基于人工势场的机器人动态路径规划新方法

针对传统机器人路径规划方法仅考虑静态环境的问题,建立了一种基于人工势场的移动机器人动态路径规划新方法.移动机器人运动环境通常是复杂多变的,在动态环境下,目标点、障碍物可能都是运动的,另外,存在运动轨迹未知的随机障碍物等,针对移动环境的动态情况,在传统人工势场法相对位置势场的基础上引入相对速度势场,充分利用量子粒子群算法,对引力势场和斥力势场的增益系数进行一定的优化.以量子粒子群的优化算法进行快速全局搜索,结合人工势场操作,对引力场和斥力场增益系数进行优化,该方法易于实时快速地对机器人进行控制.仿真结果表明,基于量子粒子群算法的人工势场法的路径规划模型能够得到平滑、安全的路径,具有较高的性能.该方法可以有效地实现机器人的动态路径规划.     

足球机器人的双圆弧射门算法研究

为了提高机器人足球比赛中的成功率,在分析了基本算法不足的基础上,利用能够满足任意端点及其斜率要求的双圆弧曲线来解决机器人小车到达目标点的位置,以及姿态运动过程中遇到障碍物能够保持最佳姿态的射门问题,并利用优化设计中的复合形法进行了运动路径寻优.仿真结果表明,利用双圆弧曲线可保证足球机器人有效地避开障碍物到达目标位姿,且可保证规划路径上的每一点均能满足非完整约束条件,有效地为足球机器人规划出避碰最优路径.优化后的方法简单有效,可对机器人的初始条件不加限制,计算量非常小,因此有较高的实用价值.     

双圆弧优化算法的足球机器人路径规划

根据双圆弧数据逼近方法,提出一种足球机器人路径规划算法,弥补机器人小车到达定点常用Turn-Run-Turn方法及模糊控制(PID)方法存在的不足.利用由分段圆弧曲线连接而成的双圆弧,具有满足任意端点及其斜率特性要求的特性,解决机器人小车到达目标点位置和姿态的运动过程中遇到障碍物及保持最佳姿态的路径规划问题.最后,利用复合形法,求解障碍物约束条件下的非完整移动机器人路径规划问题,并进行运动路径寻优.结果表明,该方法简单有效,对机器人初始条件不加限制,计算量非常小.     

基于分区粒子群算法的焊接机器人路径规划

点焊机器人在焊接过程中通常要遍历很多焊点,如何规划焊接机器人的焊接路径已经成为焊接工艺的研究重点之一。当焊点数量达到一定程度时,使用传统的方法很难找到最优路径。焊接机器人的路径规划指标有很多,一般以路径距离最短或时间最少居多。以焊接路径距离最短为规划目标,利用改进的分区粒子群算法对焊接机器人的焊点路径进行规划,仿真结果验证了该方法的可行性。     

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.     

利用渐开线的足球机器人射门算法研究

为了进一步提高足球机器人的射门成功率,使射门动作更快更准,在分析了基本算法不足的基础上,利用光滑、可微的渐开线来解决机器人小车到达目标点的射门问题.通过建立球场坐标系及机器人小车的运动轨迹坐标系,导出了旋转矩阵与平移矩阵,对球场坐标系和运动轨迹坐标系进行了坐标转换,并运用几何学方法建立了机器人在运动过程中的避碰模型,最后利用优化设计中的内点惩罚函数法对机器人小车进行了运动路径寻优.仿真结果表明,该算法可优化足球机器人射门的运动轨迹,优化后的方法不但可以减小问题的复杂度,而且具有极高的实时性,因此较好地实现了机器人在动态环境下的射门动作,提高了射门的成功率.     

孔群钻削的运动规划和加工路径优化研究

本文对三轴直角坐标机械手的运动规划和加工路径优化方法进行研究。此设备用于钢琴弦轴板群孔钻削加工。首先,采用抛物线过渡的线性插值算法,对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹。然后,基于遗传算法,以最短加工路径为目标,以无碰撞地绕过所有的障碍物为约束条件,获得孔群钻削的优化加工路径。并以六种型号弦轴板进行计算验证,计算结果验证了算法的有效性。     

孔群钻削机械手的运动规划和加工路径优化

为提高加工效率,对用于钢琴弦轴板孔群钻削加工的三轴直角坐标机械手的运动规划和加工路径优化方法进行了研究.首先采用抛物线过渡的线性插值算法对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹.然后以最短加工路径为目标,以无碰撞地绕过所有障碍物为约束条件,建立了孔群加工路径规划问题的数学模型,并采用分层优化的遗传算法获得了孔群加工的优化路径.最后以6种型号弦轴板为例进行计算,结果验证了算法的有效性.     

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     

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...     

