移动机器人路径规划算法综述

为提高机器人路径规划的搜索速度,缩短搜索时间,总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史,并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结,并从移动机器人对环境掌握情况的角度出发,将移动机器人路径规划分成全局规划和局部规划两类,然后对全局规划和局部规划的相关算法进行综述,同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。     

基于蚂蚁算法的移动机器人路径规划

蚂蚁算法是近几年问世并逐步引起重视的一种新的全局优化仿生算法，它模仿昆虫王国中蚂蚁搜索食物的行为特征，是一种通用型随机优化方法。移动机器人在进行工作时，往往要求根据某一准则，在工作空间沿一条最优（或近似最优）的路线行走。因此首先对移动机器人的规划空间进行链接图表示，然后采用Ford算法求出移动机器人的初始路径，最后运用蚂蚁算法对初始路径进行优化，取得了较好的效果。     

基于改进A~*算法的室内移动机器人路径规划

针对移动机器人在室内定位的特点,在结构化环境下,开发了机器人路径规划系统。在阐述了全局地图构建方法基础上,根据移动机器人的实际运行环境采用栅格法构建了环境地图。利用A*算法进行初步路径规划,其不足之处是路径规划数据中包含了所有规划点的坐标,冗余点较多,且移动机器人无法在拐点处调整自身姿态。针对这些不足,提出了能够计算出拐点、旋转方向及旋转最小角度的A*路径规划改进算法并进行了实验。移动机器人定位实验结果表明:利用改进后的A*路径规划算法不仅简化了路径,而且在拐点处移动机器人能够调整自身姿态,可以较好地满足室内移动机器人全自主运动的要求。     

融合Bezier遗算法的移动机器人路径规划

针对传统遗传算法在路径规划中存在收敛速度慢和易陷入局部最优等缺陷,提出一种融合Bezier遗传算法.首先,对传统遗传算法进行改进,采用启发式中值插入法建立初始种群,基于路径长度、路径安全性和路径能耗3个指标生成多目标适应度函数,再分别利用分层法、单点交叉法和八邻域单点变异法设计选择、交叉、变异算子;其次,引入Bezie...     

移动机器人路径规划方法研究

机器人为了实现在工作环境下自主地工作就必须具有感知工作环境和规划控制自身运动的能力,而机器人规划控制自身运动就是路径规划。本文对移动机器人路径规划方法的现状进行了研究,并对其未来发展趋势进行了分析。     

基于蚁群算法的移动机器人全局路径规划

移动机器人路径规划是机器人学的一个重要研究领域,蚁群算法是一种模拟蚂蚁群体觅食行为的仿生优化算法。结合机器人路径规划的特点,将确定性选择和蚁群算法的随机性选择相结合进行节点转移,每次循环后只对较优蚂蚁路径进行信息素更新,提高了算法收敛的速度;在寻找路径过程中蚂蚁无后继转移节点时,采用蚂蚁回退策略,增强了算法在复杂障碍物环境中寻找路径的健壮性。仿真试验表明,该算法能在障碍物较复杂的情况下迅速规划出较优的全局路径。     

移动机器人路径规划的一种改进蚁群算法

提出了一种复杂静态环境下的移动机器人避碰路径规划的改进蚁群算法。基于栅格法的工作空间模型,模拟蚂蚁觅食行为,并针对移动机器人的路径规划的需要,将一些特殊功能赋予常规的蚁群算法。为了避免移动机器人的路径死锁,在路径搜索过程中,当蚂蚁探索到一个死角时,建立了相应的死角表,同时用惩罚函数来更新轨迹强度。仿真研究表明:该算法能明显改善路径规划性能,并且算法简单有效。     

基于双树Quick-RRT*算法的移动机器人路径规划

最优快速拓展随机树(RRT*)是一种渐进最优的移动机器人路径规划方法,Quick-RRT*缩短了RRT*的初始路径长度,提高了路径收敛速度.为进一步提高Quick-RRT*的收敛速度,文中提出了一种双树Quick-RRT*算法.首先,基于Quick-RRT*算法在起点和终点分别生成一棵随机树,起点树和终点树轮流生长,两...     

机器人路径规划的计算机模拟及统计分析

以计算机模拟为辅助工具 ,讨论了机器人路径规划的算法 ,提出一种简化算法二次规划 ,既可避免组合爆炸 ,又能得到一个较优的解 ,即满意解     

基于FPGA的移动机器人运动控制器的实现

为了提高移动机器人控制的灵活性,设计并实现了一种基于FPGA的移动机器人运动控制器。介绍了该运动控制器的工作原理、硬件设计,充分利用FPGA的高速实时性和ARM微控制器的强大处理能力,从而提高了运动控制器的效率。实验表明,设计出的运动控制器稳定可靠,双码盘导航优于单码盘融合陀螺导航,能实现移动机器人的灵活控制。     

拱泥机器人位置检测系统

简要介绍了拱泥机器人,提出了节杆式拱泥机器人位置检测方案,设计了位置检测系统及通讯接口电路,并完成系统的软件设计工作。     

基于关节空间与工作空间协同的6R点焊机器人路径规划方法

为实现6R点焊机器人动态性能优、焊接路径短的规划目标,提出在关节空间采用5次多项式规划其转角运动,以确保机器人从任一焊点到相邻焊点时的动态特性;基于组合数学原理,枚举点焊机器人工作时遍历所有焊点的可能路径集合,结合关节空间与工作空间映射关系和各可能路径长度动态积分的数值计算,给出最优焊接路径排列顺序。最后通过算例对该规划方法进行了验证。     

手机僵尸网络研究

手机僵尸网络是桌面系统僵尸网络在手机领域的延伸和发展,同属于广义僵尸网络的一个子集．随着智能手机的日渐普及和3G网络的成熟,基于手机构建的僵尸网络正从萌芽期进入到快速发展阶段,对手机用户的财产和隐私安全带来前所未有的威胁．我们在分析手机僵尸网络的特征和发展现状的基础上分析其使用的关键技术．最后我们对手机僵尸网络的发展方向进行了预测．     

基于A~*算法的机器人二维与三维路径规划实现

主要对移动机器人轨迹进行规划设计,将移动机器人的轨迹环境采用栅格化处理,提出了一种能结合全局和局部规划的改进的A*算法。使移动机器人在环境未知的情况下进行自主规划路径,通过MATLAB软件验证了算法的可实现性与稳定性,并将其与经典A*算法作对比,以证明改进算法的在运算能力,可实现性和稳定性上的优势。     

机器人避碰撞路径生成中的跨绕问题研究

随着机器人控制智能化程度的提高,避碰撞路径生成显得非常重要.可视图法可有效地求解二维问题。但无法求解三维问题.文中将三维避碰撞最短路径问题分解成跨越和绕行两个基本问题,推导了用于求解这些问题的一组定理和公式,由于采用了递推公式及解非线性方程组,使得算法较为简单.     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

基于CiteSpace的国内机器人领域研究热点分析和前沿展望

以"机器人"为关键词对中国知网中(CNKI)的SCI、EI数据库进行检索,以1994—2018年2060篇机器人研究文献为样本,借助信息可视化软件CiteSpace对所采集的数据进行共引分析和聚类分析,分别从时间分布、期刊分布、研究机构分布和高产作者分布、研究热点和研究前沿等方面进行分析。结果显示:机器人领域已经成为学术界关注的研究热点之一,该领域的研究目前仍处于发展时期,机器人与物联网、人工智能的结合应用将成为未来的研究热点和研究趋势。