复杂动态环境下自主机器人路径规划研究

为了提高复杂动态环境下的机器人路径规划性能,文章提出了全局路径规划和局部路径规划相融合的混合路径规划方法。分析了A*算法原理,提出了加权A*算法,使用权值调节启发信息在评价函数中的作用;改进了人工势场法,解决了传统方法目标不可达和局部极值问题;将加权A*算法的全局路径规划和改进人工势场法的局部路径规划相融合,以全局规划路径的拐点作为局部路径规划的子目标点,提出了混合路径规划方法。经仿真验证,对于固定静态障碍物、临时堆放障碍物、动态障碍物三种情况,混合规划方法都能得到平滑的无碰最优路径。     

基于优化A*和DWA算法的移动机器人避障路径规划

针对移动机器人在路径规划过程中路径曲率不连续,避障能力差等问题,提出了一种将改进A*和动态窗口法（DWA）相结合的路径规划方法。首先,在传统的A*算法基础上,将传统的8个搜索方向改为5个,提高搜索效率;其次,将Floyd算法思想引入A*算法中,设计了一种新的启发式搜索函数,实现了无斜穿障碍物顶点,增加了路径的平滑度;最后,融合改进算法以及动态窗口法,构造了新的评价函数,在保证规划路径全局最优性的基础上达到避障效果。仿真结果表明：该研究对于移动机器人自主导航的应用具有一定的参考价值。     

长作业杆复杂环境下自寻优避障规划方法研究

针对传统的人工势场法在半封闭壳体环境下无法直接规划出作业杆避障路径的问题,提出了一种复合势场和寻优算法相结合的在线自优化避障规划算法.首先,提出半封闭壳体障碍的等效简化模型——约束环模型;其次,引入了控制作业杆位姿的姿态势场以及控制驱动端轨迹的包络面势场,将势场法拓展成兼顾作业杆避障、姿态可控、避障轨迹可调的复合势场法...     

模糊改进人工势场法移动机器人路径规划

针对人工势场法应用于机器人路径规划中存在的各种问题,提出一种模糊改进人工势场法。首先,建立斥力势场梯度等级,在解决目标不可达问题的同时,保证路径规划的安全性;其次,引入逃逸力,利用模糊算法推算出逃逸力大小,帮助移动机器人逃离局部最优陷阱;最后,在MATLAB环境下对常规改进人工势场法和模糊改进人工势场法进行了仿真实验,实验结果表明,模糊改进后的人工势场法能够解决目标不可达问题、局部最优问题,同时在避障安全性方面存在一定优势。     

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。     

模糊改进的人工势场法机器人局部路径规划

移动机器人在狭窄、障碍物繁多的密闭环境中工作,人工势场法(APF)应用于机器人避障及局部路径规划存在局部最优、目标不可达等问题,文章提出一种模糊改进的APF算法,通过重新构建障碍物斥力势场、障碍物运动速度和加速度势场、引力势场模型,克服局部最优陷阱;在某些特殊情况下,使用模糊算法给机器人提供辅助作用力,帮助机器人安全到达目标点。把改进模糊APF算法用于机器人避障,仿真结果表明:改进的控制算法应用于多障碍物环境可以帮助机器人实现安全避障。     

改进A*算法的AGV避障路径规划研究

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点，使用传统八叉树搜索策略时，AGV易发生碰撞障碍物现象，在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题，提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计，因此引入启发式函数的权重系数提高A*算法的搜索效率；设置障碍物安全距离，为判断障碍物区域内当前障碍物是否影响AGV通行提供参考，再次改进原有八叉树搜索策略提升避障性能，然后对得到的无碰撞路径进行路径优化处理，保留关键转折点；最后实现A*和DWA算法融合，进一步优化路径，并实现全局动态路径规划。实验结果表明：融合算法使得路径更加平滑，提高了算法的避障性能，表明了融合算法在机器人路径规划中的可行性。     

改进人工势场法的机械臂避障路径规划

针对人工势场法在机械臂避障路径规划中易陷入局部最小值等问题，提出一种改进人工势场法的机械臂避障路径规划方法。首先，对机械臂连杆及障碍物进行包络体建模，将避障碰撞检测问题转化为圆柱体与球体、圆柱体与长方体的最短距离求解；其次，提出在机械臂关节空间建立目标点的引力场和斥力场，在笛卡尔空间建立引力场相结合的算法，并采用快速随机搜索树法(RRT)解决传统人工势场法局部极小点的问题；最后，采用MATLAB开展仿真与实验，结果表明该算法规划目标位置平均误差为0.010 m,相较于传统的算法更接近于目标位置，可实现机械臂逃离局部极小点并完成避障路径规划。     

基于人工势场法的移动机器人路径规划研究

基于人工势场法的移动机器人路径规划具有目标不可达、在障碍物前振荡、存在局部极小值等问题。通过分析振荡现象产生的原因以及局部极小值点存在的原因,提出一种基于人工势场模型、采用量子粒子群算法来选择人工势场模型参数的算法,从而克服人工势场法的模型缺陷,实现路径的优化。仿真结果表明,该方法能有效地提高路径规划的性能。     

