避免路径规划NA算法局部极小值的仿真试验

针对已知障碍物形状和位置环境下的机器人全局路径规划问题 ,提出利用神经网络路径规划算法进行路径规划。为解决神经网络路径规划算法的局部极小值问题 ,提出针对障碍物的形状设定各条边的模拟退火初始温度。采用此方法仿真试验的结果表明 ,该方法能够避免某些局部极小值情况 ,规划的无碰路径达到了最短无碰路径     

楼梯清洁机器人休息平台路径规划研究

楼梯清洁机器人的工作不仅是楼梯清扫,而且还要完成休息平台的遍历.犁田算法可使楼梯清洁机器人以最短路径覆盖楼梯休息平台,但机器人长方形的壳体不利于转身运动,需要与障碍物留出更多的安全距离,导致清扫覆盖率下降.针对这一问题,该文提出了一种基于犁田算法的改进路径规划,使机器人按"N"字形行走:当机器人遇到障碍物时,旋转一个角...     

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．     

基于保留区域的分布式多机器人路径规划

针对多机器人路径规划算法多采用集中式规划,生成的机器人路径之间高度耦合,机器人发生故障时或者路径的时间序列被打乱时须要重新规划,导致执行效率较低的问题,提出了一种基于保留区域的分布式多机器人路径规划算法.采用分布式的规划架构,单个机器人在强连通有向图的环境中单独规划路径,中央模块采用保留区域的方法协调机器人之间的路径.该算法解决了规划路径之间高度耦合的问题,并且实验证明该算法还具有求解快速、规划成功率高、执行过程鲁棒性好等优点.     

BP神经网络在路径规划中的应用

神经网络由于其具有对数据大规模并行处理及对知识有较强的融合能力的优点，因此将它应用于机器人路径规划中，但是BP网络极容易陷入局部极小值，应用加权策略解决了此问题．仿真结果表明，BP神经网络应用于移动机器人路径规划具有正确性、高效性、实用性和智能性等优势．     

基于Lévy-PSO算法的焊接机器人避障路径规划

针对工业机器人的运动特点并考虑机器人焊枪的避障问题,提出了较为实用的几何避障焊接路径规划策略.采用Lévy飞行与粒子群算法(PSO)相结合的算法进行全局路径规划的优化,并与其他方法进行模拟仿真比较,以验证其合理性和可行性.结果表明,Lévy-PSO算法能够得到避障焊接路径最优解,且其寻优效果较为稳定,可用于解决点焊机器人避障路径规划问题.     

基于神经网络改进粒子群算法的动态路径规划

针对机器人在不同类型障碍物环境下的路径规划问题,提出基于神经网络的改进粒子群优化算法.采用神经网络统一障碍物环境建模,快速实现路径与所有障碍物的碰撞检测,通过惯性权重和三次样条曲线平滑路径,以较低的粒子编码维度,在提高算法收敛速度的同时保持路径精度,避免陷入局部最优.仿真结果表明:神经网络能够统一静态和动态障碍物环境表...     

线性再励的自适应变步长机器人神经网络路径规划算法

研究已知障碍物形状和位置环境下的机器人全局路径规划问题。利用神经网络路径规划算法进行路径规划，为提高神经网络路径规划算法的收敛速度，表明所给出的线性再励自适应变步长算法能够有效地加快路径规划的收敛速度。     

基于速度障碍和行为动力学的动态路径规划

针对基本行为动力学在解决多机器人动态路径规划中存在的问题,充分考虑运动障碍物和其他机器人的速度信息,利用速度障碍为机器人规划了避障和避碰区域.根据路径规划的要求,利用行为动力学设计了奔向目标行为、避障行为和避碰行为3个基本行为,并提出利用粒子群优化方法对基本行为进行融合.利用Matlab对所提出的算法进行仿真,结果表明利用速度障碍、行为动力学和粒子群相结合的方法可以实现多机器人系统的动态路径规划,且方法简单,路径光滑.     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