Delta机器人拾放操作门型轨迹优化与ANPD控制试验

为实现Delta机器人稳定快速拾放作业,基于次数和长短轴可变的3参数Lamé曲线构造笛卡尔空间门型运动轨迹,采用非对称6次多项式规划门型路径的运动规律,推导离散时间下的位移、速度和加速度公式。为进一步平滑运动轨迹,以关节力矩变化率均值为优化目标,采用遗传算法对Lamé曲线的3个参数进行综合优化,提出Lamé曲线次数的选取方法。在此基础上,通过引入一类饱和非线性函数设计Delta机器人增广非线性PD(ANPD)控制器,对自主设计的机器人开展控制试验。结果表明,该轨迹优化方法能获得平滑运动轨迹,机器人轨迹跟踪误差小,重复定位精度高。     

基于AHPSO算法的无人艇多目标路径规划

为达到在实际水流环境中减小无人艇的能耗和保证无人艇安全等目标,提出一种自适应混合粒子群(AHPSO)算法用于无人艇的全局路径规划.首先,根据实际水流中无人艇路径能耗等因素,提出路径规划的目标,建立多目标优化方程;其次,分析适用于全局路径规划的粒子群算法,将全局与局部粒子群算法结合,生成混合粒子群算法;最后,针对标准粒子群算法早熟收敛等问题,采用自适应原理来改变惯性权重和加速系数,有效提高算法的寻优速度和精度.仿真结果显示:所提出的算法比单独采用全局或局部标准粒子群算法有更好的寻优性能,可实现多目标优化,更适用于实际水流环境中的无人艇路径规划.     

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.     

采用粒子群优化算法的液压挖掘机高效空中运动轨迹规划方法

以铲斗姿势角为约束,利用三次多项式插值法进行轨迹规划,以铲斗尖运动的最短路径为目标,并以各关节的最大运动速度为约束,用粒子群优化(PSO)算法对各关节的运动时间进行优化.实验数据和仿真结果表明:经过粒子群算法优化后的轨迹规划方法可大幅度提高挖掘机空中运动的工作效率,并保证各关节运动的平稳性,实现运动路径最优的目标.     

基于遗传势场法的足球机器人路径规划

以足球机器人系统为研究背景,采用了人工势场法和遗传算法相结合的方法,实现了足球机器人路径规划.首先根据势场原理设计可调参数的势场函数,再规划出已知环境下可调参数的势场函数,然后设计遗传算法中的相关适应值函数,最后用遗传算法优化势场函数中的参数,得到遗传势场法.同时利用C++编程实现遗传势场法的仿真平台,并在该平台上进行仿真实验,结果表明,遗传势场法具有避障以及适于在实时环境中使用的优点,在解决实际路径规划问题中是行之有效的.     

具有自适应度双群体PSO的组群机器人队形控制

针对粒子群算法对约束条件的优化处理问题,提出一种具有自适应度双群体粒子群优化算法,该算法将目标函数与约束条件分别考虑,形成2种群体以不同目标为前提同时向最优解进化;并分别对2种群体的适应度引入自适应权重系数与相应调整策略,基于并非所有非可行个体均劣于可行个体概念,动态地调整其适应度以保证部分非可行个体向可行域进化.将其应用于组群机器人队形控制中,链型结构(纵队)队形仿真结果表明了该算法的有效性.该粒子群算法为实际应用中约束优化问题的求解提供了新的途径.     

基于五阶Bezier曲线的无人车避障轨迹规划

无人驾驶汽车的局部路径规划对于自动驾驶技术的推广有着至关重要的作用。为了研究无人驾驶汽车在运行过程中前方会出现会静止障碍物采用换道避障策略的情况,提出了基于五阶Bezier曲线的局部路径规划方法。首先,通过分析车辆性能极限及车辆碰撞边界确定换道过程中车辆的可行驶域,再进一步考虑车辆的物理特性提出轨迹曲线优化目标函数,确定五阶Bezier曲线的6个控制点,得到最优避障轨迹。然后利用CarSim和MATLAB/Simulink软件进行仿真实验验证。结果表明此方法能够规划出易于车辆跟踪的轨迹曲线,且针对不同车速情况下的换道避障能够分别产生此车速下的最优避障轨迹。     

基于遗传算法的白车身机器人焊接路径规划

分析了轿车白车身制造过程中机器人拼焊工位焊接路径规划的特征,将焊点与机器人的工具原点抽象为空间点,根据图论理论建立各点的关系图.将约束条件转化为局部有向关系矩阵,以机器人空间运动最短距离为目标,建立货郎担问题数学模型,利用遗传算法求解.依据关系矩阵产生合法初始种群,并确定选择、交叉、变异等遗传算子,以MATLAB语言编程计算.行李箱盖补焊工位焊接路径规划结果表明,该方法能够对机器人焊接路径合理规划,规划方案已成功用于工程实际.     

基于蚂蚁导航的未知环境下机器人路径滚动规划算法简

研究了一种栅格法环境建模下机器人路径滚动规划新方法.在未知环境内机器人根据视野域栅格环境与目标点信息,基于蚁群算法巧妙规划出局部导航优化路径.机器人沿着导航路径按照一定的步长前进一步,并重新动态规划出新的导航路径.机器人始终沿着较优化导航路径前进,机器人路径不断动态修改,当目标点在视野域范围内时直接规划出局部优化路径并直接到达目标点.该方法克服了传统子目标映射的复杂度高和智能化程度低等问题,仿真实验验证了本文方法的有效性.     

基于混合粒子群算法的农情监测无人机路径规划

用无人机对果树病虫害进行巡航拍摄是有较大潜力的农情监测方法,本文以飞行时间最短为目标,建立了农情监测无人机路径规划的数学模型.结合遗传算法、模拟退火算法的思想,在粒子群算法中引入交叉、变异、替换操作,提出了一种混合粒子群算法来求解无人机路径规划的数学模型.实验表明,无人机路径规划数学模型可以被混合粒子群算法有效求解,且...