基于改进RRT算法的套管柔性针运动规划

运动规划是运动控制的基础,然而套管柔性针穿刺软组织的运动规划问题面临着巨大的挑战:一方面由于套管柔性针的运动是个非完整约束运动,另一方面要求套管柔性针绕过人体的某些生理结构障碍和敏感组织准确穿刺靶点。基于分析现有运动规划算法存在的不足,提出基于改进的快速探索随机树(RRT)的套管柔性针运动规划算法。提出贪婪启发策略并结合可达引导策略来改进传统RRT算法;引入直线段路径,采用直线、曲线结合的路径形式;同时考虑入射姿态的规划。基于套管柔性针的运动学模型,分别在二维和三维有障碍环境下进行仿真研究。结果表明,所提出的运动规划算法不论是在运算速度和收敛性上还是在路径形式和搜索的鲁棒性上都优于目前普遍采用的运动规划算法。这些优势为将来的实时运动规划奠定基础。最后对规划的路径进行了穿刺实验,结果证明实验路径与规划路径十分吻合,验证了所提出的路径规划算法的正确性和规划路径的可行性。     

基于改进 RRT ∗ 算法的智能轮椅全局路径规划研究

现实环境中智能轮椅大多数处在复杂场景下工作,其自主导航时对路径安全性等要求较高。 渐进最优随机搜索树 RRT ∗ 算法 基本满足移动机器人最优路径规划,但由于智能轮椅本体较大,容易与环境较近接触,因此可对环境模型进行膨胀并定义不同搜索步 长,使其规划出的路径远离障碍物。 其次为保证用户在使用智能轮椅导航时能够获得更高的舒适性,更高效的到达目的地,而借用启 发式约束采样思想和人工势场中引力场思想修剪此算法规划时的冗余节点,从而减小系统运行内存,随后结合轮椅的最小转弯半径, 提出最小段路径曲率约束策略和三次 B 样条曲线算法对路径进行平滑处理,使其更加适合轮椅行驶。 最终在 MATLAB 和 Gazebo 仿真 平台对改进前后算法对比实验,并将本文算法应用与智能轮椅实体上,试验结果表明,该算法能够有效解决智能轮椅全局路径规划问 题,能够明显提升全局路径规划效率,具有一定安全性,可为其移动机器人领域提供有效参考。     

复杂环境下的装配路径求解与优化

针对三维复杂环境下的装配路径规划问题,运用栅格法建立了规划空间模型,基于蚁群算法求解出了一条避开障碍物的初始路径;对求解得到的装配初始路径,提出采用二分法插值优化方法缩短装配路径长度,在规划过程中采用目标零件与障碍物的轴向包围盒进行避障。对装配路径的求解及优化进行了实例测试,获得了一条无碰撞的最短的平滑路径,验证了算法的有效性和可行性。     

复杂环境下磁弹性微型游泳机器人的路径规划与识别跟踪

磁弹性材料设计的毫米级微型游泳机器人可通过外部均匀磁场实现连续形变来完成游泳动作,通过视觉反馈能提高机器人的路径跟随精度,但在复杂背景下机器人的视觉闭环控制易发生识别错误、跟踪失败等现象。针对上述问题,首先获取复杂环境下的障碍物信息,提出改进RRT*算法(IIC-RRT*)进行路径规划,同时基于环形平滑标签的YOLOv5识别跟踪算法(CSL-YOLOv5),在复杂背景下对微型游泳机器人的中心位置与旋转角度进行实时更新。在此基础上进行微型游泳机器人在障碍物复杂背景下的位置与角度的双闭环伺服控制,试验结果表明,提出的路径规划算法改善了路径生成的效率与平滑性,识别跟踪算法提高了微型游泳机器人的识别稳定性与精确性,为磁控微型游泳机器人在复杂背景下的精确控制提供了新思路。     

基于改进RRT的核退役机器人避障方法

核退役机器人工作过程中,传统快速扩展随机树(Rapidly-exploring Random Tree,RRT)路径规划算法缺乏导向性,路径规划效率低,避障能力弱;为此,提出改进RRT路径规划算法,以提高作业效率和准确率.首先,引入目标偏置函数,并提出自适应步长,使RRT路径规划具有导向性,避免陷入局部最优;其次,采用...     