基于双层协调体系的多移动机器人路径规划方法

针对多移动机器人系统中路径规划全局最优与局部协调的兼容性需求,提出了一种基于双层协调体系的路径规划方法。结合路径组亲和度评价提出改进的免疫协同进化算法并完成全局路径规划,提高了规划效率和全局路径质量;根据初始条件和全局路径信息,判断系统中各机器人可能出现碰撞的位置,提出基于优先级机制的动态窗口法在相应位置附近完成路径的局部协调;最终在全局最优路径基础上实现机器人的局部路径协调避碰。试验结果表明,该路径规划方法使机器人沿全局最优路径行驶时,仍能进行灵活有序的局部路径协调,有效提高了系统的路径规划性能。     

基于演化深度神经网络的无人机协同无源定位动态航迹规划

 针对多无人机在无源定位过程中协同动态规划航迹提高定位精度问题,提出基于演化深度神经网络的分布式动态航迹优化方法。首先将演化计算与深层前向反馈神经网络结合,设计基于演化神经网络的无人机协同无源定位动态航迹规划框架。以多无人机到达角（AOA）协同定位为例,利用定位过程中对目标估计的克拉美罗界（CRLB）生成最优训练集。通过无人机下一时刻与目标形成的相对构型作为系统学习的行为,从而得到下一时刻优化后的航迹点。实验结果表明,该方法相对于传统中心控制的无人机协同定位方法,具有更低的处理延时,能够以更短时间达到定位精度。     

基于改进DWA的动态环境路径规划算法

摘 要 在涉及机器人自主运动和目标跟踪等场景中,动态障碍物的存在可能会对实时规划产生威胁。因此,生成一条安全路径以确保机器不会与动态障碍物发生碰撞显得至关重要。为此,提出一种改进的动态窗口法(dynamic window approach,DWA),其基于参考速度障碍物（velocity obstacle,VO)的思想,通过考虑障碍物的速度计算基于障碍物的危险区域,进行DWA节点选择排除不可行的路径,并且通过引入人工势场法作为评价函数选择最佳节点以避免与动态障碍物发生碰撞且能够快速到达期望目标点。结果表明：相对于传统的DWA算法,本文提出的DWA-VO算法在动态环境中相对于传统的DWA算法具有更高的成功率和更好的规划质量。     

多功能移动机器人分层路径规划研究

现有移动机器人规划算法生成轨迹目标单一,无法满足多样化的任务需求,为此,提出一种多指标维度反馈的路径规划策略。基于强化学习在线决策机制,寻求多条抵达目标的无碰撞路径;进而根据路径性能特征建立价值评估体系,动态更新机器人运动节点间的动作代价值,并且在不同权重配比下进行了仿真测试。结果表明：该算法能根据需求针对性提高全局路径相关性能,并结合全局路径信息,反馈控制局部运动决策,从而使得移动机器人能够在相同环境中解算出不同满足期望的运动决策。     

基于时分同步的码分多址技术的网络邻区规划覆盖强度准则算法

高质量的邻区规划是保障蜂窝移动通信系统顺利进行快速越区切换的基本条件,其算法主要基于地理信息准则和基于覆盖强度准则(CSD)两大类.针对时分同步的码分多址技术(TD-SCDMA)网络的技术特点,提出了一种将两大准则相结合的CSD算法.该算法首先根据小区间距离与天线朝向进行邻区筛选,以缩小邻区筛选范围,然后再依据信号覆盖强度,更精确地选出邻区,最终形成邻区规划列表.仿真表明,本算法的规划结果与现网邻区规划相吻合,并大幅提高了算法效率,具有良好的算法性能,符合实际网络规划需求.     

基于模拟退火PSO-BP算法的钢铁生产能耗预测研究

针对BP对能源系统进行建模和预测的方法存在的问题,提出一种优化BP神经网络的模拟退火粒子群混合算法(SAPSO)。利用该混合算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以得到最优解,并将所建立的预测模型对钢企能耗进行预测。最后与BP神经网络以及最小二乘法进行比较。仿真结果表明该混合算法增强神经网络的泛化能力,具有相对误差小,预测精度较高,能更好地跟踪未来数据的优点。