基于神经网络和PSO的机器人路径规划研究

提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

基于粒子群优化的高超声速飞行器航迹规划

提出了一种基于粒子群优化算法的高超声速飞行器航迹规划方法并进行了仿真验证.首先计算了高超声速飞行器的最小转弯半径,然后建立威胁模型,将威胁模型投影到赤道平面内,利用一个有限项的多项式函数采逼近实际航迹在赤道平面内的投影,使航迹规划问题简化为在一个多项式系数空间中的搜索寻优问题.利用粒子群优化算法,鉴于高超声速飞行器特点,规划得到赤道平面内的航迹,根据对应关系,最后得到实际航迹.仿真结果表明,生成的航迹自动避开了威胁.     

基于滚动窗口的移动机器人路径规划

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的移动机器人路径规划问题。提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,并通过有效的场景预测 ,以滚动方式进行在线规划 ,结合了优化和反馈机制 ,具有计算量小、反应迅速的特点。大量仿真结果表明 ,该方法能很好地适应动态不确定环境。     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.     

爬壁机器人路径规划研究

研究爬壁机器人在三维工作环境中的全局路径规划.给出了一种基于人工神经网络结构能量函数的路径规划算法.可根据机器人吸附物体的形状设定各边界面对应的不等的模拟退火初始温度;并且可根据路径点位于物体内部与否的不同位置采用不同的运动方程.仿真结果表明,该算法可规划出最短的可行路径,为提高爬壁机器人的实用性,提供了一种有效的路径规划算法.     

基于二进制编码QPSO算法的移动机器人路径规划

在分析量子粒子群算法的基础上,针对离散搜索空间的问题,提出了二进制编码的量子粒子群算法.在算法中,重新定义了粒子的位置距离矢量,调整了搜索空间的迭代方程,并引入了多点交叉和精英保留的策略,保证全局收敛的同时加快粒子的收敛速度.并使用De Jong's测试函数对本算法和二进制粒子群算法进行了比较,最后使用二进制编码量子粒子群算法对机器人路径规划进行了仿真实验.     

基于双向汇聚引导蚁群算法的机器人路径规划

路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。     

未知环境下改进的基于BUG算法的移动机器人路径规划

对未知环境下移动机器人路径规划的方法和发展现状进行了概述总结,指出了各种方法的优点和不足.同时研究了环境未知情况下的移动机器人实时路径规划问题,将Bug算法与基于滚动窗口的路径规划相结合,提出了一种改进的移动机器人路径规划方法.规划时只考虑当前状态下所必须的传感数据,不必计算障碍物的边线解析式,节省了存储空间,提高了规划效率,保证了算法的实时性.算法采用两种行为模式,为了保证路径规划的完备性和全局收敛,同时给出了全局收敛标准.由于算法的固有原理,在陷阱区域移动机器人容易左右徘徊,无法达到目标点.针对算法的这个问题,利用虚拟障碍的概念提出了基于局部切线图算法的移动机器人路径规划.最后对本算法的收敛性和完备性给予了证明.仿真实验验证了该方法的有效性.     

基于力反馈的虚拟示教式机械手臂装配路径规划方法

根据力反馈设备PHANToM(R)和6自由度机械手臂结构的相似性,构建了一个基于PHANToM关节驱动的6自由度虚拟机械手臂模型,为了使该虚拟机械手臂模型具有力反馈的功能,提出了一种基于机器人运动学分析的空间匹配方法.基于该虚拟机械手臂模型,提出了基于力反馈引导的虚拟示教式机械手臂装配路径规划方法,该方法通过人工势场法计算反馈力,操作者可以通过操作力反馈设备PHANToM来控制虚拟机械手臂的运动,在反馈力的引导下结合操作者的经验和决策能力以虚拟示教的方式完成装配路径的粗略规划,使用基于距离准则的单端搜索法和人机交互方式对粗略路径和装配零件的姿态进行优化,最后通过动画的形式模拟机械手臂的装配过程,以供用户对该路径进行评价.     

