基于实际意义误差函数的机器人避碰模糊神经网络算法

目前,移动机器人的路径规划算法可以归纳为两种主要类型,即环境信息预先知道的路径规划与不确定环境的路径规划。完整的信息只适用于静态环境,在这种情况下,路径是离线规划的。在环境不确定的情况下,路径必须在线规划,其中还包含一在线避障算法。目前基本的避障算法有3种：     

基于BP神经网络的移动机器人路径规划

对BP神经网络算法进行了改进,克服了直接使用神经网络算法进行路径规划的不足之处。仿真表明,设计了附加动量项的BP神经网络,能有效地提高算法的收敛速度。最后在MAT-LAB中给出了在有静止和运动障碍物的动态环境中路径规划仿真结果,结果表明此方法是可行的。     

基于粒子群径向基函数网络的矿井救援机器人局部路径规划研究

提出了基于粒子群径向基函数网络的矿井救援机器人局部路径规划研究。利用算法模拟矿井复杂环境对救援机器人进行训练,调整权值,从而得到最优解,同时利用确定性局部规划算法来优化粒子群算法,使其对局部的处理更加合理。研究表明,该算法规避了最小二乘法容易陷入局部极小值的问题,且能用非常快的速度去逼近最优解,对结果的优化更加合理,实用性更好,准确性更高。     

基于机器视觉的井下搜救机器人路径规划

针对井下复杂矿难环境,传统方法建立环境地图需要大量信息,处理复杂搜索问题,提出基于机器视觉建立环境地图。算法从帧差背景中获取环境障碍物位置信息,依据机器人加速鲁棒特征定位,离散建模运动空间。实验仿真表明,通过自动机演化规则实现细胞状态分析,可实现任意起点到终点的最优路径搜索。     

基于改进遗传算法的矿山救援机器人路径规划

针对矿山救援机器人路径规划要求,采用拓扑图法对矿山环境建模,提出一种改进遗传算法,该算法在保留遗传算法高效的全局搜索能力的同时,兼具模拟退火算法良好的局部搜索能力。利用深度优先搜索优化初始种群,提高搜索效率;引入编辑距离对交叉、变异的父代进行近亲筛选,避免近亲繁殖产生的子代与父代表现相似;引入进化逆转操作,使用退火算子对种群进行更新,在不流失最优基因的基础上进一步提高算法跳出局部最优的能力。利用MATLAB进行仿真,验证算法能够高效寻得最优救援路径。     

基于模糊控制算法的矿山爆破机器人路径规划

针对矿山爆破机器人工作环境的复杂性和不确定性,为提高其在这种挑战性环境中的自主操作性和安全性,结合视觉导航原理和模糊控制算法提出一种未知环境下的局部路径规划策略。该策略充分利用机器人搭载的摄像头和激光雷达进行环境探测,实时获取障碍物和目标信息,通过模糊控制器调整机器人的运动偏转角度及步长,从而有效地避开障碍物并到达预定目标点。仿真结果表明,该策略不但能使机器人以最优的路径到达目标点,而且显著降低了机器人在多障碍物环境下发生碰撞的风险,提高了矿山爆破机器人的工作效率和安全性。     

未知环境下基于传感器的救援机器人路径规划

研究了未知环境下救援机器人的路径规划问题,提出了一种新的基于传感器的路径规划方法。该方法所规划出来的路径是全局指导下的局部最优路径,传感器的探测距离越远,规划的结果越接近全局最优解。仿真分析证明了该方法是可行的,并且规划时间短,具有较好的实时性和环境适应性。     

基于共轭梯度和粒子群的机器人路径规划

为了提高井下救灾机器人的搜救效率,减少救援时间,提出了一种结合共轭梯度和粒子群算法的救灾机器人路径规划算法CGPSO。共轭梯度算法规划出起点到终点的最短路径;去除路径中在障碍物内的点,采用粒子群算法重新规划该子路径。仿真实验表明该算法可以有效地提高粒子群的规划效率和可靠性。     

基于人工鱼群算法的煤矿救援机器人路径规划

根据煤矿救援环境特点,采用人工鱼群算法对救援路径进行规划,在二维平面内建立环境模型,并采用威胁区域距离检测的方式处理优化约束条件。对不同数目参考点选取进行对比研究,增加参考点数目,路径长度增加,算法复杂程度提高,迭代时间延长,算法性能下降;参考点过少会导致路径规划成功率降低。仿真结果表明,设置合理的参考点数目,人工鱼群算法能在较短的迭代时间内成功规划得到最优路径。     

基于蜂群算法的煤矿救灾机器人全局路径规划

研究了一种基于人工蜂群算法的煤矿救灾机器人全局路径规划算法。该算法首先进行环境建模,然后根据环境信息特点,巧妙结合人工蜂群算法获得机器人全局优化路径。该路径规划方法具有建模方便、算法简单以及不局限于障碍物的形状等特点。实验证明,本算法可以快速有效地规划出一条全局较优化路径,是解决全局环境已知情况下机器人路径规划的一种有效方法。     

