改进的多移动机器人混合编队方法

随着机器人系统的不断发展和进步,多移动机器人的协调得到了广泛的应用,其中对机器人的编队控制的研究得到了普遍的关注。本文笔者从多移动机器人的发展着手,对各种多移动机器人的混合编队方法进行了分析,最终探讨了利用PSO算法对多移动机器人的混合编队进行改进,目的是为多移动机器人的编队提供指导和借鉴,进而推动机器人的进一步发展。     

基于改进免疫遗传优化蚁群算法的移动机器人路径寻优研究

针对移动机器人路径规划中使用蚁群算法(ACO)易陷入局部最优和收敛速度慢的问题,提出了一种适用于机器人静态路径寻优的改进免疫遗传优化蚁群算法(IMGAC)。该算法可以根据实际情况自动调整变异概率和变异方式,以及自动调节个体免疫位的长度,将通过改进的变异算子和免疫算子嵌入蚁群算法来提高全局寻优能力与收敛速度。仿真及实验表明:相比于经典ACO算法以及最大最小蚂蚁系统,IMGAC算法收敛速度更快,全局寻优能力更强。利用该算法寻找移动机器人最优路径,提高了静态路径寻优的效果和效率。     

面向大型机场草坪的割草机器人路径规划及轨迹跟踪控制研究

为了提高割草机器人的工作效率及环境适应能力,基于移动机器人平台设计了一种既受遥控操作又能自主运行的适用于大型机场草坪作业的割草机器人。首先,运用高精度差分GPS（global positioning system,全球定位系统）采集机场草坪边界和障碍物的位置信息,根据采集的信息将机场草坪分为最少数目的凸多边形工作区域;考虑到割草机器人无法原地无半径转弯,在传统迂回式路径规划算法的基础上提出一种往返直线型路径规划算法,并在凸多边形路径规划区内推导出遍历路径的显示方程表达式。其次,运用高精度差分GPS测得割草机器人实际轨迹并与规划轨迹对比,设计了一种区间判断型轨迹纠偏算法;以执行电机的PID（proportion integration differentiation,比例积分微分）控制和区间判断型轨迹纠偏算法构造割草机器人双闭环轨迹跟踪控制器,对按传统迂回式路径和往返直线型路径行进的割草机器人进行轨迹跟踪仿真分析。最后,以自制的割草机器人为例,按往返直线型路径运行方式进行样机实验。仿真结果发现：当割草机器人跟踪当前路径到达终点后会自动调头跟踪下一条路径,验证了轨迹跟踪算法的稳定性;传统迂回式路径运行方式下割草机器人的漏割率较高,达到46.42%,而往返直线型路径运行方式下其漏割率为7.15%,明显优于传统迂回式路径仿真结果。样机实验测得的漏割率为8.89%,与仿真实验结果一致,表明所设计的轨迹跟踪算法对大型机场草坪作业割草机器人是适用的。研究结果可为大型机场草坪割草机器人的开发提供理论指导。     

基于改进蚁群算法的码垛机器人路径规划应用研究

目的为解决蚁群算法在码垛机器人路径规划中存在的收敛速度慢、容易陷入局部最优等问题,提出一种人工势场和蚁群算法相结合的方法。方法首先,根据码垛机器人机械手在人工势场中不同节点所受到的合力,对初始信息素进行不均匀分布,以解决蚁群算法初期由于缺乏信息素导致的无效路径搜索。其次,在启发函数的设计中引入码垛机器人机械手在下一节点所受到的合力,以解决蚁群算法容易陷入局部最优的问题。最后,对信息素的更新策略进行改进。按照寻得路径的长度不同,对每次迭代完成后信息素的增量成比例进行更新,并设置最大、最小值,以解决迭代后期路径上信息素过大而使蚁群算法陷入局部最优的问题。结果改进后的蚁群算法收敛速度提升了约51%,寻找到的最短路径提升了约10%。和其他改进的蚁群算法相比,在综合性能上也有一定程度上的提高。结论改进后的蚁群算法收敛更快,寻找的最优路径更短。     

一种新型包装码垛机器人路径规划方法

目的为了提高码垛机器人的工作效率,减小能量损耗,优化机器人末端抓手的工作轨迹。方法建立机器人路径规划的数学模型,在此基础上对传统的蚁群算法进行改进,将环境中局部的机器人路径信息引入蚁群信息素的初始化和路径选择概率中,提高蚁群算法的收敛速度,并防止算法早熟,避免算法陷入局部最优。结果仿真结果表明,改进后的蚁群算法收敛速度更快,能够在较短时间内规划出最佳路径。结论所提方法能够明显提高码垛机器人最佳路径搜索能力,对于提升机器人运行效率具有重要指导意义。     

基于烟花混合蚁群的移动机器人路径规划研究

目的 以应用于包装车间的移动机器人的路径规划作为研究对象,解决蚁群算法收敛速度慢、寻找到的路径不优等缺陷。方法 引入改进烟花和蚁群融合的方法进行搜索,首先建立移动机器人的栅格地图,其次采用改进烟花算法进行路径粗搜索,将得到的路径作为信息素增量,再运用蚁群细搜索求解。结果 文中方法与传统方法相比,收敛速度得到提高,并寻找到了更优的路径。结论 通过采用融合算法,弥补了烟花寻优的不足,加快了蚁群的收敛,可以对2种算法互相取长补短。     

用于移动机器人路径规划的曲线轨迹算法

针对移动机器人路径规划方法--人工势场法在相近障碍物之间不能发现路径的局限性,经改进,提出了一种圆弧路径算法.该改进算法从轨迹方程的角度出发,将移动机器人的路径以规则曲线的形式进行规划,确定路径方程,并以圆的曲线方程来表示,以求便于计算,同时综合考虑了路径规划的实时性和最短路径,从而可得出最优路径.构建了三维激光扫描系...     