工业机器人圆周铺料路径规划研究

针对工业机器人圆周铺料作业需求,研究了现有的避障路径规划方法。分析了末端操作手在凹形障碍物中的自由运动空间,改进了A*算法的估价函数,设计了关于姿态角的估计路径耗费,并将估价函数引入RRT算法中,同时提出了基于RRT思想的A*算法。最后,通过仿真实验验证了改进后算法的可行性,并对比了各算法的执行效率。     

交互式虚拟装配路径规划及优选方法研究

给出了虚拟装配环境下基于人机交互的装配路径规划方法，根据实际需要提出了针对交互式虚拟装配路径规划方法的装配路径优选算法，优选算法基于虚拟装配路径节点投影，能够有效消除由于虚拟装配环境下触觉缺失而造成的路径抖动以及折返现象。实例验证以及实验结果表明，交互式虚拟装配路径规划及优选方法有效可行，能够满足虚拟装配系统的需要。     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

基于MILP的AUV实时优化行为方法研究

针对自主水下机器人(Autonomous Underwater Vehicles,AUV)复杂动态环境下的实时局部路径规划的问题,采用了在全局坐标系下基于混合整数线性规划(Mixed Integer Linear Programming,MILP)的最优轨迹产生方法。在全局坐标系下,把复杂动态环境下AUV路径规划这一非线性问题,描述成满足一组线性约束同时使目标函数极小的线性规划问题,嵌入基于MILP的规划器,从而得到一条满足性能要求的最优路径。该方法充分考虑了障碍物、目标、本体动力学以及传感器的约束,并结合实际AUV动力学模型进行优化,半物理仿真实验结果验证了该方法的合理有效性。     

一种考虑安全的移动机器人矢量场路径规划算法

提出了一种考虑安全的移动机器人矢量场路径规划算法,环境的矢量场模型体现了路径对安全的不同要求。通过调节模型参数可以规划得到安全和长度两个标准下的满意路径,此路径既不会太接近障碍,也不会太长。所提出模型计算简单,计算量与运动空间障碍的个数成正比。算法鲁棒性强,除了固定环境,还适合用来进行动态环境下的路径规划。仿真结果验证了算法的有效性。     

局部环境增量采样的服务机器人路径规划

针对室内服务机器人在未知动态环境中工作时的功能需求,提出了一种局部环境增量采样的路径规划算法。该方法首先依据当前环境构建基于障碍物碰撞风险的评估概率;然后在搜索树扩展的过程中,设计了结合碰撞风险评估概率和欧氏距离的代价函数,避免了每次扩展时新节点和潜在扩展边的碰撞检测,提高了算法效率;同时,搜索树扩展借鉴了快速随机扩展图算法的扩展方式,实现在当前搜索树结构下的最优扩展;另外,提供了算法的性能分析。最后,仿真及实验结果表明该方法具有良好的规划性能,需要较少的计算时间和平均迭代次数,能够满足室内服务机器人实时路径规划的工作需求。     

Development of an intelligent agent-based AGV controller for a flexible manufacturing system

Automated guided vehicles (AGVs) are the most flexible means to transport materials among workstations of a flexible manufacturing system. Complex issues associated with the design of AGV control of these systems are conflict-free shortest path, minimum time motion planning and deadlock avoidance. This research presents an intelligent agent-based framework to overcome the inefficacies associated with the aforementioned issues. Proposed approach describes the operational control of AGVs by integrating different activities such as path generation, journey time enumeration, collision and deadlock identification, waiting node location and its time estimation, and decision making on the selection of the conflict-free shortest feasible path. It represents efficient algorithms and rules associated with each agent for finding the conflict-free minimum time motion planning of AGVs, which are needed to navigate unidirectional and bidirectional flow path network. A collaborative architecture of AGV agent and its different modules are also presented. Three complex experimental scenarios are simulated to test the robustness of the proposed approach. It is shown that the proposed agent-based controller is capable of generating optimal, collision- and deadlock-free path with less computational efforts.     

