基于时间-冲击的喷胶机器人轨迹优化算法

针对喷胶机器人时间-冲击等多目标优化的轨迹规划问题,提出基于时间-冲击最优的轨迹优化算法,优化喷胶机器人的运行时间和冲击(加加速度)两个效果相反的目标。采用4-5-6多项式插值曲线作为关节空间内的插值轨迹,确保机器人运动的连续性和平稳性;在关节角速度、角加速度和角加加速度的运动学约束下,利用多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法,以喷胶机器人的运行时间和冲击为目标对其进行轨迹优化。仿真结果表明,采用MOPSO算法对4-5-6分段多项式插值结果进行优化,提高了机器人的轨迹精度,减少了机器人运动过程中的冲击,有效缩短了机器人的作业时间。     

基于Bezier曲线的自主移动机器人最优路径规划

以自主移动机器人为研究对象,以足球机器人为研究平台,针对足球机器人运动轨迹的实际特点,提出了一种基于3次Bezier曲线的最优路径规划方法.该方法以足球机器人实际比赛时的速度、加速度和有效躲避运动轨迹上的障碍物作为路径规划的约束条件,以所规划路径和机器人到达目标点花费时间最短为规划目标.同时将Bezier曲线规划方法与粒子群优化算法相结合,通过粒子群优化方法对产生轨迹的各粒子进行选择更新,并调整各约束条件的权重系数,从而增强了路径规划的有效性和精度.最后通过仿真实验验证该方法有效可行.     

高压输电线路带电检修机器人作业臂运动优化

针对完全依靠人工带电拧紧高压输电线路引流板螺栓作业效率低、劳动强度大、高空和高电压危险的问题,研制了一种双臂和双机械手的引流板螺栓拧紧带电检修机器人。通过各关节的轨迹规划双作业臂及其末端由初始位姿运动到螺栓螺母对准状态是机器人顺利完成检修作业的关键。针对现有多项式插值关节轨迹规划依赖于轨迹端点时刻,导致该方法实用性差及关节轨迹运动过程中忽略驱动机构对关节状态制约的问题,提出基于Min-Max时间标准化的改进多项式插值关节轨迹规划方法。基于该方法,以关节运动时间为优化对象,提出满足关节轨迹运动全程约束条件的关节运动时间区间范围的求取方法。通过仿真实验验证了改进算法关节轨迹仅与轨迹端点状态及运动时间有关,而与端点时刻无关,进一步淡化轨迹端点时刻对关节轨迹的影响,提高算法的实用性。通过选取最优关节轨迹运动时间,满足了关节状态全程状态约束要求,从而避免超调的发生,优化了各关节运动轨迹,提高了关节运动的效率。最后通过现场试验进一步验证改进算法的工程实用性。     

改进粒子群算法在三维水下导航规划中的应用

基于群智能理论提出了一种改进粒子群算法.以非线性策略改变惯性权值,增强粒子群算法局部和全局寻优的调度能力,以改变迭代公式加大"优秀"粒子的影响,增强粒子群体的寻优能力.通过理论推导、验证和实验仿真,证明了改进粒子群算法具有更优的性能.在此基础上,将该算法应用到水下潜器的三维路径规划中,通过对三维空间的分割降维,并进行条件约束,实现了将路径规划问题转化为路径点求解的优化问题.实验仿真获得了从起点到终点的无碰撞路径,验证了该方法的可行性.     

轻型抓取机器人的优化设计与路径规划

针对一种轻型抓取机器人,对其进行了构型优化设计和相关工作路径的研究.在各臂旋转到同一条直线上时,以对各个关节的转动惯量最小为优化目标,得出轻型抓取机器人各臂的最优臂长,并针对抓取时的稳定性进行了设计.运用三次多项式对机器人的点到点运动和有中间点的运动进行了轨迹规划,得到了各个关节的位移和角速度方程,并用实例进行了计算.利用Matlab Robotics工具箱对轨迹规划的结果进行了验证.     

