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。     

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。     

基于遗传算法的变电站巡检机器人任务路径规划方法研究

近年来,随着变电站巡检机器人在变电站中的广泛使用,巡检机器人路径规划问题越来越成为亟待解决的问题。巡检机器人在已知的拓扑地图中标记了待执行巡检任务的停靠点,不同任务需要从初始点出发经过不同的一系列停靠点再返回初始点,如何规划路径是机器人面临的问题。首先分析了路径规划面临的问题,然后通过分析拓扑地图的特征,对地图进行等价简化,再对问题进行建模使用遗传算法求解巡检任务路径规划的近似最优解。通过仿真实验证明,提出的基于遗传算法的路径规划方法是可行有效的,为变电站巡检机器人任务路径规划提供了一种有效方法。     

基于模糊K均值聚类和Sarsa(λ)算法的自适应爬壁机器人路径规划

针对现有爬壁机器人规划算法难以实现在线自适应高效规划的问题,设计了一种基于模糊K-Means算法和经典Sarsa(λ)算法自适应爬壁机器人规划算法;首先,对爬壁机器人的动力学模型进行了建模和分析,然后,对爬壁机器人规划中的状态进行自适应聚集从而实现值函数的近似,设计了K值可变的改进模糊K均值聚类算法对状态进行自适应地在线聚类,将聚类中心对应的值函数作为整个聚类所有数据对象的值函数的近似值,最后,对基于模糊K均值聚类算法和Sarsa(λ)算法的爬壁机器人在线规划算法进行了定义和描述,在MATLAB环境下对简单障碍物场景和复杂障碍物场景分别仿真实验,实验结果表明文中方法能有效地进行路径规划,随着情节数的增加,规划结果逐渐收敛到最优值,同时在环境变化时,收敛效果不受影响,具有较好的稳定性,是一种高效地实现爬壁机器人在线规划的方法。     

基于自适应状态聚集Q学习的移动机器人动态规划方法

针对现有移动机器人路径规划方法存在的收敛速度慢和难以进行在线规划的问题,研究了一种基于状态聚集SOM网和带资格迹Q学习的移动机器人路径动态规划方法——SQ(λ);首先,设计了系统的总体闭环规划模型,将整个系统分为前端(状态聚集)和后端(路径规划);然后,在传统的SOM基础上增加输出层构建出三层的SOM网实现对移动机器人状态的聚集,并给出了三层SOM网的训练算法;最后,基于聚集的状态提出了一种基于带资格迹和探索因子自适应变化的改进Q学习算法实现最优策略的获取,并能根据改进Q学习算法的收敛速度自适应地控制前端SOM输出层神经元的增减,从而改进整体算法的收敛性能;仿真实验表明:文中设计的SQ(λ)能有效地实现移动机器人的路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,具有较大的优越性。     

基于嵌入式系统的搬运机器人设计与路径规划研究

为了解决目前工业搬运机器人发展的需求问题,设计了一款基于嵌入式系统的搬运机器人。该型搬运机器人的循线采用的是一种七路灰度传感器,并通过设计的一种蓝牙模块将灰度信息发送到手机端,从而简化了循线时的调试,具有创新性。搬运机器人前端安装有颜色传感器用以区分不同种类的物料。电机控制部分设计了一个PID闭环控制系统,通过PWM脉冲宽度调节来控制电机的转速。然后,针对模拟场地提出了一种路径规划算法,并通过设计的搬运机器人进行了实验测试与分析,验证了该方法的准确性和有效性。     

混合道路状况下基于单片机的汽车智能路径选择系统设计

针对当前汽车在混合道路状况下排队等待时间长的问题,设计并实现了一种混合道路状况下基于单片机的汽车智能路径选择系统,系统采用光电传感器进行汽车速度与间距的测量,采用CCD摄像机获取某路段汽车运行情况图像的视频图像,采用SAA7113视频解码器通过抗混叠滤波、A/D转换成数字图像存储到高性能计算机中,汽车智能路径选择引入最大类间方差算法(OTSU),依据车辆和背景的方差动态确定图像分割阀值,获取排队车辆图像区域,按照视频的时间获取车辆的排队等待时间信息;并对获取的数据信息进行分析和处理,最终实现汽车路径的时间最优或路状最优选择;实验结果说明系统选择路径的车辆排队时间与最优等待时间匹配度达到98%,误差控制在2.5%以内,并且系统具有超高的稳定性,应用前景广阔。     