基于设计意图的一体化智能装配建模与序列规划技术研究

装配建模和序列规划是数字化装配的重要组成部分,但设计意图（Design intent,DI）的丢失致使其相互割裂、智能化水平低。针对前期发现的"装配建模和序列规划一体化完成"的可能性,研究基于DI的一体化智能化装配建模和序列规划方法。分析前期基于交互特征偶（Interaction feature pair, IFP）的智能装配建模方法的局限及其原因,明确一体化智能装配建模和序列规划的总体方案;设计零件初步序列规划算法、复合IFP （Complex IFP, C-IFP）构造算法、零件预装配算法和C-IFP实例化算法,以及相关功能类,从而增强零件的"感知"能力,提升了装配建模和序列规划的智能化水平,并基于DI的一致性传递,实现了两个环节的相互促进、一体融合。通过简化的机械臂实例验证方法的可行性。该方法对于打破渐趋固化的串行数字化装配模式、丰富并发展数字化装配理论和技术体系具有积极意义。     

基于递归循环的层次化爆炸图自动生成方法

提出以递归循环和深度优先搜索层次化装配序列的策略自动生成复杂产品层次化爆炸图的方法。为使设计结构符合装配规划的要求,设计了可方便定义子装配体和编辑装配树的装配结构重构功能。为避免重复的干涉检测,研究干涉矩阵合成方法,通过对原始装配关系信息的整合,柔性化生成面向层次化结构的装配关系矩阵。为降低大规模序列规划问题的复杂性,将整体规划任务分解为若干个及若干层级子任务,子任务内采用多规则筛选算法,以基于干涉矩阵的几何可行性为前提,并行性、连续性、稳定性和方向性等为优化筛选指标,循环构建序列。提出递归爆炸算法,循环对层次化装配序列进行深度优先搜索,实时计算已爆炸零部件的累积包围盒,从而确定待爆炸零件位移矢量,自动生成间隔均匀有序、结构紧凑且空间层次感强的爆炸图。开发了基于Siemens NX的装配规划系统Auto Assem,以减速器及汽车部件实例验证了方法的有效性。     

Subassembly identification for assembly sequence planning

Assembly sequence planning is a typical of NP-complete problem which will spend a large amount of computation time or disk memory once the assembly becomes complex. The complex product or assembly is composed of many parts and the number of assembly relationships between them is numerous. To decrease the difficulty of assembly sequence planning of complex products, the subassembly identification methods are focused on. It aims to decompose a complex assembly into a limitative number of subassemblies. Each subassembly contains a relatively smaller number of parts and the assembly sequence planning tasks of them can be handled efficiently. The subassembly identification methods for assembly sequence planning are summarized with respect to assembly constraints. The assembly constraints including the topological, geometrical, and process constraints are considered and merged into the assembly models for subassembly identification. The assembly models are generally represented as directed or undirected assembly diagrams including these considered constraints. It is generally taken as the input information to generate appropriate subassemblies complying with the requirements. The graph theories and graph search algorithms, integer programming methods and the emerging techniques, such as the knowledge-based methods, the intelligent algorithms and the virtual technology, etc. are advocated to resolve the subassembly identification problem with respect to the assembly models. The hierarchical assembly tree is widely used to represent the results of subassembly identification. These useful methods are not only used to subassembly identification for assembly sequence planning, but also successfully referred to by product disassembly.     

