利用改进微粒群算法优化PID参数

提出一种利用改进微粒群算法优化PID参数的方法。微粒群算法(PSO)是一种随机全局优化技术，算法通过微粒间的相互作用发现复杂搜索空间中的最优区域，算法简单、容易实现且功能强大。将PSO算法加以改进并应用在PID控制器的参数优化，经仿真证明了PSO算法的有效性，其性能优于遗传算法和传统的经验公式。     

基于PSO蛇形机器人CPG控制模型参数的优化

针对蛇形机器人链式CPG(central pattern generator)复杂模型,提出了采用粒子群算法(particle swarm optimization)优化CPG控制模型参数,用来解决CPG参数整定效率低、效果不理想的问题,然后结合Webots机器人仿真软件,实现了PSO算法优化蛇形机器人CPG控制模型参数。最后利用Webots仿真软件,通过实验仿真与遗传算法的结果相对比,证实了PSO算法的优越性,为蛇形机器人的运动步态转换提供好的基础。     

改进的多移动机器人混合编队方法

在复杂环境下,针对Leader-Follower法和基于行为法相结合的多机器人混合编队方法配置参数难的问题,引入粒子群优化(PSO)算法,对5种行为参数进行在线优化,进而改进了传统的混合编队方法,使多机器人编队效果更优。同时通过仿真实验结果验证了所提出算法的可行性,且达到了实验预期的优化效果。     

基于改进粒子群算法的PID参数优化方法研究

针对标准粒子群算法的一些缺点进行了改进，提出了MWPSO优化算法，即Multi-Weight PSO。将MWPSO优化算法用几个标准测试函数进行测试，结果表明该算法优化结果的指标参数比标准PSO算法有所提高。在此基础上，用MWPSO优化算法对PID控制中的参数进行优化并将结果与遗传算法的结果进行比较，优化结果在保证PID控制稳定性基础上提高了PID控制的精度，且编码简单、易于实现。具有较好的应用前景。     

一种改进的双转式永磁无刷直流电动机PSO优化控制方法

研究了使用改进的PSO(Particle swarm optimization,粒子群优化)算法与PID控制器相结合实现对双转式永磁无刷直流电动机(PMBLDCM)进行控制的方法;针对传统PID调节器控制精度不高和鲁棒性差的缺点,提出了一种结合PSO优化算法和传统PID控制的新控制器;首先建立PMBLDCM的动力学模型,通过引入改进的PSO优化算法,提出了一种使用PSO优化PID控制器参数的模型,并定义了使用PSO优化PID控制器3个比例参数的具体算法;最后,使用Matlab/Simulink对PMBLDCM控制实例进行了仿真;空载和负载两种情况下的仿真结果表明:新的控制方法克服了PID控制器的不足,具有控制精度高、响应速度快、速度跟随准确等优点。     

水下机器人参数辨识的量子粒子群算法

水下机器人动力学模型参数辨识是水下机器人运动状态控制、路径跟踪、状态监测、故障诊断及容错系统开发的基础,是水下机器人研究的核心内容之一.针对Falcon开架缆控水下机器人的动力学模型,将量子粒子群优化算法引入到水下机器人动力学模型参数辨识之中,提出基于量子粒子群优化算法(Quantum-behaved PSO,QPSO)的水下机器人动力学模型参数辨识,并将其辨识结果与粒子群优化算法(Particle Swarm Optimization,PSO)及遗传算法(GA)的辨识结果进行比较.仿真结果表明应用QPSO算法的参数辨识结果明显优于其它对比方法,说明了算法的有效性与合理性.     

基于PSO的空间机械臂轨迹规划技术研究

研究机器人的机械臂轨迹优化问题,空间机器人系统的机械臂和基座之间存在动力学耦合,基座姿态稳定性容易受到机械臂运动的反作用干扰.为了使空间机器人系统的姿态稳定性不受的影响,提出了一种基于PSO(粒子群优化算法)的参数化5-3-5轨迹规划方法.利用PSO的优化能力找到合适的参数组合,进行关节空间轨迹规划.通过对比实验,运用动力学仿真对方法的有效性进行了验证.仿真结果表明,方法规划出的轨迹运动光滑,且按段轨迹运动机械臂对基座姿态的扰动符合预期要求,证明规划轨迹的有效性.     

