基于遗传算法的输电线路无人机巡检路径规划

针对无人机有效、安全巡检输电线路的路径问题,提出了一种基于遗传算法的输电线路无人机巡检路径规划方法,采用极坐标编码方式对无人机巡检路径构造染色体。结合实际情况中的无人机巡检各种约束问题,设计了适合于无人机巡检路径规划的遗传算子。实验结果证明算法能综合考虑各种因素,提高了全局寻优能力,是解决实际输电线路无人机巡检路径规划问题的较好办法。     

基于遗传算法的多车体机器人路径规划方法

带拖车的移动机器人系统是一种复杂的多车体系统,在不同的转弯角度下所需的路径宽度也不同,其路径规划是个难题;在给出带拖车轮式移动机器人稳态和暂态过程运动学方程的基础上,推导得出了多车体移动机器人在最大转弯情况下所需的最大路径宽度,并将之定义为等效尺寸;应用遗传算法,提出了基于等效尺寸的多车体移动机器人的路径规划方法;首先通过等效尺寸的多步障碍扩张,对障碍物的临近区域和狭窄通道进行可行性约束的分析;然后应用遗传算法进行全局的路径规划,将路径的长度和宽度综合在适应度函数之中;在一定程度上,多车体移动机器人的路径规划问题得到解决;文章通过建立三维网格化地图,对障碍物的临近区域和狭窄的瓶颈通道区域进行了可行性约束的描述,遗传算法在较复杂的环境中实现了良好的避障,并得到了相对较短的有效路径。     

基于激光定位的变电站智能巡检机器人导航系统设计

导航和定位是变电站智能巡检机器人完全自主运行的关键,针对巡检机器人现有导航定位方式的不足,将激光定位技术应用于巡检机器人导航,设计了巡检机器人激光导航系统,详细介绍了系统的软硬件结构及实现方法,并在室外环境下对导航系统进行了实验测试;实验结果表明,巡检机器人运行平稳,具有较高的导航控制精度;实验中机器人的运行轨迹重合度较好,直线运行时运动轨迹与路径横向垂直偏差在±15mm以内,航向偏差可控制在±1.5°左右。     

输电线巡检机器人弱光条件下的障碍物识别研究

在室外光照条件变化下进行有效的障碍物识别是高压输电线路巡检机器人所面临的技术难点之一。针对弱光条件下障碍物识别的稳健性问题,提出了一种基于机器人视觉的障碍物识别智能方法,以使巡检机器人适应各种不同程度的弱光变化。通过对采集的障碍物图像进行自适应同态滤波处理,以减少部分光照的影响;将障碍物图像分成均匀大小的子区域,运用改进的局部方向模式提取各个子区域图像的特征直方图向量,并把子块特征直方图逐个串联为总的直方图;再选用卡方距离法进行统计识别。实验结果表明:该方法使巡检机器人对输电线上的防震锤、悬垂线夹和绝缘子串能够进行有效的识别。相比于其他算法,其具有更好的抗光照干扰效果和更高的准确识别率;提升了机器人巡检过程中图像识别的稳健性、适应性和准确性,极大地提高了巡检机器人在电力行业的可持续发展性。     

机器人智能视觉路径选择系统的设计与实现

机器人视觉路径选择系统的性能,对于提高不同领域机器人应用性能具有重要的应用意义;提出了考虑最优路径数据挖据的机器人视觉路径选择系统的优化设计方法,分析了该系统组成的总体结构,给出了系统的电机驱动模块、图像采集处理模块、USB接口以及电源模块的硬件结构设计,分析了考虑最优路径数据挖据机器人视觉路径规划的具体过程,介绍了系统实现路径规划的关键程序代码,实现机器人视觉路径的准确选择;实验结果说明,所设计模型可实现机器人路径的有效规划,具有较高的规划效率和精度。      

基于RFID的移动机器人巡逻路径优化研究

针对移动机器人在大范围环境中的巡逻路径优化问题,提出一种基于RFID信息节点导引方法的路径和时间优化策略。研究了在一由实际环境抽象得出的拓扑地图环境下,使用RFID标签来标记环境中的关键位置,例如走廊,交叉点,拐角等,并且利用标签中储存的导航指令来指导移动机器人的行动。将机器人分为3路巡逻,优化得出巡逻总路程最短且历经信息节点数均衡的路径。设定机器人在节点的停留时间,研究了机器人在一限定时间内巡逻完所有节点的分组及路径优化方法。为大范围布置RFID信息节点导引机器人行动的环境下,提供了一种巡逻路径优化方案。     

