对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

改进的足球机器人局部极小值的研究

针对传统人工势场法在足球机器人路径规划中的局限,提出通过改造斥力模型,从而解决算法在静态路径规划中存在的局部极小值问题.通过引入速度势场产生速度斥力,从而解决算法不适应动态环境和动态环境存在的局部极小值问题.仿真验证了算法的有效性.     

非结构环境下移动机器人路径规划

 非结构环境中的路径规划是自主移动机器人研究领域最活跃的领域之一,其最有效的方法是人工势场法,但传统的人工势场法存在振荡和接近目标时跟踪速度下降等问题。针对这些问题,改进了传统的势场函数,引入速度势场函数,设计新的人工势场函数,规划了移动机器人移动策略。根据新的势场函数和移动策略,在Matlab环境下对机器人的路径规划进行仿真。结果表明,在新的势场函数作用下,机器人能够快速调整自身速度的大小和方向,避开障碍并迅速到达目的地或跟踪动态目标。     

动态环境中基于遗传算法的机器人路径规划

为解决动态环境中足球机器人的路径规划问题,采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,建立了以路径最短、避障为优化目标的遗传算法个体评价函数.采用轮盘赌选择、重合点交叉、多种变异结合等方法完成了遗传操作.针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了复原操作和重构操作,使改进后的遗传算法收敛于全局最优.仿真结果表明:该算法能够成功地在动态环境里规划出一条近似最优的路径,算法是有效的     

一种巡检机器人智能路径规划方法

提出了一种在栅格地图上使用参数可调势场法进行避障的巡检机器人智能路径规划方法.地图采用Hector SLAM算法建立,然后在全局范围内指定目标点并使用变粒度栅格法进行全局路径规划.遇到障碍物时,则在局部小范围内使用参数可调的人工势场法来进行局部路径规划和避障.该方法能有效地提高全局路径规划的效率以及局部避障的准确性,实验验证了该方法的快速性与有效性.     

基于注意机制的改进人工势场的机器人路径规划

人工势场法是机器人路径规划中应用较多的一种方法,但方法在障碍物较多时由于势场合力不容易控制而常常出现机器人陷入势场陷阱中。足球机器人比赛系统场上敌我状态复杂,加上动态变化的场上环境,对实时性要求很高。本文对注意机制在机器人足球比赛中的应用进行研究,根据比赛平台模型的特点并从能量角度将场上的引力和斥力转化成特定的关于能量的数学表达式,将其和注意机制相结合,提出新的改进人工市场的方法。基于注意机制的改进人工势场算法,将原有的合力势场变成重力势场,使机器人自主规划前进路线。最后本文使用仿真方法证明该方法的可行性。     

基于改进人工势场法的机器人避障方法的研究

该文基于传统人工势场法在动态环境下的震荡问题,提出了改进引力与斥力函数的动态人工势场法对"机器猫"进行路径规划,针对该方法仍旧存在的对参数敏感问题,该文通过设计模糊控制器实现对实际系统中势力场函数最佳参数的选择。仿真实验表明,改进后的方法对动态未知环境适应能力更强。     

基于改进人工势场法的移动机器人路径规划

在移动机器人路径规划任务中,针对传统人工势场法中存在的目标不可达问题,提出了一种新的斥力改进函数的设计方法.在原来的斥力函数中加入一个调节因子,并对障碍物的作用范围采用人为分段的方式,有效解决了目标不可达问题,使机器人能够顺利到达目标点.将改进后的人工势场法应用于移动机器人路径规划,并利用Matlab软件进行了仿真实验.实验结果表明,基于改进人工势场法的移动机器人路径规划算法简单、有效.     

基于改进遗传算法的移动机器人路径规划的研究

为改进标准遗传算法在路径规划问题中存在的初始种群可行性问题、标准遗传算子在路径规划问题上的局限性问题,文中提出了一种改进的遗传算法。首先,将环境地图转换为栅格地图,在初始种群的生成过程中加入偏移机制;然后,把人工势场算法和偏移机制分别引入交叉算子和变异算子中;最后采用动态参数的方法控制算法的遗传参数,通过改进的遗传算法对地图模型进行仿真及其求解。根据实验结果,充分验证了本文算法的有效性和实用性。实验结果明确证明了改进的算法可以很好地解决路径规划问题,为机器人的路径规划提供了一定的指导作用。     

基于分布式遗传算法和改进人工势场法的导弹反探测航迹规划

基于兵棋推演仿真软件构建用以测试导弹制导与反探测能力的设定场景,并参考人工势场法在路径规划领域的应用,设计导弹反探测航迹规划方法以躲避探测侦察.为了高效搜索人工势场法的最优参数,基于Kubernetes在多服务器上搭建分布式框架,实现分布式遗传算法,在并行数目为100的实验中,理论加速比在98.41～99.46之间,实验加速比平均为96.95.将基于分布式遗传算法和人工势场法的导弹反探测航迹规划方法应用于各种不同探测策略下的导弹制导场景.实验结果显示,改进的人工势场法比传统的人工势场法的平均得分提高11.9%,遗传算法的进化次数平均减少2.73轮.该分布式框架可用于任意容器化的并行仿真任务中.     

