基于遗传算法的焊接机器人三维路径规划研究

针对汽车焊接机器人路径规划不合理的问题,采利用遗传算法针对三维路径规划问题提出了相应的遗传编码方法,构造了相应的遗传算子,为焊接机器人三维路径的规划问题提出了一条新的发展路径。     

吸尘机器人的路径规划算法

为了完成整个房间的清扫工作,一种合理的路径规划方法是必须的。本文提出了一种基于传感器信息的吸尘机器人的路径规划算法。在环境未知的条件下,这种算法比较简单,清扫的效率也比较高,而且具有自动检测障碍物,自主避障的功能。     

基于自主视觉足球机器人路径规划的研究

根据自主视觉的足球机器人路径规划的特点，对其在未知动态环境下的路径规划进行了研究，对足球机器人全局定位的信息融合方法、在信息不完全或不确定的情况下对移动机器人的局部路径规划方法进行了探讨，提出了一种利用不确定的位置信息对机器人和目标进行全局定位的位置规划方法。实验证明该方法使机器人的路径规划具有更大的灵活性、快速性，使机器人控制系统具有更好的鲁棒性。     

高尔夫收球机器人路径规划研究

机器人的路径规划问题一直是机器人研究的核心内容之一。在路径规划问题中,一般需要按照某一评价标准(如最短路径长度和最短行进时间等)来规划一条路径。提出一个能使工作效率(单位时间工作量)最高的评价标准,并将其应用于高尔夫捡球机器人的路径规划。基于该标准,并结合场地的特性和动态规划方法中的2个经典问题(01背包问题和数字金字塔问题),提出一个新的机器人路径规划算法。该算法按照一定的条件枚举多种可行的方案,通过计算最大单次工作量和路径长度得到每种方案的效率值,最后选择效率值最高的方案作为最优方案。     

基于蚁群算法AS-R移动式机器人路径规划的研究

蚂蚁算法是—种新的仿生优化方法。它吸收了昆虫中蚂蚁的行为特性,通过其内在的搜索机制,在一系列组合优化问题求解中进行寻优。本文提出了一种适用于移动式机器人路径规划的蚁群优化方法,该方法在移动式机器人执行任务时可以在避开障碍的情况下,以最短路径到达目标点。实验研究证明了该方法的可行性和优越性。     

基于UG/OPEN GRIP的机器人堆焊路径规划

通过UniGraphics二次开发平台UG/OPEN GRIP实现切片和路径规划算法,完成UG模型的切片、路径规划的自动生成.对机器人代码生成系统进行了介绍,并将RP技术与熔焊技术相结合,利用UG二次开发对三维实体进行直接适应性切片,提高了切片的速度,克服了传统切片方法由于采用三角形面片逼近三维物体模型所引起的精度不高的问题.另外,针对不同的零件类型采取不同的路径规划方法,形成连续运动路径,从而不同程度地提高了成型效率和零件的成形质量.     

基于遗传算法的喷涂机器人喷枪路径规划

根据复杂曲面的几何特性和拓扑结构,对曲面进行分片处理,在每一片上进行喷涂机器人喷枪路径的规划。将整个曲面上的喷枪路径顺序组合问题看成乡村邮递员问题（ORPP）,并采用哈密尔顿图形法表示ORPP,用遗传算法进行求解。个体编码采用代表哈密尔顿图中顶点的实数编码和代表每片上路径方向的编码相结合的方法,可实现对问题空间的全局快速寻优。最后以某品牌汽车车身后盖为喷涂对象进行仿真实验,实验结果验证了所提算法的有效性     

基于校园园区的送货机器人全局路径规划

由于城市配送发展水平的滞后,快递行业“最后一公里”问题成为整个商品供应链条中矛盾比较突出的环节,开展对自主送货机器人路径规划技术的研究可解决当前快递行业所面临的困难。以某大学校园作为全局路径规划的试验场地,该园区道路的几何特征较为明显,采用拓扑法建模可以对园区的道路特点进行充分利用;考虑到送货机器人需要对多个目标点进行配送,选取了模拟退火算法对基于校园园区建立的电子地图进行多目标点的全局路径规划,为自主送货机器人在封闭园区内进行配送的实现提供了理论依据。     

基于蚁群算法的机器人路径规划研究

蚁群算法是一种全局智能仿生算法,具有较强的鲁棒性和环境适应性,在栅格化环境下适用于机器人路径规划,但会带来搜索出的路径拐弯过多、运动延时、移动累计误差增大和产生额外机械磨损等问题。为解决上述问题,提出了路径平滑处理策略,对蚁群算法每次迭代出的最短路径进行了平滑处理,针对每次迭代搜索出的最短路径栅格节点集合,在不妨碍机器人运动的前提下,拉直移动路径或减缓拐弯角度,从而避免不必要的急拐弯。仿真结果表明,加入平滑处理策略后的蚁群算法能够达到有效减少移动路径长度、降低转弯次数、缩短运动时间的目的。     

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。     

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。     

基于改进神经网络的移动机器人路径规划方法

通过分析基于神经网络的移动机器人路径规划的优缺点,指出该算法存在搜索区域过大,搜索具有盲目性,效率不高的问题和不足.针对此问题提出了3种优化该算法的方法:通过BP反向学习算法优化神经网络连接权值,来学习外部环境;采用组合光学探测器减小模拟退火算法搜索区域;陷入局部极小值时采用后退策略,跳出局部极小值.最后通过仿真实验具体实现了这两种算法,通过对比两种算法的有效性和收敛性,后一种算法较前一种有较大提高,证明了此算法应用到全局移动机器人路径规划中的有效性和正确性.     

基于遗传算法的行为控制在机器人路径规划中的应用

对于机器人在动态环境下要达到的目标以及根据周围环境进行实时的避障问题,提出了基于遗传算法的行为控制的路径规划方法.用行为来描述机器人在达到目标点时所要执行的任务,再用遗传算法对机器人的行为控制参数进行优化,适应度函数是由路径最短和能够动态避障的评价函数进行加权求和来确定.并以足球机器人为实验平台,通过仿真实验证明了该方法的可行性.     

基于模糊逻辑的机器人非标定视觉路径规划

本文提出了一种基于模糊控制的对含不确定性的移动机器人的非标定视觉伺服路径规划控制方法。本方案将摄像机固定于移动机器人工作区域内,运用摄像机针孔模型设计了一种新的非标定机器人视觉伺服路径跟踪系统,在此系统下运用模糊控制理论设计了模糊控制器,在视觉伺服系统参数未标定的前提下完成了对含不确定性参数的移动机器人视觉伺服路径规划。仿真实验证实控制效果良好。     

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。