOA)在移动机器人路径规划中的应用效果,将基于Levy飞行的局部搜索策略和基于线性递减参数的随机跳出策略引入到GOA中,提出了改进蝗虫优化算法(IGOA)。相比于GOA,IGOA中的Levy飞行局部搜索策略增强了算法的随机性,线性递减参数的随机跳出策略降低了算法陷入局部最优的概率。移动机器人2种不同行驶环境的路径规划实例中,IGOA获得的结果更优。     

基于细菌觅食行为的移动机器人动态路径规划

将自然界中细菌的自适应觅食现象与移动机器人动态路径规划相类比,设计基于细菌最优觅食理论的新型生物启发计算方法(DBFO)。通过对无约束复杂动态多峰测试函数库测试,证实DBFO算法具有较高的准确性和稳定性,具备动态优化能力。并以Sphere函数作为机器人路径寻优的仿真测试环境,DBFO算法驱动的搜索主体可以顺利避开障碍并快速找到目标地点,有效节约了行走时间,验证了其是一种高效、稳定、有竞争力的仿生智能优化方法,在求解实际复杂工程优化问题中体现了极为优越的搜索效率和求解精度。