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。     

基于改进蝙蝠算法的带模糊需求的车辆路径问题

蝙蝠算法作为一种新的元启发式算法,尚未被应用到模糊车辆路径问题中。针对带模糊需求的车辆路径问题,以极小化总运输距离为目标,建立基于可信性理论的模糊规划模型,提出一种改进的蝙蝠算法。算法采用基于客户编号的编码方式,利用随机模拟算法计算额外行驶距离;在蝙蝠位置更新时,引入基于非线性调整的惯性权重和基于子路径的局部搜索;为提高全局搜索能力,避免算法早熟,对处于较差位置的蝙蝠进行交叉操作。最后,利用随机实验数据进行仿真,分析了决策者主观偏好值对目标值的影响,并与其它算法的寻优结果进行对比分析,结果表明,算法具有一定的可行性和有效性。     

小型履带式移动机器人控制系统设计

针对小型履带式移动机器人,设计了遥控与自主返航模式相结合的控制体系结构,并对机器人自主定位及路径跟踪技术进行重点介绍;信号正常的情况下,机器人在遥控模式下工作,信号中断后,启动自主返航模式,机器人根据路径规划的轨迹行驶到目标点;自主返航模式下,采用传感器信息融合技术提高了机器人定位精度,基于已有路径进行点跟踪控制,设计机器人跟踪控制律;基于履带式移动机器人平台及所述控制系统,对任意给定路径进行跟踪实验;结果表明,机器人可沿给定路径到达终点,且行驶轨迹光滑,验证了定位方法的精度以及跟踪控制律的有效性。该控制系统设计简单,可移植性高,可广泛应用于地面移动机器人领域。     

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。     

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wMPS和模糊控制的AGV路径规划控制

针对大空间自动导引车(AGV)的高精度路径规划控制应用,提出一种基于工作空间测量定位系统(wMPS)和模糊控制算法相结合的应用模式。事先规划好AGV路径,采用wMPS对AGV实时位姿进行精确测量,通过模糊控制算法输出实时调整AGV的前进速度和旋转角速度。算法仿真与实验结果表明,AGV的定位精度优于2.5 mm,能够保证AGV的动态导航和定位精度。     

移动机器人自主返航控制系统设计与实验

针对遥控移动机器人在通信信号中断后,无法对其进行控制的问题,设计了移动机器人自主返航控制系统,实现信号中断后移动机器人按原路径自主返航直至恢复控制信号或返回初始位置。提出了基于控制意图融合里程计和光纤陀螺仪的定位算法,对移动机器人运动学模型的结构参数进行了校正,大幅度提高了移动机器人定位精度;基于嵌入式Linux平台设计了返航控制软件系统,在信号正常的情况下,启动遥控模式,遥控机器人移动并记录路径坐标点,信号中断则开启返航模式,采用线性控制率和PID控制率实现对移动机器人路径跟踪控制。基于实际应用环境开展自主返航实验验证,实验结果表明该控制系统能够在通信信号中断后以较高的精度控制移动机器人实现自主返航。该系统能够解决移动机器人在应用中的实际问题,且代码可移植性高、通用性强。     

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。     

混沌系统的变论域模糊控制算法研究

混沌运动和混沌控制受到广泛关注,本文利用模糊控制实现混沌系统的控制.针对模糊控制器精度不高,模糊控制中规则数量与控制精度之间的矛盾,提出了一种基于蚁群优化算法的变论域模糊控制器.通过分析变论域模糊控制中的2类伸缩因子,指出其中1类并不能满足广义伸缩因子条件.提出利用蚁群优化算法对伸缩因子智能寻优的方法,在对蚁群算法改进的基础上,构成一种基于蚁群算法的变论域模糊控制,将设计的控制器用于Duffing混沌系统的控制.仿真结果表明,提出的控制算法在收敛速度和稳态性能上要略优于其他控制方式. 关键词： 混沌 变论域模糊控制 伸缩因子 蚁群优化算法     

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。     

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。     

基于人工蚁群的红外图像分割算法

基于人工蚁群的红外图像分割方法利用模糊非线性增强算子作为启发信息,与信息素共同指导蚂蚁的行为。通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,最后根据信息素分布提取分割结果。仿真和实验表明,该算法对真实图像得到了理想的分割结果。     

基于移动机器人和单目视觉的姿态测量方法

在单目视觉的姿态测量工作中,传统卷积神经网络在模糊场景及复杂场景下存在准确度大幅降低的问题,为此提出了一种基于胶囊网络与贝叶斯网络相结合的深度学习模型,在此基础上提出了基于移动机器人与单目视觉的姿态测量方法.采用新型胶囊网络对单目视觉目标的重要关节点进行空间定位;设计了简单的贝叶斯网络学习算法,通过贝叶斯网络推理出关节...     

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。     

稳健声线扰动特征用于浅海小目标定位*

针对海洋环境中的信道起伏变化对基于扰动声线声压敏感核的水下小目标定位算法影响较大的问题,提出了基于稳健声线扰动特征的目标定位方法,该方法首先对海洋环境中接收声场的到达结构进行分析,提取稳态的到达成分;然后通过观测稳健声线对应的接收信号在目标穿越过程中的扰动特征提取扰动声线;最后应用扰动声线类定位方法得到水下目标的定位模糊图实现定位。在浅海港口环境中开展了蛙人穿越实验,发射信号为中心频率为22.5kHz,带宽为15kHz的线性调频信号,实验数据的处理结果表明,直达路径和一次水底反射路径受信道起伏的影响较小,通过筛选稳健声线可以将扰动声线的定位方法用于自然的海洋环境。     

动平台视轴稳定控制的两种智能PID算法研究

分析了动平台下光电探测设备视轴稳定的基本原理,针对用于视轴稳定的伺服控制系统动态和稳态性能指标的高精度要求,设计了两种基于模糊控制的智能PID控制算法——FLCPID复合控制算法和PID参数模糊自整定算法。分别从理论上分析了这两种智能算法的可行性及技术特点,阐述了其设计过程。仿真计算表明,这两种基于模糊控制的智能PID控制算法均能获得优于常规PID的控制效果;FLCPID复合控制算法的调节时间小于0．05s,无超调,PID参数模糊自整定算法调节时间小于0．1s,超调量小于5％,显然前者的动态性能优于后者;后者对300ms时突加的1V扰动信号可完全抑制,有更强的鲁棒性。     

光电导引的四轮移动机器人设计

全国大学生智能车竞赛要求设计一种能按要求快速稳定平移和转向的光电导引的四轮移动机器人系统。因此分别建立了前轮S-D5舵机转向模型和二阶后轮RS540电机驱动数学模型,设计了基于模糊控制的前轮转向算法、基于解析式控制器的智能自适应PID后轮驱动算法、赛道判别算法,改进了线性CCD采集图像处理算法,利用基于二值化的双向跳变沿检测法代替单向跳变沿检测并采用膨胀腐蚀算法滤除噪声。实际调试结果表明：所设计的机器人能快速稳定地沿赛道运动,验证了系统设计的可行性和算法的有效性。