优化蚁群算法在无人车自主导航中的应用

由于蚁群算法规划的最优路径存在尖峰和折线,研究利用三阶贝塞尔曲线对蚁群算法进行优化,通过选择可靠的控制点来控制最优路径的整体趋势,从而消除路径上的尖峰并对折线进行平滑处理;将优化后的蚁群算法在无人车自主导航中进行了应用,结果证明优化后的蚁群算法可以为无人车实时规划出一条高质量的最优路径,最优路径不仅有效地避开了障碍物,而且有效消除路径上尖峰和折线。     

机载控制视觉目标定位系统的设计与实现

机载控制视觉目标定位系统广泛应用于航空控制领域,对其进行设计和实现具有重要应用意义。针对机载控制视觉目标定位的特征,设计并实现了机载控制视觉目标定位系统,分析了系统的总体结构,包括视觉模块、飞控模块、导航模块以及无线传输模块,给出了系统主控箱、CAPA800主控制器、PCI04总线标准的主板、视觉传感器、PM1270T144C5N芯片的硬件结构,给出了系统的软件流程和视觉处理模块的流程,分析了基于CCS3.3代码开发调试平台的系统代码设计,最终实现机载控制视觉目标定位系统的设计与实现。实验结果说明,所设计系统获取的机载控制视觉目标清晰、有效,并且具有较高的目标定位效率和精度。     

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。     

基于最优路径选择的电池组主动均衡方法研究

蓄电池应用过程中,由于单体之间的材料差异会出现单体间剩余容量的不平衡问题,进而会引发很多安全隐患;针对此问题,基于最优路径选择原理,提出了一种主动均衡方法;该方法通过蓄电池组使用过程中的实时反馈电压数据,结合最优路径选择,通过单体之间多对多的平衡方式,实现了蓄电池组各个单体过充、欠充、过放、过温情况下相互之间的均衡;实验结果表明,该方法能够在蓄电池使用过程中,针对单体之间的不平衡状况,基于不平衡度计算进行最优均衡路径组合的确立,针对不同充放电电流状况均衡效率均在80%以上,能够快速高效地实现电池组的主动均衡。     

基于改进交叉熵算法的随机需求车辆路径设计方法

传统的车辆路径规划方法无法有效地应对实时在线客户需求量随机变化的情形且收敛速度过慢,为了克服其缺点,设计了一种基于蒙特卡罗和重要性采样的交叉熵车辆路径规划方法;首先对随机动态车辆路径规划问题进行了数学建模,然后,描述了蒙特卡罗和交叉熵算法实现稀有事件概率估计的原理,并引入Tsallis熵实现对传统交叉熵的改进,采用蒙特卡罗多次采样获得的费用期望作为路径真实费用的估计值,通过交叉熵算法对重要性概率密度函数和分位数进行不断更新,以增加重要样本获取的概率,从而实现最优路径的获取;最后定义了具体的基于Tsallis熵的随机动态车辆路径规划方法;在MATLAB仿真工具下进行试验,结果表明文中方法能有效地解决随机动态车辆路径问题,与其它方法相比,具有收敛速度快和收敛精度高的优点,是一种有效的随机动态车辆路径规划方法。     

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。     

医疗机器人双目视觉硬件系统设计与实现

根据双目视觉定位原理,通过分析系统各部件的工作原理和医疗机器人手术导航的实际需求,结合市场供货情况,提出了一种适用于医疗机器人手术导航定位的双目视觉硬件系统设计方法。采用该方法设计的双目视觉定位系统进行了手术导航模拟实验,结果表明：该系统可以辅助医疗机器人完成手术规划,定位精度可以达到2 mm,能够满足临床应用要求。     

改进路径规划算法在桥式起重机中的应用

原有的桥式起重机路径规划算法是以路径最短为目标函数,规划得到的路径存在多个拐点,在实际操作中由于起重机大车和小车的频繁起制动,使负载摆动较大且耗费了大量时间,严重影响了桥式起重机转载的效率;在分析桥式起重机自身结构和运行系统特点的基础上,通过改变原有替补栅格集合使大车和小车交替运行,同时将拐点的数量结合到路径规划算法的目标函数中,规划得到了无斜线,拐点少且路径短的最优路径;通过仿真与实验,对比得到在实际转载中改进算法得到的路径用时较短,证明了改进后的路径规划算法在实践上的可行性。     