改进蚁群算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把蚁群算法引入到机器人路径规划中;普通的蚁群算法存在收敛速度慢、效率低和容易陷入局部最优等缺陷,难以直接应用于机器人路径规划中;提出一种在蚁群算法中改进信息素的更新方式、引入最大最小蚁群系统以及改进状态转移规则的移动机器人路径规划方法,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方法能缩小最优路径的查找范围,降低发现最优路径所需的循环次数,能有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。     

约束满足型智能规划算法研究

为解决约束满足型任务规划问题具有约束条件多、计算复杂的问题,建立了约束满足型任务规划模型,根据模型特点,借鉴遗传算法和禁忌搜索算法的优缺点,对遗传算法进行改进,通过把遗传算法和禁忌搜索算法进行融合,形成了遗传禁忌搜索融合算法,通过对比分析进行性能比较,显示该算法能够显著的提高计算效率,减少计算成本,是解决约束满足型任务规划的高效可行的智能算法。     

一种异构多机器人系统交互协议

随着机器人在各领域的广泛应用和任务种类多样化,单机器人执行任务受到任务规模和复杂程度的限制,使用多个机器人协作完成任务是解决复杂问题的有效方法之一。在复杂机器人控制系统中,不同的任务往往需要不同的机器人去执行,这些机器人一般具有不同的结构和功能,而且工业化的机器人各自遵循私有协议。在操作一个复杂多机器人系统中,控制系统中的通信协议因不同的机器人而异,从而增加了控制过程中的协作难度。设计和制定一个方便的交互协议,便于协作信息在系统中通信,共同完成给定的任务。本文针对不同的机器人私有控制协议,在一致化交互接口的基础上,设计并实现了不同工业机器人之间的交互。通过工程实践,验证了这种一致性交互协议对于异构机器人系统的有效交互,对完成复杂问题作业具有借鉴作用。     

基于粒子群并行优化的煤矿井下机器人路径规划

路径规划是煤矿井下搜救探测机器人自主导航的关键步骤,矿井是三维的非机构化的环境,机器人行走过程应该具有高度智能的路径规划,传统的自适应能力与处理非线性的问题能力较差,路径规划误差较大,提出基于粒子群并行优化的煤矿井下机器人路径规划方法,充分考虑井下的环境高低变化,采用栅格法对环境建模,将粒子群独立分布在不同容器中分别进行路径建模,不同容器中粒子分别进行优化操作;因为速度和最优子群被分别保留,在机器人路径规划实验阶段,路径规划的时间较传统方法降低20%,避障成功率高达95%,最优路径的出现概率能保持在99%,这种方法具有很强的指导性与实用价值。     

蚁群元胞优化算法在人群疏散路径规划中的应用

针对疏散路径规划问题,以栅格化地图为背景的基础上,提出了蚁群元胞优化算法.首先为统一仿真时间步长,建立以六边形元胞为基础的栅格地图;然后利用静态势场对启发函数进行优化,利用分段更新规则优化信息素更新方式;最后,将模型参数作为粒子群优化算法的粒子位置信息进行优化,求解参数的最优组合值.仿真结果表明:采用蚁群元胞优化模型进行疏散路径规划时,不仅加快了搜索速度,而且增大了解空间,提高了搜索能力,可以有效避免陷入局部最优解.     

一种改进的基于OTSU自适应阈值的机器人数字路标图像模糊增强算法

在机器人路径规划中，机器人数字路标识别是很重要的，图像的预处理会影响识别结果。图像增强技术是提高预处理结果的一种有效方法，模糊图像增强算法是目前广泛使用的一种增强算法。针对Pal模糊图像增强算法在隶属函数的定义和渡越点选择上的缺点，提出了一种改进的模糊增强算法。本算法首先使用OTSU算子自动选择最佳阈值，解决渡越点需要人工设置的缺点，并消除选择的随机性。然后修改模糊增强算法的核心隶属函数式，解决了图像像素的低灰度值被硬性设置为0的缺陷，从而改善了图像信息损失的问题。最后，将改进的算法用于处理Pioneer Ⅲ机器人的数字路标图像。实验结果表明，与现有的模糊增强算法相比，提出的算法可以取得好的效果，且提高了运算速度，具有一定得实用性和推广性。     