基于改进蚁群算法的变电站巡检 机器人路径规划研究

以提升机器人在巡检变电站时的工作效率,节省巡检时间消耗,设计了改进蚁群算法的变电站巡检机器人路径规划方法。利用栅格法构建变电站机器人巡检路径地图,使用二值表示障碍区域,在经典蚁群算法中引入方向夹角启发因子,提升路径搜索的导向性与搜索速度,使用拉普拉斯概率分布作为信息素挥发因子自适应策略,提升蚁群算法的收敛速度,以实际变电站作为研究对象,结果表明,改进蚁群算法的巡检路径寻优效果和规划速度优于同类路径规划方法,获得了理想的路径规划效果。     

基于分段自适应鱼群算法的煤矿救援机器人路径规划

针对基本人工鱼群算法全局最优解精度不高,后期收敛效率降低等问题,笔者设计了人工鱼的视野与步长分段自适应策略用以改进基鱼群算法。根据煤矿救援环境的特点,在二维平面内建立环境模型,采用威胁区域距离检测的方式处理优化约束条件,并将改进后的鱼群算法应用于煤矿救援机器人路径规划。仿真结果表明,分段自适应鱼群算法性能明显优于基本鱼群算法。     

智能选矿摇床巡检机器人的路径规划

选矿摇床是一种重要的重力选矿设备,已有百年的发展历史,它是钨、锡等矿选矿的关键设备,在工业中获广泛应用。但是,目前摇床的生产操作基本还是依赖人工来完成,摇床的自动化和智能化是目前急需解决的问题。针对选矿摇床生产的智能化问题,基于团队开发的摇床智能巡检机器人,采用改进的遗传算法对摇床生产巡检机器人的全局路径进行规划,并用带栅格地图的A*算法解决了巡检机器人的局部路径规划问题。     

基于模糊神经网络的风机故障诊断

风机是企业安全生产的关键设备,探讨有效的故障诊断方法有着实际意义。将故障树和模糊神经网络相结合,利用故障树信息和专家经验知识提取神经网络的训练数据,并应用在风机故障诊断中,实例证明此方法较其他分析方法更简明、有效。     

基于BP神经网络的机器人转角测量

以AS-UII机器人为研究对象,提出了一种间接测量机器人转角的方法。该方法利用BP神经网络建立模型,以多组电机速度、运行时间为样本,解决了机器人转角与电机速度、运行时间的关系问题。实验证明,该方法是有效可行的。因此,可以根据电机速度、运行时间来间接确定机器人的转角,为机器人的路径规划提供角度参数。     

基于模糊神经网络火灾报警系统设计

介绍了基于模糊神经网络智能火灾报警系统,在系统中应用了模糊控制理论既提高了系统的精度又最大限度地减少了系统的误报率,解决了火灾报警系统中长期存在的问题。结合具有自学习功能的神经网络算法,提高了系统的智能化程度,是现代智能控制理论在消防自动化系统中的应用。     

矿山应急救援机器人全局路径规划的研究

针对矿山灾后的非结构化的特殊环境,基于栅格法的环境建模和基于改进的概率路径搜索算法,提出了一种矿山应急救援机器人全局路径规划的方法,实现了矿山应急救援机器人的自主避障和路径选择。仿真结果表明,全局路径规划的方法的精度满足应急救援机器人的需求,减小了在全局路径规划中的误差,提高了应急救援机器人的应急抢险能力。     

煤矿救援机器人路径规划的蚁群优化算法

煤矿救援机器人执行救援任务时,需躲避水、火、障碍物等危险区域,提升了路径规划的难度,为此提出了煤矿救援机器人路径规划的蚁群优化算法。充分考虑煤矿救援机器人运行过程中的水、火、障碍物等分布,采用栅格法建立机器人路径规划的环境模型,确定栅格环境模型内机器人路径规划问题的目标函数,采用蚁群优化算法求解机器人路径规划问题的目标函数,通过改进信息素规则、限制信息素阈值以及改进转移概率3个方面优化蚁群算法,避免蚁群算法求解全局最优解时陷入局部最优。实例分析结果表明,该算法在满足收敛速度条件下有效规划煤矿救援机器人行驶路径,所规划路径的路径长度、转角数量以及危险度均为最优,为机器人安全作业提供理论依据。     

基于模糊神经网络的提升机故障诊断系统

将模糊理论和神经网络结合起来,建立了提升机模糊神经网络故障诊断模型,并利用模糊神经网络建立了提升机运行常见故障的专家诊断知识库,对系统常见运行中超速过卷和加减速度大两种故障的智能诊断进行了仿真.仿真及试验结果表明,该系统能满足实际要求.     

基于模糊神经网络的刮板输送机故障诊断

对刮板输送机常见故障类型进行总结与分类,介绍基于模糊神经网络的故障诊断流程,分析刮板输送机故障的影响因素,建立基于模糊神经网络的刮板输送机故障诊断模型,研究模糊聚类的依据以及RBF神经网络的学习流程。为了验证基于模糊神经网络故障模型的有效性,以刮板输送机减速器的诊断过程为例,采用MATLAB进行仿真,仿真结果表明,基于模糊神经网络的故障诊断结果与实际情况一致,相比传统RBF神经网络,迭代次数更少,性能更优。