磁流变减振器优化设计及特性试验

针对某轻型军用轮式越野车辆的减振需求,设计磁流变减振器(Magneto-rheological Damper, MRD)代替原被动减振器。以平板模型推导MRD阻尼力模型,讨论了结构参数对阻尼力和可调系数的影响。针对结构参数难以确定的问题,采用多目标遗传算法(Multi-objective Genetic Algorithm, MOGA)对参数进行优化,并通过磁场分析进行验证。对MRD进行性能试验,并利用最小二乘法对建立的MRD多项式模型进行校验。结果表明：可调阻尼力与可调系数间呈反比关系,利用MOGA可有效优化MRD结构参数,试验结果与设计值基本吻合,所建立的MRD模型与试验结果一致性较好。     

具有周期性双层优化结构的无人机集群航路规划模型

 针对多种威胁条件下的无人机集群航路规划问题,提出了集群控制方法和周期性双层优化算法。以定点抵达任务为背景,将d-范数、冲击函数与反曲函数结合起来,构建了能够实现雷诺兹准则的集群动态控制模型,并采用设计出的周期性双层优化算法求解中心无人机的航路规划问题。通过仿真算例,验证了该模型的实效性和优化算法的可行性,与遗传算法-人工势场混合算法相比,周期性双层优化算法求解效率更高且优化效果更好。     

A RBF Network Learning Scheme Using Immune Algorithm Based on Information Entropy

A hybrid learning method combining immune algorithm and least square method is proposed to design the radial basis function(RBF) networks. The immune algorithm based on information entropy is used to determine the structure and parameters of RBF nonlinear hidden layer, and weights of RBF linear output layer are computed with least square method. By introducing the diversity control and immune memory mechanism, the algorithm improves the efficiency and overcomes the immature problem in genetic algorithm. Computer simulations demonstrate that the RBF networks designed in this method have fast convergence speed with good performances.     

基于遗传神经网络的AZ91镁合金力学性能预测

在合适的参数条件下径向基函数神经网络能够以任意的精度来逼近任意的函数,遗传算法是一种高效的全局寻优的搜索方法.将遗传算法和径向基函数神经网络相结合,建立遗传神经网络,运用到合金设计的性能预测方面.使用简单易行的二进制编码方法,在寻求径向基函数神经网络隐含层神经元最优中心矢量的同时确定其最优个数,通过设定合理的目标函数解决网络函数逼近能力与泛化能力之间的矛盾.试验证明,该方法在合金性能预测方面有较好的效果,能够成为合金设计有力的辅助手段.     

基于遗传算法的模糊关系确定方法及仿真

模糊系统的模糊推理方法常依赖于一系列由主观决定的参数,如模糊隶属函数、模糊关系矩阵等．如何确定这些参数会直接影响系统的性能．为了能对这些参数进行优化,文中采用一种新型的模糊推理方法,在此基础上,利用遗传算法产生出模糊推理方法中的最优参数．同时,在进化演变的搜索过程中,使用不断调整适应函数的手段,解决了遗传算法过早收敛于次优解的问题,提高了遗传算法的搜索精度．     

改进遗传算法求解惠更斯问题的研究

将惠更斯函数作为目标函数,采用改进的实数编码遗传算法进行求解。通过系统地调整群体规模、变异率和杂交率三种进化控制参数值,设计并进行了分组实验,得到了一组满意的进化控制参数。运用这组参数进行计算得到的优化结果十分接近惠更斯问题的理论值,使惠更斯问题得到比传统算法更好的解决方法。     

汽车半主动悬架系统阻尼可调减振器AMESim模型参数辨识

为了建立阻尼可调式减振器AMESim模型,通过对电磁阀式阻尼可调减振器的力学特性研究建立最初的减振器AMESim模型,然后通过实物测量得到AMESim模型的部分参数。然后利用遗传算法,并根据减振器示功特性实验数据对阻尼可调减振器模型复原阀、流通阀的阀口参数进行辨识。最后进行阻尼可调减振器实际特性实验和AMESim模型仿真特性实验,对比阻尼可调减振器AMESim模型力学特性与实际阻尼可调减振器的力学特性。结果表明所建模型可用于减振器控制算法的设计和估计减振器台架试验中难以测量到的动态数据,为汽车阻尼可调半主动悬架控制研究奠定基础。     

基于遗传算法的双闭环系统模糊优化设计

提出一种基于遗传算法的直流双闭环调速系统参数优化设计方法,根据工程技术的要求,选用速度超调量和过渡时间作为参数优化性能指标,将该指标用模糊隶属度函数归一化,再加权平均形成系统优化模型的目标函数。采用计算机数值计算方法,通过仿真获得系统对应参数的动力响应曲线及其性能指标。最后以工程设计的参数为搜索范围,以速度调节器和电流调节器的参数为染色体中的基因,通过遗传算法在搜索范围中优化这些基因,获得优化解,     

基于均匀设计的遗传算法参数设定

在应用遗传算法进行优化计算时,各操作参数既有各自的功能又相互作用,彼此关系较为复杂,而各参数设定的好坏直接影响算法的性能,所以,各参数的设定是应用遗传算法进行寻优计算的重要问题·通过对遗传算法各操作参数作用与意义的分析,认为可以将遗传算法的参数设定描述为一个多因素多水平优化设计问题·为使遗传算法在应用中发挥最佳的寻优性能,同时考虑到参数设定方法的可行性,提出应用解决多因素多水平优化设计问题的均匀设计方法设定遗传算法的操作参数,实例应用仿真结果验证了这种方法的可行性、有效性·