基于粒子滤波和人工势场法的放射源搜寻方法

针对放射源搜寻过程中难度大、定位精度低等问题，提出了一种适用于移动机器人的自主寻源方法。该方法利用移动机器人搭载辐射探测器采集的剂量计数值，根据γ射线的衰减规律建立辐射衰减模型；在机器人前进的过程中利用粒子滤波算法对放射源的参数进行实时估计；采用高斯分布函数对重采样后的粒子进行自适应更新，保证重采样后的粒子具有多样性；根据辐射环境创建机器人路径规划模型，采用人工势场法规划机器人的自主寻源路径。实验在Matlab下进行了仿真验证，结果表明，该方法在有遮挡环境下能够搜寻到未知的单点源，同时自适应更新能够提高算法的稳定性，缩小寻源误差。     

Collision avoidance for a mobile robot based on radial basis function hybrid force control technique

Collision avoidance is always difficult in the planning path for a mobile robot. In this paper, the virtual force field between a mobile robot and an obstacle is formed and regulated to maintain a desired distance by hybrid force control algorithm. Since uncertainties from robot dynamics and obstacle degrade the performance of a collision avoidance task, intelligent control is used to compensate for the uncertainties. A radial basis function (RBF) neural network is used to regulate the force field of an accurate distance between a robot and an obstacle in this paper and then simulation studies are conducted to confirm that the proposed algorithm is effective.     

基于人工免疫改进的搬运机器人蚁群路径规划

针对搬运机器人在障碍环境下的路径寻优问题,提出一种基于人工免疫改进的蚁群路径规划算法(AI-ACA)。蚁群算法(ACA)的规划依赖于信息素挥发系数、期望启发因子和信息启发因子等参数的选取,传统ACA通过经验来设定这三个参数,但路径寻优中的最优参数因障碍环境而异,为解决经验参数对不同环境路径寻优结果的影响,引入人工免疫算法(AIA),对ACA的相关参数进行迭代优化,以此改善路径寻优结果。仿真结果及在自制机器人平台上测试表明,AI-ACA对于不同障碍环境可以准确地进行路径规划,在同样环境下较所参考的定参数蚁群路径规划效果有明显提升,提高了整个系统的运输效率。     

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点。与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明：提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。     

动态随机最短路径算法研究

静态最短路径问题已经得到很好解决, 然而现实中的网络大多具有动态性和随机性. 网络弧和节点的状态及耗费不仅具有不确定性且相互关联, 弧和节点的耗费都服从一定的概率分布, 因此把最短路径问题看作是一个动态随机优化问题更具有一般性. 文中分析了网络弧和节点的动态随机特性及其相互关系, 定义了动态随机最短路径; 给出了动态随机最短路径优化数学模型, 提出了一种动态随机最短路径遗传算法; 针对网络的拓扑特性设计了高效合理的遗传算子. 实验结果表明, 文中提出的模型和算法能有效地解决动态随机最短路径问题, 可以运用到交通、通信等网络的网络流随机优化问题中.     

改进庞加莱截面基音检测方法研究

评述了Kubin等人提出的基于庞加莱截面的基音检测方法,指出其存在周期点筛选难、初始点选择方法不完善、要求时域波形具有明显的周期性等问题,导致其实用性不强。在此基础上,提出了变邻域和变初始点的改进算法,并与归一化互相关方法相结合,解决了上述问题。实验结果表明,改进后的基于庞加莱截面的基音检测方法具有时间分辨率高、误判率低、实用性强等优点。     

基于视觉SLAM和目标检测的语义地图构建

语义信息对于移动机器人理解环境内容、执行复杂任务至关重要,针对ORB-SLAM2构建的点云过于稀疏、缺乏语义信息、点云所占存储空间大等问题,提出将目标检测算法与视觉SLAM（同时定位与地图构建）技术紧密结合,构建环境的稠密点云语义地图。首先,通过目标检测网络YOLO v3及对象正则化准确获取物体的2D标签,并经过ORB-SLAM2算法构建环境的稀疏点云地图,通过含有2D标签的彩色图像和对应的深度图像以及关键帧来生成含有语义信息的稠密点云标签,使用基于图的分割算法对稠密点云进行分割,再将点云标签与分割后的点云进行融合,进而构建环境的稠密点云语义地图。文中方法在TUM公开数据集上进行试验,实验表明可以构建出效果较好的语义地图。与传统的ORB-SLAM2相比,此系统在构建地图的过程中,相机的绝对位姿误差和绝对轨迹误差分别减少了16.02%和15.86%,提高了建图精度。为了减小点云地图的存储空间,方便移动机器人进行避障和导航,最终将所构建的语义地图转换为八叉树地图。