基于稀疏节点快速扩展随机树的移动机械臂运动规划

针对传统移动机械臂运动规划未考虑停靠误差、规划效率低等问题,提出一种基于稀疏节点快速扩展随机树的移动机械臂运动规划方法。研究了停靠误差对移动机械臂运动规划的影响,制定了基于坐标转换的误差补偿措施。针对快速扩展随机树算法在局部空间中过度搜索的问题,改进回归过滤机制,避免了节点重复扩展。考虑边界节点的有效性,提出了随机点边界扩展机制以缩短碰撞检测时间。实验结果表明所提方法提高了运动规划效率。     

基于典型栅格地图的代价地图改进方法

针对具有多种路况的复杂环境,提出了一种基于栅格地图的代价地图构建方法。改进方法分别从移动机器人可通过安全性和可通过消耗性2方面对普通的布尔栅格地图进行改进。首先,建立以机器人与障碍物距离为变量的递减代价函数和以不同路况能耗占比为变量的代价函数;然后,根据2种代价函数确定每个栅格的代价值;最后,将生成的2种代价地图融合,得到改进地图。以A*算法为例,修改其估值函数以适应新的地图,通过仿真实验对比传统地图和改进地图下的路径规划情况。实验结果表明,相对于传统的栅格地图,改进地图下规划出的路径始终保持着距离障碍物的安全距离,并且对不同价值的道路进行了选择与规避,有效地保证了移动机器人在运动过程中的安全性,并且根据实际情况考虑了能耗代价改变了路径选择,实现了多路况复杂环境下的路径规划,验证了地图改进方法的可行性。     

未知环境中基于强化学习的移动机器人路径规划

为解决未知环境中移动机器人的自适应路径规划问题,提出了一种基于Q学习算法的自主学习方法。首先设计了未知环境中基于传感器信息的移动机器人自主路径规划的学习框架,并建立了学习算法中各要素的数学模型;然后利用模糊逻辑方法解决了连续状态空间的泛化问题,有效地降低了Q值表的维数,加快了算法的学习速度;最后在不同障碍环境中对基于Q学习算法的自主学习方法进行了仿真实验,仿真实验中移动机器人通过自主学习较好地完成了自适应路径规划。研究结果证明了该自主学习方法的有效性。     

复杂产品装配实例表示技术研究

不合理的设计和装配规划会延长装配时间,为此,提出了基于分解树的装配实例表示方法,给出了基于分解树的装配结构表示和装配规划方案表示。采用邻接矩阵存储装配方案,分析了基于邻接矩阵的装配实例存储方法的4个特点,并给出了有效验证的实例。     

Efficient method of assembly sequence planning based on GAAA and optimizing by assembly path feedback for complex product

In the process of complex product assembly, assembly resources (fixtures, tools, operations, and so on) must enter assembly environment with parts together to rapidly finish product assembly. Assembly planning must take assembly resources into account fully. But, designer cannot plan every assembly procedure because of the lack of assembly resources during assembly design. Then, it will cause assembly failures and redesign for assembly easily. This paper investigates an efficient method of assembly sequence planning based on genetic algorithm and ants algorithm (GAAA) and optimizing by assembly path feedback to assembly process planning including assembly resources for complex products. Firstly, a new GAAA is investigated to rapidly plan assembly sequence in order to solve the nondeterministic polynomial-bounded problem in high searching and solving efficiency. Secondly, on the basis of the assembly sequence, a B-Rep filling algorithm which can form a swept volume between the part and its kinetic orientation is developed to plan assembly path interactively. Thirdly, the performance of the assembly path according to the assembly sequence is analyzed and sent back to avoid the most of assembly collisions and interventions during product assembly design. Lastly, we develop a simulating system to simulate assembly sequence and path based on component application architecture for CATIA V5. The simulating result proved that the proposed method of assembly sequence planning based on GAAA and optimizing by assembly path feedback for complex products is efficient. Assembly optimal design including assembly resources can work well.