基于改进的生物激励神经网络机器人路径规划算法

针对传统生物激励神经网络（BINN）在点对点全局路径规划中存在的路径偏离和路径非最优问题,提出了基于路径修正和无障碍理想路径制导的生物激励神经网络算法。路径规划的初始阶段,通过判断起始单元外部激励输入和起始单元活性值大小决定是否触发路径生成策略,从而实现初始路径修正;在生成下一位置单元的算法中结合无障碍理想路径的导向,引入实际路径单元与无障碍理想路径单元间的理想路径接近率使路径神经元活性值增大,从而实现路径优化。在静态复杂环境下,分别以三种算法进行了对比实验。实验结果表明,改进后的路径规划算法相比传统生物激励神经网络算法和基于目标制导的生物激励算法,不仅解决了路径规划初始阶段的路径偏离问题,而且使路径长度和路径转折次数更低,效率更高。     

改进的生物激励神经网络的机器人路径规划

介绍了基于生物激励神经网络的移动机器人路径规划。机器人的路径生成过程是由神经网络组成动态变化的神经元活性值状态路线图实现的。通过神经元活性值的传播,机器人被吸引到目标点,而同时障碍物使自己处在活性值最低点,起到推开机器人避碰的目的。仿真研究表明该方法生成的由起始点到目标点的路径是连续的、平滑的、避障的,不会陷入U形障碍物,与障碍物形状和所处位置无关,能对快速变化的环境做出迅速反应。但在当前位置邻近位置中具有最大活性值的位置不惟一的情况下,产生路径可能不理想,即到达目标点的避障路径是较长的,而不是最短或者是接近最短的。文中对该不足进行了分析,并提出了改进方法,使生成路径是最短的或是接近最短。对改进方法进行了仿真,实验结果证明该方法是有效的和可行的。     

改进的生物激励神经网络的机器人路径规划

介绍了基于生物激励神经网络的移动机器人路径规划。机器人的路径生成过程是由神经网络组成动态变化的冲经元活性值状态路线图实现的。通过神经元活性值的传播，机器人被吸引到目标点，而同时障碍物使自己处在活性值最低点，起到推开机器人避碰的目的。仿真研究表明该方法生成的由起始点到目标点的路径是连续的、平滑的．避障的，不会陷入U形障碍物，与障碍物形状和所处位置无关，能对快速变化的环境做出迅速反应。但在当前位置邻近位置中具有最大活性值的位置不惟一的情况下，产生路径可能不理想，即到达目标点的避障路径是较长的，而不是最短或者是接近最短的。文中对该不足进行了分析，并提出了改进方法，使生成路径是最短的或是接近最短。对改进方法进行了仿真，实验结果证明该方法是有效的和可行的。     

冗余机器人的双向自运动路径规划

冗余机器人的自运动路径规划是在保持手端任务向量不变的情况下,在关节空间内寻找一条连接机器人初始关节构形和期望关节构型的几何路径.本文给出一种双向自运动路径规划算法,其基本思想是使位于初始关节构形的真实机器人和位于期望关节构形的虚拟机器人在自运动流形上运动并收敛到同一关节构形,从而得到一条连接初始和期望关节构形的自运动几何路径.该算法克服了以往算法容易陷入局部极小构形的缺陷.仿真结果证实了算法的有效性.     

基于内螺旋搜索的生物激励遍历路径规划算法

针对传统生物激励神经网络遍历路径规划的重复覆盖率高和子区域间路径不是最优的问题,提出了基于内螺旋搜索的生物激励遍历路径规划方法.方法 在未知水下环境信息的情况下通过生物激励神经网络算法完成水下地图环境建模与路径规划,在分割出子区域后通过内螺旋算法占主导完成子区域遍历,避免神经元活性值相同引起重复覆盖,子区域间通过A*算法实现最优路径规划.仿真结果表明,相较原方法,上述方法生成的路径分别在重复覆盖率、运行时间、路径长度指标上均有较大提升.     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

喷涂机器人矩形喷枪建模分析与迷彩图案全覆盖路径规划

针对喷涂机器人迷彩涂装作业过程中边缘混色、圆弧过渡和无法实现多色精细化喷涂的问题,设计了一种具有直角边界、可防过喷的矩形喷枪,建立其涂料沉积模型。喷枪性能实验结果表明,改进后的矩形喷枪涂层厚度均匀,满足数码迷彩喷涂工艺需求。其次,采用角点检测算法提取数码迷彩图案角点坐标,同时以角点坐标为基础,建立数码迷彩图案的平面栅格地图。然后,提出改进的生物激励神经网络（BINN）方法,引入融合数码迷彩喷涂工艺的机器人移动规则,将神经元活性传播方向限定为互相正交的4个方向,以缩小神经元动态激励场景范围,降低其计算复杂度。最后,采用基于矩阵变换的方法,将2维路径映射至车辆模型表面,生成3维迷彩喷涂路径。通过仿真与数码迷彩喷涂实验验证了所提方法的有效性,降低了生物激励神经网络的计算复杂度,解决了机器人喷涂过程中油漆过喷与数码迷彩喷涂路径难以规划的问题。     

基于足球机器人个性的自组织路径规划研究

路径规划技术是足球机器人技术研究中的一个重要领域。本文针对足球机器人个性的自组织路径规划研究,模仿生物系统对多机器人系统提出了个性的概念,并且提出了多机器人系统个性演化的方式和数学表达。最后运用这种控制方式进行了仿真实验,验证了这种控制方式确实具有自组织的能力。     

基于改进生物激励神经网络算法的多移动机器人协同变电站巡检作业

针对大型变电站巡检作业效率低的问题,利用改进的生物激励神经网络算法和优先级启发式算法,结合基于变切线长的无障碍物区域分割法,提出一种多移动机器人协同全区域覆盖巡检以及多任务点协同巡检的方法.首先,分析生物激励神经网络算法的不足,如规划的路径曲折、转角大等问题,并提出一种改进方法,利用改进的算法和Hungarian算法实...     