隘路环境下排爆机械臂Multi-RRT路径规划算法

排爆机械臂通常工作在类似隘路的环境中,传统的基于采样的路径规划方法在隘路环境下计算效率较低;提出一种采样增强的Multi-RRT路径规划方法,该方法分为两个部分:第一部分为区域随机桥采样法,该方法以采样特征决定局部C空间(configuration space)随机桥测试的参数并采集有限隘路样本;第二部分为Multi-RRT算法,以起始点、目标点和随机桥采样所得点为树根,多树多方向协调生长规划路径;仿真实验结果表明该方法提高了快速扩展随机树算法的计算效率,有效地解决了隘路环境下排爆机械臂的路径规划问题,适用于多维高自由度机器人系统的路径规划。     

基于改进混合蛙跳和GIS的城市垃圾车回收路径优化设计

针对城市生活垃圾由于回收不及时带来的二次污染加剧和现有的垃圾回收路径方案仍然成本过高的问题,设计了一种基于GIS和改进混合蛙跳算法的城市生活垃圾回收路径设计方法。首先引入了基于GIS的回收路径规划模型,以最小化垃圾回收总路径长度、车辆总费用和惩罚成本为目标建立了城市生活垃圾回收路径规划的数学模型。然后,对基本混合蛙跳算法进行了改进,提出了基于Tent映射和混沌扰动的初始种群生成方式,将规划的目标函数转换为适应度函数,为了加快算法的收敛速度,设计了一种自定义距离度量方式以衡量解之间的差异,从而实现最差解的自适应更新,以实现全局最优,最后,定义了基于GIS和改进混合蛙跳算法实现垃圾回收路径规划的具体算法。仿真实验表明：文中设计的算法能有效地实现城市垃圾回收路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,是一种解决城市垃圾回收路径规划的可行方法。     

双重并行环境下最短路径的研究

并行问题和最短路径问题已成为一个热点研究课题,传统的最短路径算法已不能满足数据爆炸式增长的处理需求,尤其当网络规模很大时,所需的计算时间和存储空间也大大的增加;MapReduce模型的出现,带来了一种新的解决方法来解决最短路径;GPU具有强大的并行计算能力和存储带宽,与CPU相比具有明显的优势;通过研究MapReduce模型和GPU执行过程的分析,指出单独基于MapReduce模型的最短路径并行方法存在的问题,降低了系统的性能;论文的创新点是结合MapReduce和GPU形成双并行模型,并行预处理数据,针对最短路径中的数据传输和同步开销,增加数据动态处理器;最后实验从并行算法的性能评价指标平均加速比进行比较,结果表明,双重并行环境下的最短路径的计算,提高了加速比。     

信息光学 其他

TP242.62006010409基于虚拟仪器的机器人视觉处理=Study of robot visionprocessing in LabVIEW[刊,中]/吴玉斌(深圳大学工程技术学院.广东,深圳(518060)),徐刚∥光电技术应用.—2005,20(5).—56-59研究了一种基于虚拟仪器技术的机器人视觉处理方法。在推导了视觉伺服机器人系统的图像雅克比矩阵的基础上,运用NI公司(美国国家仪器公司)的I MAQ Vi-sion,编写了视觉伺服机器人系统的视觉处理软件模块,通过优化算法有效提高了视觉处理系统的稳定性和抗干扰性,并给出了对比实验结果。图11参8(严寒)TP242.62006010410移动机器人基于激光测…     

基于动态人工势场法移动机器人路径规划研究

考虑机器人与目标点的相对位置以及相对速度因素构建引力势场和引力函数,考虑机器人与障碍物之间的相对位置、相对速度以及相对加速度因素构建斥力势场和斥力函数。基于位置的“分而治之”策略,将机器人所处的环境分解成不同的情景,通过传感器获得周围环境信息,制定并执行情景-运动规则。建立复杂动态机器人仿真环境,验证改进后的算法在动态环境中机器人自动避障的可行性。以IN-RE机器人为实验平台,做动态环境下机器人自动避障路径规划实验,验证本文提出的动态人工势场法在动态环境中的可行性。