非完整运动规划的粒子群优化算法

讨论了粒子群优化和非完整运动规划问题。首先对粒子群优化算法的性能进行了分析，发现当搜索空间的维数较高时，粒子群将收敛到子空间的一个局部最优点，而该点并不是整个搜索空间的局部最优点。通过引入变异算子，则可以改进粒子群优化算法的性能。在此基础上，提出了一种求解非完整运动规划问题的带变异算子的粒子群优化算法。仿真结果表明，对于30维的球形函数，无变异操作的粒子群优化算法不能得到问题的最优解，而最优解可以非常容易地由带变异操作的粒子群优化算法得到。对独轮移动机器人非完整运动规划问题进行了仿真。结果表明，粒子群优化算法比牛顿法更有效。     

独轮机器人的非完整运动规划研究

研究独轮机器人非完整运动规划问题,提出了一种新的路径规划优化算法.首先通过控制参数化方法将无穷维优化控制问题转化为有限维优化问题,然后把控制空间分为受完整约束的子空间和受非完整约束的子空间,将控制空间的优化问题转换成第二个子空间的控制优化的问题.采用粒子群优化技术设计了独轮机器人非完整运动规划算法.最后进行了数值仿真,并和牛顿算法、改进的牛顿算法进行了比较,结果表明该方法是可行的,同时所需的能量更低.     

基于神经过程-粒子群算法的移动机器人路径规划

针对传统粒子群算法在移动机器人路径规划过程中早熟引起的局部最优问题,将运动过程预测思想集成到粒子群优化算法中,构造神经过程-粒子群混合算法。主要思路是在粒子群个体进行下一次迭代时,利用神经过程预测个体位置,增加了迭代后期粒子群体的多样性,避免过早陷入局部最优,从而提高算法优化能力。实验结果显示,改进算法用于解决机器人路径规划问题,整体性能优于传统的粒子群优化算法。     

空间机械臂姿态运动规划的粒子群方法

空间自由漂浮的航天器系统在忽略外力矩的作用时,系统因对总质心的角动量矩守恒而成为非完整系统.基于这样的特性,讨论了带双臂航天器姿态运动的控制问题.利用粒子群算法确定最优控制输入信号,得到了系统非完整运动的优化轨迹.通过数值仿真,表明该算法解决空间机械臂非完整运动规划问题是有效的.     

粒子群法在非完整移动操作机运动规划中的应用

研究了给定末端点路径条件下非完整轮式移动操作机运动规划问题,提出了基于粒子群法的运动规划方法.将移动操作机的末端点路径离散化.移动操作机从初始位形出发,利用粒子群法来搜索下一个最优位形,直至达到末端点路径终点.选择平台的控制输入矢量作为粒子,使得非完整约束条件自然被满足.在障碍环境下,将具有启发信息的势函数引入粒子的适应度函数,有效地实现了系统的无碰运动.通过计算机仿真验证了该算法的有效性.     

基于偏好粒子群算法的移动机器人路径规划

针对粒子群算法收敛速度快,但易陷入局部最优的问题,提出一种基于偏好粒子群算法的移动机器人路径规划方法.在对障碍物环境建模的基础上,根据避障偏好利用粒子群优化算法规划出全局最优路径.为避免搜索过程中算法陷入局部最优,采用深度优先搜索策略,保持了种群的多样性,提高了算法的搜索能力.实验结果表明:该方法能够有效地避开障碍物,并且获得较好的路径规划效果.     

基于粒子群算法的航天器姿态运动规划

当将万向节的相对转动角速度作为航天器系统姿态运动规划的控制输入变量时,由于航天器系统的控制输入的数目少于系统的自由度数目,系统的姿态运动成为典型的欠驱动非完整系统的运动规划问题,其运动控制问题变得非常复杂。提出了一种应用粒子群算法优化系统姿态运动规划的数值算法。数值仿真结果表明了该方法的有效性。     

基于神经网络和粒子群算法的移动机器人路径规划

针对移动机器人传统路径规划算法效率不高,寻优能力差等问题,提出一种基于神经网络和粒子群优化算法相结合的移动机器人路径规划方法.该方法利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性.仿真结果表明,这种新路径规划方法是可行且有效的.     

静态障碍物下的遍历多任务目标机器人路径规划

针对粒子群-遗传算法存在计算成本过高并且单一算法不能解决有障碍物存在的地图上遍历多任务目标点的移动机器人避障行走问题,提出一种分级粒子群、遗传和A*算法相结合的遍历多任务路径规划新方法.规划时,首先使用分级粒子群-遗传算法计算出执行任务的最优顺序,然后使用A*算法按照目标执行顺序进行无碰撞路径规划.该方法将遗传算法中的交叉、变异应用到粒子群算法中,提高粒子群算法的全局寻优能力和稳定性,并对粒子群进行了等级划分,不同等级的粒子在下次迭代中采用不同的操作.仿真实验证明:该算法能够规划出更优的任务目标执行顺序,并且同等目标情况下,相比于粒子群-遗传算法,迭代次数降低约25%,规划时间降低约10%.     

