交互式拆卸引导装配路径规划方法研究

在分析研究虚拟装配中的装配路径生成办法的基础上,根据实际需要提出了以交互式拆卸引导的装配路径规划方法的装配路径规划优化算法.算法主要通过人机交互的方式,记录零部件在拆卸过程中不同状态下每一步关键点的位置姿态信息.根据装配过程是拆卸过程反演的原则,通过“拆卸引导”形成零部件的装配路径,经过多次人机交互调试最终实现装配的最优路径.该算法的目的是生成无碰撞、无干涉的优化装配路径,从而实现虚拟环境中零部件更快捷、有效地装配.     

飞机部件装配的路径规划算法研究与实现

同装配对象特殊、过程复杂,必须采用特殊的装配工艺方案。虚拟装配技术为飞机装配提供了可行的思路。装配路径规划是虚拟装配技术中的关键技术,是目前国内外相关领域研究的热点。本文在虚拟装配环境下飞机装配特点的讨论基础上,提出了一种基于装配体配合关系描述的装配路径规划算法,并在ＣＡＴＩＡ平台上进行了设计实现。     

面向产品装配序列规划的智能优化算法库

针对复杂产品装配规划的组合爆炸和盲目搜索难题,以及单个智能优化算法各自存在的缺点,提出一种用装配序列智能优化算法库解决装配序列规划问题的方法.装配序列规划智能优化算法库主要由算法顾问和算法池构成,算法顾问依据装配规划问题的描述、算法可量化性能的主要参考指标和经验公式,向装配规划人员推荐解决规划任务的最合适算法;算法池包括改进的遗传算法、蚁群算法和模拟退火算法等3种智能优化算法.建立了统一的装配序列规划优化模型和智能算法评价指标体系,并给出了装配序列规划智能优化算法库的具体操作流程.最后结合瓶塞开启机实例,验证了该算法库为装配规划人员推荐的智能优化算法是合理的.     

基于约束的装配体技术

本文首先给出了装配体的数学模型与表示模型。系统采用二叉树来表示一个装配体，接着提出了基于约束表示的装配体位置关系的描述方法，约束通过转化以方程的形式求解，并对Ｎｅｗｔｏｎ迭代法提出了改进算法。     

融合改进A*与DWA算法的机器人动态路径规划

传统A*算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A*与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A*算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A*算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A*与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。     

面向智能制造的在线通用虚拟装配系统

针对智能制造领域存在的虚拟装配系统通用性不足的问题,提出一种在线通用虚拟装配系统。该系统在传统虚拟装配方法的基础上研发了针对复杂层次化模型的通用装配算法,结合装配管理数据库自由规划装配序列,基于客户端网站实现在线虚拟装配,用户可自主上传三维模型数据并进行可视化装配逻辑设计,利用云服务器端的高计算性能和渲染性能降低客户端硬件要求,便于系统统一维护和更新,具有便捷性、灵活性、易推广的特点。以飞机、航空发动机、汽车发动机三种模型为例对系统的可行性进行检验,并且,以飞机虚拟装配为例,对系统的交互性能进行测试。实验结果表明,对于不同机械产品,系统具有通用性,其中,以飞机为例的130 s装配时段中,人机交互的每帧间隔时间最大为10.9 ms,最小为6.8 ms,平均间隔时间为8.79 ms,人机交互性能良好,能够满足用户交互需求。     

装配仿真关键技术的研究和实现

装配顺序规划和装配路径规划 ,是进行模型预装配的两项关键技术。本文提出了实施装配顺序规划的优先关系约束半角矩阵法 ,并利用Pro/TOOLKIT提供的动画功能 ,基于Pro/E建立了一种装配仿真系统。该系统能够形象、直观地进行产品预装配 ,验证和改进产品的装配工艺。     