基于量子微粒群算法的发酵过程模型参数估计

量子微粒群优化算法(QPSO)是一种改进的微粒群优化算法(PSO),克服了PSO算法搜索空间有限和易陷入局部极值的不足,同时该算法具有参数少、易实现、收敛速度快等优点.应用量子微粒群优化算法,以谷氨酸发酵过程产物(谷氨酸)浓度数据为检验样本,以Verhulst方程为菌体生长模型,进行发酵模型参数估计.实验结果表明,基于QPSO算法的参数估计方法具有精度高、编程实现简单、计算量小等优点.     

电液伺服系统多PID控制器参数整定优化

为了解决挖掘机器人动臂、斗杆和铲斗不同电液伺服系统中多个比例–积分–微分(PID)控制器参数优化的难题, 提高挖掘机器人铲斗齿尖轨迹跟踪精度, 采用改进的粒子群算法(PSO)对多PID控制器参数进行整定优化. 首先, 建立电液伺服系统的数学机理模型, 在理论模型的基础上, 采用递推最小二乘辨识法(RLS)得到实际的机理模型. 其次, 提出一种改进的PSO算法, 采用非线性自适应惯性权重、引入异步变化策略、设计精英变异方法. 接着, 搭建仿真验证平台, 跟踪正弦轨迹, 比较传统Z-N参数整定方法、基本PSO算法和改进PSO算法的差别. 最后, 以挖掘机 器人最常见的整平为代表工况, 基于23 t挖掘机器人实验平台进行实验验证. 实验结果表明, 改进PSO算法的跟踪精度最高, 与基本PSO算法相比, 明显提高了轨迹跟踪精度     

微粒群优化算法

介绍了微粒群优化（PSO）算法的原理、算法流程、算法参数及其对算法性能的影响．讨论了各种改进的PSO算法．分析了多相微粒群优化算法（MPPSO）的原理、算法方程、算法参数及其对算法性能的影响．最后归纳了PSO算法的应用概况，并就PSO算法进一步的研究工作进行了探讨和展望．     

基于改进人工势场法的移动机器人导航控制

传统人工势场法在移动机器人导航过程中存在局部极小值,障碍物周围震荡等问题。针对采用传统人工势场法实现移动机器人导航过程中存在的问题,本文引入旋转力改进人工势场法,同时运用细菌觅食混合粒子群算法（BF-PSO）对移动机器人导航过程中的控制器参数及势场函数增益系数进行离线优化。运用优化参数进行基于改进人工势场法的移动机器人导航的仿真,仿真结果表明BF-PSO算法对移动机器人导航具有较好的优化效果。     

基于接触时间的移动机器人安全导航

自主移动机器人在动态未知环境中导航存在安全隐患。为了提高导航安全性,提出一种基于接触时间的导航环境表示方法,即接触时间空间。将接触时间作为导航环境中危险评价指标,利用线速度和角速度计算机器人与障碍物之间任意两点接触时间,通过算法将导航过程中的构型空间映射为接触时间空间。将接触时间空间应用于经典行为动力学导航方法,与经典行为动力学导航方法和结合速度障碍物的行为动力学的导航方法仿真对比,结果表明接触时间空间可以提高自主移动机器人的导航安全性。     

Navigation integration of a mobile robot in dynamic environments

This article presents a design and experimental study of navigation integration of an intelligent mobile robot in dynamic environments. The proposed integration architecture is based on the virtual‐force concept, by which each navigation resource is assumed to exert a virtual force on the robot. The resultant force determines how the robot will move. Reactive behavior and proactive planning can both be handled in a simple and uniform manner using the proposed integration method. A real‐time motion predictor is employed to enable the mobile robot to deal in advance with moving obstacles. A grid map is maintained using on‐line sensory data for global path planning, and a bidirectional algorithm is proposed for planning the shortest path for the robot by using updated grid‐map information. Therefore, the mobile robot has the capacity to both learn and adapt to variations. To implement the whole navigation system efficiently, a blackboard model is used to coordinate the computation on board the vehicle. Simulation and experimental results are presented to verify the proposed design and demonstrate smooth navigation behavior of the intelligent mobile robot in dynamic environments. ©1999 John Wiley & Sons, Inc.     