基于支持向量机和改进蚁群算法的移动机器人路径规划

针对传统蚁群算法(ACO)收敛速度慢、全局搜索能力不佳、易陷入局部最优、路径不光滑及不安全等缺点,本文提出一种将改进的蚁群算法和非线性支持向量机(SVM)结合的移动机器人路径规划算法。对传统蚁群算法引入两个角度信息,增加算法的朝向性,克服局部最优问题;信息素挥发因子随迭代次数自适应调整,加快全局搜索能力和收敛速度。在此基础上结合高斯径向基核最小二乘支持向量机,采用提出的改进蚁群算法获得支持向量机的惩罚系数和核函数宽度,利用径向基核函数和决策函数在改进蚁群算法的路径转向位置处训练优化,得到平滑及安全的路径。仿真结果表明,提出的算法不但可以有效提高收敛速度和精度,而且使得路径光滑且安全。     

基于曲率控制的球形移动机器人路径跟踪

基于曲率的控制方法,对非完整约束条件下的欠驱动球形机器人进行了路径跟踪问题的研究.建立了非完整约束条件下具有正交的两输入球形机器人的运动学和动力学模型,并通过输入变换得到一个两输入的二阶系统.基于非线性滑模控制方法分别设计了横向姿态控制器和纵向速度控制器.提出了一种曲率控制器,实现了球形机器人的路径跟踪.仿真和实验结果表明,系统的运动状态能够收敛到期望的邻域内,验证了控制方法的有效性.     

基于HCGA的三坐标测量路径优化

针对传统遗传算法(GA)进行三坐标测量路径优化时收敛速度慢且过早收敛的问题,提出基于爬山遗传算法(HCGA)的三坐标测量路径优化方法。根据三坐标测量路径优化的数学模型,构造适合于测量路径优化问题的遗传编码、初始种群、选择、交叉、变异等参数,通过增加爬山操作,加快GA的迭代收敛速度。仿真实验结果表明,基于HCGA的三坐标测量路径优化方法能有效提高局部寻优能力与收敛速度,可获得很好的最优解并提高了测量效率。     

基于双向同步A*算法的AGV路径规划仿真研究

目的解决A*算法在搜寻过程中查询的节点非常多、耗时较多等问题。方法通过对传统A*算法进行改进,得到改进双向同步A*算法,使算法从起点和终点同时搜索路径,并且对启发函数进行改进。为验证改进算法效果,以仓储AGV为例进行二维与三维仿真。结果改进双向同步A*算法在不同的地图下,耗时分别减少了39.1%,34.3%,34.6%,搜索节点最多减少了140,路径长度基本一致。结论改进双向同步A*算法较传统A*算法能够更加高效地规划出最优路径,兼顾路径最优和出行复杂度低,提高了检索效率,能够有效解决查询节点多、耗时多等问题。     

障碍环境下空间机器人路径规划算法及仿真

推导了旋量表示的空间机器人数学模型。采用改进的势场法对障碍环境下空间机器人的路径规划问题进行了研究，并对已知障碍环境下三自由度空间机器人的避碰规划问题进行了仿真研究。     

基于改进蚁群算法的高精度水声定位航路规划

精确的水声定位是进行海洋资源勘探、海底管道敷设、海洋地形测绘等海洋开发活动的前提。其中一类典型的定位目标是可发射周期声信号的固定信标。文章利用单个自主式水下航行器(Autonomous Underwater Vehicle,AUV)对该类目标进行定位,其中一个关键问题是 AUV 的航路规划。传统的航路规划方法通常研究避障和路径长度最优化,未考虑定位问题的特殊性,而最终的定位精度是与航路息息相关的。因此,传统的航路规划方法容易导致所规划航路的定位精度较差。针对这一问题,文章在传统蚁群算法的基础上,首先引入 Bresenham 画圆算法规划圆形航路,保持定位目标处于 AUV 舷侧声呐视野范围内,避免信号缺失;同时在信息素设计中加入了定位精度因子,使得所规划的航路能充分考虑到定位精度。仿真实验表明,文中所提出的方法可以在传统航路规划避障能力、路径长度优化能力的基础上兼顾定位任务,提高针对声信标类目标的定位精度及定位鲁棒性。     

基于Dijkstra-蚁群算法的泊车系统路径规划研究

针对智能停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于Dijkstra-蚁群算法(Dijkstra-ACO)的泊车系统路径规划方法.首先利用链接可视图法建立环境模型,并在此环境模型下,采用Dijkstra算法规划出AGV的初始路径;其次,通过引入节点随机选择机制、调整信息素更新方式和限定信息素阈值策略等对基本蚁群算法进行优化改进;最后,选用改进的蚁群算法对初始路径进行优化.结果显示:Dijkstra算法和混合算法均能使AGV有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与Dijkstra算法相比,混合算法能有效提高路径搜索效率,缩短搜索路径长度,改善搜索路径质量,表明该算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划的要求.     

基于TLP模型的智能AGV三维实时路径规划研究

目的为了更好地规划出最优可行路径。方法采用三层规划模型(TLP)改进的三维实时路径规划算法,首先从AGV的控制性能入手,基于现实场景的多重约束设定威胁等级函数,利用TLP和改进RRT优化算法规划出更加平滑的最优路径。结果目标函数及TLP的决策变量可以确保AGV准确到达目标位置。结论实验结果表明,所提算法具有更好的效率与效果。