基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业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路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

面向电力智能巡检的多机器人系统协同路径规划算法

针对在复杂电力智能巡检任务与环境下,多机器人路径规划算法计算量大、实时性差的问题,提出了面向电力智能巡检的多机器人系统协同路径规划算法。首先结合实际情况,提出了2种不同群体规模下的多机器人系统交通规则法;接着,在所提交通规则法的基础上融入单机器人路径规划算法,提出了多机器人系统协同路径规划算法,且通过加权改进提升其运行效率;最后,通过仿真实验表明了所提2种交通规则以及协同路径规划算法在多机器人系统上应用的可行性和有效性。     

基于层次分析法和改进A*算法的电力应急机器人路径规划

电力应急机器人能够替代人工进入电力危险场景进行应急抢险作业,机器人路径规划的合理性对其作业的时效性与准确性有很大影响。提出一种层次分析法、改进A~*算法和梯度下降法相结合的应急机器人路径规划方法。首先通过层次分析法选定复杂场景中的作业目标,然后结合危险源风险曲线函数和机器人防护阈值对A~*算法的代价函数进行改进,实现注重风险的全局路径规划,再基于梯度下降法完成运动过程中的局部动态路径规划。仿真表明,该方法能够自主选择作业目标,规避作业风险并快速抵达目标,有效提升电力应急作业的时效性和安全性。     

全自主移动机器人在未知环境中的运动规划

针对机器人在未知环境中的运动规划,本文给出了一种基于激光传感器的完备路径规划算法,使机器人可以有效地扫描整个未知环境。使得机器人扫描整个未知环境的行走路径较短,所需的时间也较短。计算机仿真验证了算法的可行性,同时体现了算法的优越性。     

基于改进粒子群算法的电动机器人全局路径规划

二维空间环境下电动机器人使用传统粒子群算法(particle swarm optimization,PSO)规划全局路径容易出现收敛速度慢、路径精度不达标等问题,提出一种基于改进粒子群算法(improved particle swarm optimization,I-PSO)对电动机器人进行全局路径规划。首先使用栅格法对机器人的工作环境建模,将路径长度和碰撞风险作为优化目标,然后使用粒子的适应度差值动态调节算法的惯性权重参数,优化对活动空间的整体或部分区域的探索。在算法中引入一个随机因子,增大粒子的随机性,提升最优解的质量。MATLAB仿真结果表明,与传统的PSO结果对比,提出的IPSO在算法收敛性和鲁棒性上更好,并且规划出的路径长度较短、安全性更高。     

基于凸优化平滑动态窗口法的运动规划方法

针对煤矿井下路面崎岖,传统动态窗口法生成的角速度与线速度序列波动频繁无法控制机器人正常运动的问题,提出 了一种基于凸优化平滑动态窗口法生成的角速度与线速度的运动规划方法。 首先使用动态窗口法生成一组角速度线速度序 列,然后基于此序列构建目标函数利用凸优化求得最优解,达到去除原序列中的噪声的目的,实现对机器人的运动控制,求得的 最优解即为平滑后的角速度线速度序列;最后使用 MATLAB 进行仿真,验证不同地图下凸优化的平滑效果,并且与均值滤波和 VMD 重构信号进行对比。 结果表明,与对比算法相比,凸优化处理后的动态窗口法的角速度和线速度序列平滑效果最好,平均 绝对误差最小为 0. 005 6、0. 001 8,平滑了信号同时又保留了其特征。     

改进型A*算法的可重构机器人路径规划研究

路径规划是保证可重构机器人快速完成任务的关键技术之一。为提高可重构机器人的行驶效率，缩短行驶路径，首先，提出一种基于Bresenham直线算法思想的改进型A*路径规划算法，实现可重构机器人路径点数消减、拐点消除，提高路径平滑度。在此基础上，考虑可重构机器人本身体积以及机器人可重构的特性，建立可重构机器人构型库，讨论了可重构机器人体积与周围障碍物的关系，减少机器人行走过程中与障碍物的碰撞几率。利用MATLAB仿真平台对改进型A*路径规划算法进行仿真实验，验证了算法的有效性，可应用于复杂环境的机器人路径规划；分析了机器人重构后路径规划问题，利用可重构特性可缩短机器人运行路程，体现了可重构机器人的优越性。     