一种基于人机交互的移动机器人反应式导航方法

针对未知环境中移动机器人的自主导航问题,提出了一种基于人机交互的反应式导航方法。在采用模糊逻辑实现机器人基本智能行为的基础上,利用基于优先级和有限状态机的混合行为协调方法建立"环境刺激-反应"机制,提高机器人的局部自主能力。提出将"人刺激-反应"机制引入机器人系统,提高机器人系统对环境的理解与决策能力。在不同环境模型中利用提出的方法对移向指定目标的机器人自主导航进行了仿真,仿真结果验证了该方法的有效性。     

基于虚拟子目标的移动机器人主动寻径导航

纯粹的反应式导航算法有时会出现“没有远见现象”,为此设计了一种基于行为和虚拟路径子目标的 移动机器人主动寻径导航策略．该策略首先在机器人的局部探测域内运用改进的可视点寻径法寻找最优虚拟子目 标,接着使用行为决策树实现快速的行为决策．机器人将如人类寻路一样,主动地灵巧绕过障碍物,基于圆弧轨迹 的运动方式使之能以平滑的路径到达目标．仿真结果验证了本策略的可行性和有效性．     

基于改进粒子群算法的移动机器人路径规划

为了提高复杂环境下移动机器人的精准导航作用,提出了移动机器人路径规划的改进粒子群优化(PSO)算法,即利用粒子个体极值的加权平均值,同时加入惯性权重.建立了移动机器人工作环境的栅格模型,利用Matlab软件进行移动机器人路径规划仿真分析.仿真结果表明:改进后的粒子群算法容易使粒子移动到最佳位置,加强了全局寻优能力,在复杂环境中搜索路径性能优于传统算法.     

在未知环境中基于模糊逻辑的移动机器人行为控制

本文介绍了一种在未知环境中基于模糊逻辑的移动机器人行为控制方法．传统的行为控制方法存在两个弱点：①行为不易描述；②多个行为之间的冲突和竞争难以协调．这篇文章的主要思想是将模糊逻辑控制与行为控制相结合致使这两个问题得到有效的解决．仿真实验结果表明：所提的方法通过多个行为如避障边沿行走和目标导向的融合，能够有效地对机器人在复杂和未知环境中导航．另外，该方法还适用于多传感器的融合与集成．     

A 3-level autonomous mobile robot navigation system designed by using reasoning/search approaches

This paper describes how soft computing methodologies such as fuzzy logic, genetic algorithms and the Dempster–Shafer theory of evidence can be applied in a mobile robot navigation system. The navigation system that is considered has three navigation subsystems. The lower-level subsystem deals with the control of linear and angular volocities using a multivariable PI controller described with a full matrix. The position control of the mobile robot is at a medium level and is nonlinear. The nonlinear control design is implemented by a backstepping algorithm whose parameters are adjusted by a genetic algorithm. We propose a new extension of the controller mentioned, in order to rapidly decrease the control torques needed to achieve the desired position and orientation of the mobile robot. The high-level subsystem uses fuzzy logic and the Dempster–Shafer evidence theory to design a fusion of sensor data, map building, and path planning tasks. The fuzzy/evidence navigation based on the building of a local map, represented as an occupancy grid, with the time update is proven to be suitable for real-time applications. The path planning algorithm is based on a modified potential field method. In this algorithm, the fuzzy rules for selecting the relevant obstacles for robot motion are introduced. Also, suitable steps are taken to pull the robot out of the local minima. Particular attention is paid to detection of the robot’s trapped state and its avoidance. One of the main issues in this paper is to reduce the complexity of planning algorithms and minimize the cost of the search. The performance of the proposed system is investigated using a dynamic model of a mobile robot. Simulation results show a good quality of position tracking capabilities and obstacle avoidance behavior of the mobile robot.     

基于人工神经元网络的移动机器人导航研究

本文采用人工神经元网络模型，提出了一个基于行为的移动机人导航方法，并在仿真实验系统上进行了实验研究，取得了令人满意的结果，这是一种前有前途的导航方法。     

未知环境下机器人路径规划的粒子群优化

研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的基于粒子群算法的滚动规划算法。该方法在机器人视野域内产生若干个同心圆进行环境建模,然后利用粒子群优化算法规划出一条导航路径,机器人每前进一步,都由粒子群优化算法重新规划导航路径,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径接近终点。仿真实验结果表明,即使在障碍物非常复杂的地理环境,用该算法也能迅速规划出一条优化路径,且能安全避碰,效果令人满意。