虚拟装配中面贴合感知构造研究

人机交互是虚拟装配的一个重要特性和瓶颈技术，基于碰撞检测的交互无法满足桌面虚拟装配的实时需要，让虚拟环境感知复杂对象关系是解决人机交互问题的一条重要途径，提出了面贴合感知的实现机制，面贴合的感知模式和相应的感知算法，基于面贴合感知的人机交互摆脱了虚拟装配基于碰撞检测的交互模式，从而避免了碰撞检测算法的复杂度，实验证明面贴合感知增强了虚拟环境对装配过程中人的交互意图的理解，同时有效地保证了交互的实时性，是虚拟装配人机交互的有效手段。     

基于离散时间最优控制的航空发动机装配序列规划

为实现航空发动机维修差错的控制,采用基于优先约束关系的装配子网对发动机部件装配序列建模.在给定的装配评价准则下,将装配序列规划问题转化为最优变迁激发序列问题.引入离散时间的Pontryagin最小值原理(DTPMP),将极小化哈密顿函数这一全局优化的必要条件作为求解零部件装配序列的启发信息.为避免潜在死锁,给出了最优变迁激发序列算法.最后对最优装配序列规划算法的分析显示,该算法有多项式时间的复杂度.     

基于装配顺序的飞机装配容差信息建模

论文提出了基于装配顺序的装配容差信息建模方法,以装配仿真路径规划 的装配顺序为基础,提取装配体中各零件的特征约束关系及相关的关键特征,进而获取组成 环容差信息,建立装配容差信息模型。该模型考虑了装配顺序对装配误差累积过程的影响, 减少了人工容差信息建模繁琐的交互操作,提高了装配容差信息的建模质量。基于DELMIA 平台开发了飞机装配仿真系统。该系统已在工程上成功应用,提高了飞机装配仿真的效率, 减少了飞机实际装配生产中的出错率。     

融合改进A*与DWA算法的移动机器人路径规划

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求,对传统A*（A-star）算法进行改进,并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比,将障碍物占比引入传统A*算法,优化启发函数h(n),从而改进评价函数f(n),提高其在不同环境下的搜索效率;其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题,优化子节点选择方式,同时删除路径中的冗余节点,提高路径的平滑度;最后融合动态窗口法,实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明,改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化,满足全局最优且能实现动态实时避障,具有更优秀的路径规划效果。     

曲线形套装路径规划算法研究

曲线形套装是一类非常复杂的产品装配过程,零件装配除了要顺着被套装零件曲线形移动还要配合调整自身的方位角才能到达目标,其路径规划问题难以沿用现有的装配路径规划方法。论文通过分析这类曲线形套装时的装配特征,在总结传统A搜索算法基础上,提出了一种能够自调整方位角的装配路径规划算法。在节点扩展中扩展位置和角度偏移量,并对传统A搜索算法加以改进,避免被套装零件局部凸凹变化引起搜索停滞不前和算法假失败情况。     

基于改进A*算法的移动机器人路径规划研究

A*算法广泛应用于移动机器人路径规划中，而传统A*算法在寻路时，普遍存在搜索时间较长、效率低下等问题，因此，采用双向搜索的方式，对传统A*算法加以改进，该算法在路径规划过程中，可同时进行正反向路径搜索，同时采用正反向搜索交替机制，保证了最终目标节点搜索在连线中点区域内相遇，从而缩短了寻路计算时间。在MATLAB平台上，针对改进后的A*算法进行仿真实验，结果证明，双向A*算法减少了规划时间，且可生成最优路径。最后，将该算法应用到基于开源机器人操作系统的Turtlebot2移动平台上，进行现场实验，实验结果表明，双向A*算法减少了寻路计算时间，从而使得路径搜索效率得到显著提升，且规划路径合理，满足路径规划要求。     

基于WGAN-GP的搜索式路径规划算法

为了提升搜索式路径规划算法在C字型障碍中的探索效率,提出了一种基于对抗生成网络的A*算法。首先使用训练更为稳定的梯度惩罚Wasserstein对抗生成网络（WGAN-GP）生成存在可行路径的感兴趣区域;然后使用A*算法优先探索该区域,使得路径规划能够被有效引导;最终形成一条连续的路径。经过实验仿真验证,其相较于传统A*算法节约了31%的规划时间、减少了22.84%的探索空间,提升了路径规划算法的效率。实验结果表明,改进的A*算法具有较高的探索效率,能够更好地应用于机器人路径规划中。     