基于粒子群优化算法的绳驱动连续体机器人轨迹规划

为提高绳驱动连续体机器人运动的平滑性和稳定性,在关节空间和笛卡尔空间研究了基于样条函数和粒子群算法的轨迹规划问题。首先,采用双参数局部指数积公式建立连续体机器人的运动学模型;其次,根据牛顿-拉夫森迭代方法进行逆运动学求解;最后,基于自适应惯性权重的粒子群时间最优化算法结合五次B样条函数,分别实现了连续体机器人在关节空间和笛卡尔空间的轨迹规划。仿真结果表明：在相同的条件下,两种方法均可得到连续体机器人末端的连续轨迹,速度均小于10 mm/s,加速度均小于20 mm/s²;基于关节空间规划出的关节位移、速度、加速度曲线更为平滑,关节空间规划用时9.219 3 s,笛卡尔空间规划用时10.604 6 s。基于粒子群优化算法的绳驱动连续体机器人轨迹规划研究,提高了连续体机器人的运动性能,可为绳驱动连续体机器人的位姿规划提供参考。     

线控四轮转向汽车平行泊车路径规划与跟踪控制

针对线控四轮转向汽车平行泊车路径规划与跟踪控制问题,提出一种基于改进粒子群优化算法的平行泊车路径规划方法和一种基于前馈控制和反馈控制的平行泊车路径跟踪控制策略.首先,综合考虑线控四轮转向汽车运动学非完整约束、动力和转向子系统的过程约束和边界约束、避障约束、泊车初始位姿和目标位姿约束,建立以最小化泊车过程总时长为目标的平行泊车路径规划约束最优化问题,并采用可以处理等式约束和不等式约束的粒子群优化算法对其进行求解,得到最优平行泊车路径.随后,利用平行泊车路径规划过程得到的车轮转向角作为前馈控制量,并利用汽车实际位姿与期望位姿的偏差构建PI反馈控制量,实现对规划的平行泊车路径快速、精确和稳定的跟踪控制.最后,利用车辆动力学仿真软件构建模型在环仿真系统,验证所提出方法的可行性和有效性.结果表明:所提出的方法可以快速、精确和稳定地引导线控四轮转向汽车自动完成平行泊车任务.     

基于粒子群算法的可重构模块化机器人速度约束下轨迹规划

针对可重构模块化机器人速度约束下的时间最优轨迹规划进行研究.首先利用旋量理论实现模块化机器人运动学方程的自动生成,并在此基础上利用3-5-3多项式插值进行机器人的轨迹规划.由于可重构模块化机器人系统刚性差、在高速运动时会产生较大振动,需要对运动速度进行约束,本文利用粒子群算法对速度约束下的插值时间进行优化,使得机器人在速度限制下实现运行时间最优.最后通过仿真实验得到机器人角度、加速度以及角加速度曲线并进行分析,证明了方法能有效地实现速度约束下的最优轨迹规划.     

自主挖掘的时间最优轨迹规划

为了使挖掘轨迹更接近规划路径,提出一种新的挖掘机轨迹规划方法,即在关节空间内交叉使用三次插值多项式与五次插值多项式。其中三次多项式的系数仅通过关节角位移确定,利用五次插值多项式保证三次插值多项式轨迹之间的角速度、角加速度连续且整条轨迹首末角速度及角加速度为0。以某型液压挖掘机为例,分析其正运动学及工作空间,利用粒子群算法求解逆运动学的数值解。选取工作空间内的一条轨迹,以角速度、角加速度作为限定条件,采用活跃粒子群算法对插值时间进行优化,得到轨迹最短时间及关节最优角度曲线。在相同条件下与4-3-3-3-4多项式插值方法进行比较,最大误差减少26.1%,平均误差减少30.0%,结果表明交叉插值方法得到的末端曲线更贴合期望曲线,证明了有效性。     

面向无人机路径规划的多目标粒子群优化算法

针对无人机路径规划中方案单一的问题,本文提出一种基于集分解的多目标综合学习粒子群优化算法框架(MOCS-PSO/D),该算法使用基于分解的多目标优化框架(MOEA/D),结合基于集的粒子群优化(S-PSO)和综合学习粒子群优化(CLPSO),对CLPSO和PSO的速度更新公式进行改进,直接获得更多样的路径规划方案,同时...     