基于人工磁场的防疫机器人路径规划

针对传统人工势场法在防疫机器人路径规划过程中容易陷入局部极小值和目标不可达的问题,提出一种基于人工磁场的路径规划算法。首先,对障碍物周围建立人工磁场,引入洛伦兹力,洛伦兹力与引力保持垂直,避免机器人陷入局部极小值点;其次,在洛伦兹力函数中引入机器人与目标点的距离影响因子,解决目标不可达问题;再次,通过建立目标点与障碍物之间的虚拟直线优化洛伦兹力的方向,避免迂回路径,减少路径规划的步数。最后,在MATLAB环境下对传统人工势场法和人工磁场法进行了仿真实验,实验结果表明,人工磁场法可以克服局部极小值和目标不可达问题,规划的路径对障碍物进行了避障,避免了徘徊振荡的情况出现,提高了路径规划的质量。     

基于量子粒子群算法的工业机器人时间最优轨迹规划

轨迹规划作为机器人控制器的状态流输入,可以使机器人实现期望的作业任务。在轨迹规划中,运动执行受到各种物理约束条件的限制,并且有运动平滑性、效率等各方面要求。在进行机器人轨迹规划时,需要基于多项规划约束条件求出对应优化轨迹。针对这一问题,基于量子粒子群算法,对工业机器人进行时间最优轨迹规划。对运动学建模、轨迹规划原理及相关算法进行了介绍,并进行了仿真分析。仿真结果表明,基于量子粒子群算法进行工业机器人时间最优轨迹规划,可以保证机器人平稳高效地完成任务。     

基于改进离散烟花算法的变电站巡检机器人路径规划研究

变电站巡检机器人的路径规划旨在为机器人在障碍物空间中搜索全局最优路径.全局路径规划研究主要包括环境建模和路径搜索两个子问题.首先在全面分析变电站环境后创建了半拓扑的地图环境模型,然后测试了相关算法的离散优化性能,最后得到了变电站路径规划的仿真测试结果.测试结果证明了基于改进离散烟花算法的路径规划方法的有效性。     

基于运动预测与改进APF的无人机路径规划方法

动态路径规划是保障无人机在复杂干扰环境下飞行安全的关键要素。针对动态路径规划中存在的迭代次数高、收敛速度慢以及动态障碍物避障问题,提出了一种基于障碍物运动预测与改进APF的无人机动态路径规划方法。首先,针对动态障碍物,设计了基于激光雷达的目标检测算法和基于卡尔曼滤波的运动预测算法估计动态障碍物信息,并提出速度方向相似性检测方法进行局部位置脱离决策。其次,针对静态障碍物,引入模拟退火法扰动当前状态,并结合基于目标点的邻域优化函数进行动态路径规划。仿真结果表明,本文算法在应对静态障碍物时可缩短69%动态避障时间,应对动态障碍物时可缩短了19.7%的避障距离与23.6%的任务耗时,提高了无人机任务执行的安全性和效率。     

空间机器人的任务规划和路径规划

本文给出我们开发的自主式空间机器人系统的结构,具体阐述了该系统的任务规划和路径规划的原理。在任务规划中,系统能够理解任务,并能分解任务在分解任务的过程中,系统对各状态进行碰 稳定性检查,形成较优化的基本动作序列,在路径规划中,通过划分状态空间,构造特征网,在特征网中搜索路径是到机器人运动的无碰路径,本系统通过任务规划和路径规划,实现了把随意摆放的规则物体搭成目标结构的操作。     

基于目标向量的非全向测距机器人路径规划

设计了以DSP TMS320F28335为核心的非全向测距室内移动机器人,通过DSP控制超声波传感器阵列来获取障碍物信息。并且基于此机器人系统,提出一种基于目标向量的路径规划算法,该算法不仅融合了TangentBug算法机器人行为简单、全局收敛的特点,又解决了TangentBug算法仅能应用于全向测距质点机器人的问题。实验结果表明,在该算法下,机器人能够在多种类、多障碍的位置环境下有效避开障碍物,到达定目标点。     