基于混合遗传粒子群优化算法的层次路径规划方法

路径规划是移动机器人研究领域的一个重要基础性问题。针对单独使用某一路径规划算法存在着搜索速度慢,或易陷入局部极值的问题,提出了一种基于混合遗传粒子群优化算法的层次路径规划方法。该方法的主要步骤包括:一是采用三角形法进行空间环境路径建模;二是结合人工势场法的改进遗传算法设计初次路径规划;三是运用粒子群优化算法对初次路径规划的结果进行优化以实现更可靠的最优路径。通过实例仿真测试,结果显示所设计的方法能够融合各算法的优点,快速有效地找到最优路径。     

四轮式移动机器人非完整运动控制

针对四轮式机器人做非完整运动时系统的非完整性的问题,将四轮式机器人运动规划转化为非线性控制系统的优化问题。提出了对优化变量进行浮点数编码的改进遗传算法,使系统控制精度得到改善。同时将改进的遗传算法采用最优个体保留策略,设计交叉参数和自适应变异参数,确保算法具有良好的收敛性。通过数字仿真实验,证明了该方法的对四轮式机器人非完整运动规划问题具有可操作性。     

基于时间冲击最优的TBM换刀机器人轨迹规划

为了提高隧道掘进机(TBM)换刀机器人的工作效率,减小换刀过程中的运动冲击,提出基于改进型粒子群优化(PSO)算法的轨迹优化方法.采用位姿分离法与关节变量最小策略,对冗余关节机器人进行运动学分析.利用所求的逆解,将目标轨迹由笛卡尔空间映射到关节空间.针对每个关节使用5次NURBS曲线构造冲击连续的关节轨迹,以时间冲击最优构造目标函数,采用改进型PSO算法求解出最优时间序列,完成对轨迹的优化.通过对特定的换刀任务进行轨迹规划,得到各关节的优化轨迹.优化结果表明,提出的轨迹规划方法可以为换刀机器人各关节提供理想的轨迹,具有较强的轨迹跟踪能力.利用5次NURBS插值法与改进型PSO优化算法,可以保证轨迹的时间最短与冲击最小,提高了运行的效率与平稳性.     

面向抓取任务的移动机器人停靠位置优化方法研究

为了解决移动机器人在复杂环境中物体抓取规划成功率低以及规划时间长等问题, 本文提出了一种基于环境信息的预处理生成移动机器人停靠位置优化算法。首先对机械臂的工作空间进行分析, 得到抓取难易评价标准, 将环境中目标物、障碍物以及移动底盘位置简化为点, 投影到xy平面上, 根据抓取难易评价标准求出移动机器人优化后的底盘停靠位置; 然后针对机械臂避障问题, 采用快速扩展随机树(Rapidly-exploring Random Trees, RRT)算法实现了机械臂末端及连杆与障碍物的避障; 最后通过仿真和动作捕捉系统下的实验发现, 采用移动机器人停靠位置优化算法可显著提高抓取规划成功率和规划速度。     

世界坐标系下非完整轮式移动机器人转弯轨迹的时域非微分描述方程

为了解决机器人路径规划模块在为非完整轮式移动机器人规划路径时,若要实现规划轨迹平滑且完全满足机器人的运动学约束,则需要精确的机器人工作环境的地图信息,从而大幅度地增加了路径规划算法的计算量的问题,首先利用较为粗略的环境地图信息规划路径,再将机器人转弯部分的路径进行函数插值,使整个路径规划满足机器人运动学约束且计算量增加较少.现有的机器人轨迹描述方程不能满足对机器人转弯轨迹进行精确插值的需要,因此提出分别利用曲线拟合法和泰勒插值法来构建非完整轮式移动机器人转弯轨迹的时域非微分描述方程.实验结果显示,所述机器人轨迹非微分时域描述方程可以用于对机器人路径规划的插值,降低了算法的计算量.     

基于一种改进PSO的移动机器人路径规划

提出了基于一种改进微粒群优化算法的移动机器人在已知环境信息下的路径规划方法。通过对算法中微粒的速度进化方式的改进，使算法能有效地对搜索空间进行搜索，避免陷入过早收敛，此外还将边界约束、静态避障和最短路径这3个条件表示成一个简单的适应度函数，使整个优化过程满足路径规划的任务要求。最后，通过仿真取得了很好的效果，证实了方法的可行性和有效性。     

一种全向滚动球形机器人的运动分析与轨迹规划

设计了一种全向滚动球形机器人的内驱动机构,4台直线电机分别在4个空间对称的轮辐上径向移动,改变系统重心位置,驱动球形机器人在平面上全向滚动.基于球体纯滚动的非完整约束和步进直线电机运动的离散特性,建立了球形机器人的运动模型,给出了控制其运动的二阶微分方程组,进而提出了该球形机器人的轨迹规划算法.结合实例进行了运动分析和轨迹规划仿真,表明这种运动分析模型是正确的,并且简化了球形机器人的驱动装置,降低了能耗.