基于状态转移规则改进蚁群算法的机器人路径规划

针对传统蚁群算法在全局路径规划中存在的收敛速度慢、局部最优解、算法优化能力低、种群多样性与收敛速度相互矛盾4种主要问题进行改进，提出了基于动态更新状态转移规则的蚁群算法。通过人工势场法改进启发函数，提高算法的优化能力；利用伪随机状态策略改进状态转移规则，提高了算法的收敛速度；引入动态信息素更新方式，解决局部最优问题，协调种群多样性与收敛速度的矛盾。利用剪枝法对改进后的路径规划算法进行优化。通过分步仿真、对比仿真的方法证明算法改进过程的合理性，提高了蚁群算法在路径规划中的性能。仿真结果表明，改进后算法的路径长度缩短44.08%,运算时间缩短45.13%,在解决4种问题的同时，有效提升了机器人全局路径的平滑性和安全性。     

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APF-RRT的6R机械臂避障路径规划

针对6R机械臂在复杂环境下进行避障路径规划时成功率低、效率低等问题,提出一种改进人工势场法（APF）与快速扩展随机树法（RRT）的融合算法。对于传统APF目标不可达问题,提出引入斥力调节因子优化斥力函数,使得机械臂靠近目标点时,障碍物对机械臂的斥力逐渐减小并顺利到达目标点;针对传统RRT算法随机性过强问题,提出目标导向策略进行优化,使得采样点有一定的概率向目标点扩展;当APF陷入局部最优时,采用改进RRT算法进行路径规划,当跳出局部最优时,切换为APF继续路径规划。仿真结果表明：改进APF-RRT算法能适应各种复杂环境,且相较于传统APF和RRT算法具有规划时间短、规划成功率高等优点,有效解决了APF目标不可达和局部最小值的问题。最后通过 JAKA 机器人实验平台进行实际环境实验,验证了改进APF-RRT融合算法的可行性。     

基于改进人工势场法的搬运机器人避障算法研究

搬运机器人作为移动机器人中的一种,应用前景十分广泛。基于搬运机器人的避障问题,对人工势场法进行研究,针对人工势场法容易出现的局部极小值问题和目标不可达问题进行分析,通过引入虚拟障碍物模型,较好地解决了人工势场法的局部极小值问题;修改斥力模型修正了目标不可达问题。在MATLAB软件中对改进之后的算法进行仿真,验证了该算法的可行性。     

改进的APF算法在采摘机械手运动规划中的应用

针对六连杆采摘机械手运动规划的实时性，基于传统的人工势场(APF)算法，提出改进的人工势场(IAPF)优化算法。采用初等变换序列方法对机械手进行运动学建模，运用该模型可方便地得到机械手上各点相对于基底坐标系的雅可比矩阵。IAPF算法在APF算法原有的引力势场计算模型的基础上，加入了Sigmoid函数，以使得路径规划算法收敛，在斥力势场中引入了反S的Sigmoid函数，防止出现斥力爆炸现象。IAPF算法避免了传统算法的局部最小缺陷和目标不可达问题，同时有效地减少机械手运动规划的计算时间和关节误差。并通过实验验证了所提优化算法在采摘机械手避障运动规划中的实时性和准确性。     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。     

一种改进灰狼优化算法的移动机器人路径规划方法

针对移动机器人路径规划中存在易陷入局部最优、收敛速度慢、搜索路径消耗成本较大等问题,提出一种改进的灰狼优化算法对移动机器人进行路径规划。建立移动机器人避障路径规划二维空间模型,将灰狼优化算法中的线性收敛因子转变为非线性收敛因子,并将灰狼优化算法与粒子群算法结合,给予Omega狼意识;加入协同量子化优化灰狼群体;采用4类国际测试函数证明了改进算法在收敛精度、稳定性方面更优。将改进算法运用到移动机器人路径规划中,并与粒子群算法、原始灰狼优化算法进行对比,仿真结果验证了该算法的有效性。     

基于改进人工势场法的机械臂路径规划仿真

为解决六自由度机械臂在工作空间中的路径规划问题,提出一种改进的人工势场法与快速随机搜索树(RRT)算法相结合的规划方法。以发那科M-20iA工业机器人作为研究对象,选取其各连杆D-H参数并创建坐标系,分析其正运动学问题。然后采用包围球包络障碍物、圆柱体包围盒包络机械臂,将碰撞问题转化为球心到圆柱体中轴线最短距离的问题。接着改进势场法的势函数,并在机械臂进入局部极小点时改用RRT算法使机械臂跳出该点,之后继续采用势场法规划路径到达目标点。最后在MATLAB中对该改进算法进行仿真,仿真结果证明:该算法可以成功避障,保证机械臂平稳运行至目标处。     

基于模糊算法的水下机器人路径规划研究

针对水下机器人的工作环境的复杂性与不确定性,为了提高自主式水下机器人与外部环境交互及自主航行的能力,结合视线导航原理与模糊控制算法,提出一种未知环境下水下机器人的局部路径规划策略,可实现机器人的实时避障功能。利用测距声呐、短基线系统对环境进行探测,得到一定范围内的障碍物与目标信息,通过模糊控制器实时调整水下机器人的运动偏转角度,有效地避开障碍物,达到预定目标点。最后通过MATLAB进行仿真,构建一个仿真实验平台,交互式设置障碍物的数量、大小、形状、位置等初始信息,机器人运用该算法在多障碍物、不同路障环境下,都能较好地实现机器人避障,验证了算法的有效性。     

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.