基于改进遗传算法的变电站巡检机器人路径规划

变电站巡检机器人的路径规划是一个复杂的组合优化问题。与经典的TSP问题不同,变电站巡检线路中各坐标之间并不具备完全的连通性,传统的优化方法难以解决此类问题。为此,文中提出一种改进遗传算法用于巡检路径规划,采用拓扑图对机器人工作环境进行建模,然后采用特殊的交叉算子、自适应变异算子和淘汰算子,对每一代被淘汰的个体进行逆转变异并将产生的新个体重新加入种群,随迭代次数调整变异概率,从而对连续的规划空间直接进行寻优。仿真结果表明,该算法在巡检机器人路径规划中与模拟退火算法、传统遗传算法和基于个体相似度改进的自适应遗传算法(ISAGA)相比,得到的路径平均长度分别缩短了4.9%、8.3%和3.1%,并且具有更好的收敛性和稳定性,在实际的巡检任务中能够起到更好的效果。     

改进QPSO和Morphin算法下移动机器人混合路径规划

为了提高机器人在复杂环境下路径规划的能力,提出了一种基于改进量子粒子群优化算法(QPSO)和Morphin算法的混合路径规划方法。利用栅格地图建立环境模型并确定起始点和目标点,通过引入自适应局部搜索策略和交叉操作对QPSO进行改进规划出一条最优的全局路径,机器人根据全局路径行走,当发现未知静态或动态障碍物立即调用Morphin算法进行局部路径规划,避开障碍物后回到原全局路径上继续行走至目标点。该混合路径规划方法的有效性和可行性通过Matlab仿真和实际应用得到很好地验证。     

对特高压变电站巡检机器人路径规划改进蚁群算法的研究

针对当前变电站巡检机器人路径规划算法存在的规划和适应性较弱等问题,在特高压变电站巡检机器人系统结构的基础上,提出了一种结合蚁群优化算法和人工势场算法的特高压变电站路径规划方法。将蚁群算法的传统单向搜索改进为双向搜索,在启发因子中加入人工势场力的合成方向,并对转移概率进行改进。通过栅格法构建特高压变电站仿真环境,进一步验证了所提规划方法的优越性。仿真结果表明,改进算法具有显著改善迭代次数和最小路径的效果,20×20栅格环境迭代15次收敛到长度26的最优路径,30×30栅格环境迭代70次收敛到长度43的最优路径。     

双机器人协调跟踪复杂边缘的运动规划

研究了双机器人协调跟踪平面复杂边缘任务中所涉及的运动规划问题。提出了一种简单、可行的双机器人笛卡儿空间内的协调任务分解策略。根据该策略,在一般笛卡儿空间内分析了双机器人的位置约束关系、提出了平面复杂曲线的基于曲线极大值的分段跟踪算法、对双机器人进行了关节空间的摆线轨迹规划。以正弦曲线为跟踪实例,通过仿真实验验证了分段跟踪算法的正确性。     

基于粗糙集与遗传算法的机器人喷枪路径规划方法

为提高喷涂机器人喷枪路径的快速性和准确性,提出一种基于粗糙集和遗传算法的喷涂机器人喷枪路径规划方法。首先用粗糙集理论对初始决策表进行约简获得最小决策表,并从中提取最小规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优喷涂路径。对某品牌汽车车身后盖为喷涂对象进行试验仿真,结果验证所提算法在喷涂机器人喷枪路径规划速度上具有优势。     

机器人吸尘器环境建模与路径规划研究综述

介绍了人工智能在机器人吸尘器的环境建模和路径规划的主要方法.详细解析每种算法的特点.并结合实例,根据吸尘器用传感器不确定性的特点,提出了基于信息理论的路径规划方法,给出了研究结果.旨在帮助自主吸尘器研究人员学习环境建模和路径规划的主要算法.     

基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。