机器人路径规划

本文实现了一个基本的机器人规划系统。它能自动生成一系列避免与障碍物发生碰撞的机器人动作轨迹。其视觉子系统可获取环境知识。算法对可能引起碰撞的障碍物进行从直角坐标空间到机器人关节坐标空间的转换。并采用分级式方式对自由空间进行先“粗”后“细”的两级描述。合理的数据结构既减少了存储量又给出了充分的启发信息。在此基础上又采用了先“全局”后“局部”的两级路径优化,从而能以较快速度决策出一能避免碰撞且运行时间短的优化路径。实验表明,该系统可在一般 PC 机上实现。     

机器人三维空间无碰撞路径规划

本文介绍了机器人操作手在三维空间中的一个路径规划系统。它通过对三维环境障碍物进行两次投影,从而把复杂的三维规划问题简化为在二继投影面上进行规划。并根据机器人的几种典型姿态,设计了一种路径搜索算法,使得系统以局域搜索的代价,得到全局较优的规划路径。系统在MicroVAXⅡ上运行,达到了实时速度。     

一种用于机器人路径规划的新方法

本文讨论了一种用于二维空间中无碰路径搜索的新方法——自由三角形法。这里障碍物被抽象成封闭的几何图形(含凹域),且限制在一个矩形区域内,矩形域内障碍物以外的部分称为自由空间,自由空间被分割成三角形的集合,路径搜索就是在此基础上实现的。自由三角形法是机器人学中有关路径求解问题的一种新方法。     

基于体液免疫的机器人路径规划免疫算法

依据生物免疫中体液免疫原理,提出一种新的移动机器人路径规划免疫算法。针对机器人在已知环境下的运行特性,对其设计路径光滑性指标及依据神经网络设计碰撞行为评价指标,将路径规划问题转化为非约束优化,进而结合体液免疫应答机制,获得路径规划新方法。该算法的特点是具有并行及快速搜索的能力,对机器人初始路径无任何约束。对各种难易不同的初始和目标位置,均能保证获无碰最优路径。仿真事例获知此算法的有效性。     

基于反馈神经网络的财务服务机器人研究

为提高财务的智能化水平,提出一种基于反馈神经网络的财务服务机器人.为实现该机器人,首先从功能和用户的角度搭建系统整体框架;其次,从驱动、传感器、底层控制等部分对系统硬件进行设计,从数据转发、云服务器和人机交互部分完成系统软件设计;结合机器人运动学原理,通过反馈神经网络实现机器人手臂的控制,最后通过仿真对上述方案进行验证...     

核化的自联想反馈神经网络

将M ercer的核思想与自联想反馈神经网络的理论相结合,提出了核化的自联想反馈神经网络KARN,它是对多值自联想反馈神经网络M REM的有效扩展.实验结果证明,相对于自联想反馈神经网络,核化的自联想反馈神经网络的主要优势在于有效扩大了网络的容量.     

面向群组机器人自组装的Voronoi图边界求交细分路径规划方法

自组装是群组机器人实现各种目标配置的有效途径,群组路径规划是群组机器人自组装实现的关键问题所在.本文在CVT算法基础上提出了一种基于Voronoi图边界求交细分的VBIT算法.首先根据群组机器人成员位置绘制相应Voronoi图,然后利用匈牙利算法为机器人与目标地分配对应关系,通过将机器人与目标地连线和机器人所在单元的交点作为下一次机器人移动起始点,多次迭代后达到目标配置.实验结果证明在自组装的精度、耗时、适用性方面比现有算法更优.     

基于神经网络的机器人路径规划算法

机器人路径规划技术是机器人研究的一个重要领域.针对未知的全局环境,使机器路径最优化,利用机器人传感器网络建立可视区域,将整体任务分解为环境信息已知的一系列子任务,利用神经网络高速并行计算的优点,建立神经网络罚函数,提出一种实时性较高的变参数方法离散化求取罚函数的负梯度方向,控制机器人快速高效地完成子任务,从而驱使机器人到达目标点并进行仿真.仿真结果证明了复杂环境静态和动态目标指引下方法的有效性和实用性,特别适用于实时性要求高的场合.     

基于神经网络和遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法.用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数.通过仿真实验表明该方法具有较高的实时性和有效性.     

机器人路径规划方法综述

路径规划技术是机器人控制技术研究中的一个重要问题,目前为止,其研究方法主要有两大类传统方法和智能方法.综述了有关机器人路径规划技术的研究方法,介绍了自由空间法等传统方法,同时讨论了基于遗传算法、模糊控制和神经网络等智能方法的路径规划技术,并展望了机器人路径规划技术的未来与发展趋势.     

一种车型机器人路径规划方法

在自主移动机器人的许多应用中,路径规划技术顺序地设置一套分散的路径点来引导机器人以最短的时间从起始位置到达目标点。针对移动机器人路径规划问题,提出了一种非完整型机器人路径规划技术,该技术采用基本原子操纵方法来解决车型机器人路径规划问题,并采用平滑路径规划方法来产生更多的连续路径用以解决基本原子操纵技术在做路径规划时具有很不连续的缺点从而为机器人获得最优路径。仿真结果证明了该方法的有效性和实用性。