机器人救援的目标吸引动态路径规划蚁群算法

地震发生后城市的道路状况未知而且复杂多变,因此,在震后机器人救援中,如何快速地找到最短路径以拯救更多的伤员,成为研究的热点问题。提出一种目标吸引的动态路径规划蚁群算法,在动态变化的震后救援环境中找到最短路径,减少救援时间。利用原有城市交通地图的全局信息建立目标吸引函数,对蚂蚁在复杂动态环境下的路径搜索进行引导,提高其选择离目标点更近邻节点的概率,减小蚂蚁对非最短路径的选择概率。通过与MMAS算法进行仿真实验对比,验证了提出的算法可以更快地收敛到最短路径并具有较好的动态性能。     

基于改进模拟退火算法的机器人全局路径规划

针对全局静态移动机器人路径规划问题,给出了一种简单易行的改进模拟退火算法.算法通过引入脱障算子和一致寻优算子,提出了一种新的状态产生方法.前者采用维值定向扰动策略,使碰撞路段的两个端点以一定步长跳离障碍物,这既保证了路径的无碰性,又加快了寻优效率;后者对随机选取的若干个路径点进行变步长地调整,使产生的候选解可以遍布整个解空间,提高了算法的全局寻优能力.最后,通过对一般环境和“陷阱”环境路径规划问题的仿真,验证了该方法的有效性.     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。     

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。     

双臂空间机器人的通用运动学路径规划算法

提出了一种基于通用运动学模型的双臂空间机器人在自由浮游状态下捕捉目标并避免碰撞障碍物的路径规划算法。过去的双臂空间机器人路径规划问题主要研究双臂的避碰问题 ,而忽略了机器人本体的避碰问题。实际上 ,当机械臂运动时 ,机器人本体也在相对运动 ,这个相对运动随机械臂质量与本体质量之比的增大而增大。利用通用运动学模型计算出双臂空间机器人的各点 (包括本体 )的速度 ,并在路径规划过程中根据机器人本体的速度计算出本体平动的距离 ,克服这个平动来避免与障碍物碰撞。最后 ,通过路径规划算法的计算机仿真结果证明了所提出路径规划算法的可行性     

基于动态路径规划的物流仿真控制技术

针对传统的静态路径规划与车间复杂的物流网络不一致的问题,提出了基于动态路径规划的物流仿真控制技术.通过对物流运行过程的分解,建立了基于物流的装载、运输和卸载等动作传感器触发的物流仿真控制逻;利用轨道选择规则和工件选择规则,实现了物流运行的调度控制;以轨道交叉点的计算为基础,利用Dijkstra算法实现了最短路径计算;通过在动态传感器中加入路径规划算法,实现了基于动态路径规划的物流仿真控制.最后通过建立物流仿真模型,验证了上述方法的有效性.     

基于全息地图的机器人与操作手同步路径规划

针对机器人行走路径规划与机械手操作路径规划之间缺乏同步性,提出了一种机器人与机械手同步路径规划方法,使机器人在路径规划时不仅可以实现行走路径规划,还实现了对操作路径的规划。首先,借鉴人对空间规划的思想,设计了实现机器人与机械手同步规划的总体思路,并且给出了其涉及的两个新概念,分别为物品点和二维物品操作点;其次,设定了同步规划模型,利用转换矩阵将其同化为机器人路径点模型;最后,将机器人路径点模型分裂为二维行走路径规划模型和三维路径规划模型,并据此同步的规划行走路径和操作路径。在家庭环境下,家庭服务机器人基于全息地图利用该方法实现了机器人行走与机械手操作之间的同步性,同时也可以生成合理的行走路径和操作路径。     

基于局部信息的滚动优化与机器人路径规划

文献[4]中提出了模糊优化的方法并应用于基于滚动机理的机器人路径规划。但在遇到某些特殊情况时会出现振荡问题而导致机器人不能到达终点。本文中提出了基于系统局部信息的滚动模糊优化算法，在模糊优化过程中引入了历史信息，通过增加新的和历史信息相关的约束，保证了所选择的局部子目标与全局目标的一致性，解决了上述振荡问题。并在MATLAB平台上进行了仿真，仿真结果证明了本算法的有效性。     

机器人轨迹跟踪连续预测控制

针对能够描述机械手动态特性的一类特殊仿射非线性系统 ,提出了一种非线性连续预测控制器。其预测模型通过对系统状态泰勒级数展开并做适当的截尾处理获得。此外 ,证明了非线性连续预测控制器的渐近跟踪特性 ,并给出了一种改进的预测控制方案。将非线性连续预测控制器应用于二自由度机械手轨迹跟踪控制。仿真结果证明了该控制器的有效性     

基于辐射扫描算法的机器人路径规划与仿真

针对基于生物激励神经网络(Biologically Inspired Neural Network,BINN)算法的机器人路径存在重复率高、转弯次数多的问题,提出一种将模板模型与辐射扫描(Radiation Scanning,RS)算法相融合的改进遍历路径规划算法(Improved Traversal Path Pla...