改进BIT*与DWA算法的动态路径规划

传统批通知树（batch informed trees,BIT*）算法结合了RRT*算法和A*算法的优势,但是该算法在复杂环境下无法躲避未知的动态障碍物,无法完成动态路径规划。针对该问题,提出了一种将改进的BIT*算法和改进的DWA算法相融合的算法。在传统BIT*算法的基础上对路径进行拉伸优化,提取关键转折点,减少路径长度;对传统DWA算法的距离评价函数进行改进、引入轨迹点评价函数,避免局部规划过分偏离,也减少了已知障碍物对路径的影响;将改进的BIT*算法与改进的DWA算法相融合,将提取的关键转折点作为DWA的中间目标点,弥补全局规划算法无法躲避动态障碍物的缺点以及局部规划算法全局能力低下的缺点。在动静态地图中对RRT*算法、BIT*算法、DWA算法、改进BIT*算法以及融合算法进行仿真实验,仿真结果表明：在复杂环境中,改进的BIT*算法具有更短的路径和更少的拐点;与传统的DWA算法相比,融合算法规划的路线更平滑,机器人既能实时动态避障抵达终点,又能更加贴近全局路径,保证路线全局最优。     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

基于改进A*算法机器人路径规划研究

针对移动机器人全局路径规划问题提出一种改进A*算法。首先建立栅格地图,基于传统A*算法,进行邻域扩展,将传统8邻域扩展到24邻域,使路径方向具有更多选择,减少不必要的转折点。优化改进A*算法的启发式函数,不再采用单一的曼哈顿距离或者欧几里得距离,将其进行融合改进,剔除路径中冗余节点和多余转折点。最后将全局路径与动态窗口法相结合,结合各自的优点,充分考虑到机器人全局最优路径的同时能安全避开障碍物,得到一条平滑轨迹。各个算法进行验证之后采用ROS平台对系统进行仿真分析,实验结果表明,改进后算法具有更优秀的路径规划能力。     

多方向无人水面艇路径规划算法

针对海洋环境下无人水面艇路径（USV）规划安全性与平滑性问题,提出一种多方向A^*路径规划算法以获得全局最优路径。首先,结合电子海图生成栅格化环境信息,并根据安全航行距离约束建立USV安全区域模型,在传统A^*算法基础上设计一种带安全距离约束的A^*启发函数来保证生成的路径节点的安全;其次,改进传统A^*算法的八方向搜索模式,提出一种多方向搜索模式来调整生成路径中的冗余点与拐点;最后,采用路径平滑算法对路径拐点进行平滑处理以获得满足实际航行要求的连续平滑路径。在仿真实验中,改进A^*算法规划的路径距离为7 043 m,相较于Dijkstra算法、传统A^*四方向搜索算法和传统A^*八方向搜索算法分别降低了9.7%、26.6%和7.9%。仿真结果表明改进后的多方向A^*搜索算法能够有效减小路径距离,更适用于USV路径规划问题。     

多方向无人水面艇路径规划算法

针对海洋环境下无人水面艇路径（USV）规划安全性与平滑性问题，提出一种多方向A^*路径规划算法以获得全局最优路径。首先，结合电子海图生成栅格化环境信息，并根据安全航行距离约束建立USV安全区域模型，在传统A^*算法基础上设计一种带安全距离约束的A^*启发函数来保证生成的路径节点的安全；其次，改进传统A^*算法的八方向搜索模式，提出一种多方向搜索模式来调整生成路径中的冗余点与拐点；最后，采用路径平滑算法对路径拐点进行平滑处理以获得满足实际航行要求的连续平滑路径。在仿真实验中，改进A^*算法规划的路径距离为7 043 m，相较于Dijkstra算法、传统A^*四方向搜索算法和传统A^*八方向搜索算法分别降低了9.7%、26.6%和7.9%。仿真结果表明改进后的多方向A^*搜索算法能够有效减小路径距离，更适用于USV路径规划问题。