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.     

多关节跳跃机器人的起跳机理与运动规划分析

在给定离地任务要求的情况下,针对多关节冗余自由度跳跃机器人起跳机理及运动规划与优化问题进行了研究.以速度方向可操作度为性能指标,将期望的离地质心速度和加速度映射到关节空间,作为关节空间规划的边界条件.采用Fourier基函数参数化关节空间轨迹,从正运动学方程出发,结合驱动约束条件,利用粒子群优化算法搜索和寻求使能量利用率最大的参数值,实现起跳性能的优化.利用计算机仿真证实了此种方法的可行性.此外还建立了滑模控制器,实现起跳阶段轨迹跟踪控制仿真分析,为具有冗余自由度的多关节跳跃机器人的运动规划提供了一种有效的方法.     

基于模拟退火粒子群优化算法的拆卸序列规划

文章将模拟退火粒子群优化算法应用于拆卸序列规划求解过程,基于拆卸约束图构建了产品结构表达模型,将拆卸过程相关信息赋予拆卸约束图的节点与边,定义了判断拆卸序列优劣的适应度函数,将算法与模型进行了映射;最后以某款料理机主机体为例,运用模拟退火粒子群优化算法求解其拆卸序列,并与单一粒子群优化算法相比较,验证了该算法的有效性.     

基于改进粒子群算法的造林规划

一直以来造林规划的工作者主要是靠手工进行规划或者运用一些通用的计算机软件来辅助规划,表现出工作繁琐、效率低、设计粗糙、计算不科学.首先给出一种改进的粒子群算法,即使用最简单的罚函数法将约束优化问题转化为无约束优化问题,然后将不同阶段搜索进度应用到粒子群算法中.该算法在优化目标函数的分析性质上没有特殊要求,并具有较强的全局寻优能力.用该改进粒子群算法来确定在资金、计划、苗木品种和数量等约束条件下小班造林规划最优方案,结果表明该算法在约束条件下造林规划效果很理想.     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法.首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊...     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于改进粒子群算法的城市物流无人机路径规划

城市物流无人机路径规划是无人机任务规划系统的一项核心内容。为安全、高效实现物流无人机路径规划问题,首先,采用栅格法进行环境建模,考虑无人机性能限制,以路径长度最短、无人机高度变化以及栅格危险度最小为目标,建立多约束物流无人机路径规划模型。其次,针对传统粒子群算法存在的问题,引入Singer映射改进粒子初始分布、线性调整加速因子和最大速度,粒子位置新更新策略,及动态调整惯性权值,应用改进的粒子群优化算法求解模型。最后,进行了算例仿真分析。当栅格粒度取5米,路径节点取5个,代价函数权值分别取0.1、0.4和0.5时,与其他4种算法相比,本文算法总代价值最佳,分别减少44.5%、3.5%、42.8%和30%。结果表明,本文的模型与算法用于无人机路径规划是可行的和有效的。     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.     

基于NURBS算法的冗余机械臂轨迹规划

为有效抑制机械臂高速运动过程中的波动,提出一种基于NURBS(非均匀有理B样条)算法的七关节冗余机械臂轨迹规划方法。根据NURBS算法的性质,将关节运动路径点作为曲线控制点,根据绝对运动距离计算出非均匀节点矢量,把权因子作为控制变量进行速度、加速度条件约束,完成对由离散点组成的机械臂各关节特定轨迹进行逼近。通过计算机对建模和仿真,验证了该算法在冗余机械臂轨迹规划中的可行性和有效性。     

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.