基于改进PRM的采摘机器人机械臂避障路径规划

针对采摘机器人机械臂在不确定的环境中进行采摘作业的要求,提出了一种基于改进概率地图(PRM)算法的机械臂避障路径规划方法。将机械臂工作空间分割成离散单元集合,通过遍历的方法,获得机械臂工作空间中任意离散单元与机械臂有撞位姿之间的映射关系。将空间障碍物分割成离散单元,并通过索引映射关系获得与障碍物有撞的所有机械臂位姿信息,并以此建立关节构形空间。通过PRM算法在关节构形空间中快速搜索机械臂避障路径。仿真结果表明:相比传统PRM算法,改进算法速度提高22. 2%,能够有效地实现机械臂无碰撞路径规划。     

机械手三维操作空间建立与路径规划

针对传统路径规划算法在机械手路径规划中未考虑机械臂干涉、搜索效率低、路径不合理等问题,在建立了机械手空间模型,采用二次投影法分析和计算机械手操作空间的基础上,将障碍模型和操作空间栅格化,并提出了改进的遗传算法。在遗传算法的设计中,使用实数编码和三维坐标编码相结合的编码方式将栅格进行编码,改进交叉算子,定义最小基因交叉片段数量比,提高了搜索效率,简化了计算过程。通过Matlab建立了机械手仿真模型,验证了算法的有效性,且在实验条件和实验对象等各项参数相同的情况下,相对于传统路径规划算法,搜索效率,最优路径比等得到明显提升。     

基于改进人工势场法的机械手避障规划

针对三维环境中机械手在障碍物附近目标不可达问题和局部最小值问题,提出一种基于改进人工势场法的机械手避障方法.该方法以机械手末端所受合力的方向作为其运动方向,通过势场力的作用使机械手末端避开障碍物,解决障碍物附近目标不可达问题;采用X-Y平面内的角度偏移法,使机械手末端迅速跳出局部最小值,解决势场法的局部最小值问题;从而使机械手避开障碍物到达目标位置,并给出了机械手避障规划算法的具体实现步骤.将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的常规作业任务中,仿真实验结果表明,机械手末端沿着规划路径可跳出局部最小值,并避开障碍物,成功到达目标位置,验证了该算法的有效性.     

新型树启发式搜索算法的机器人路径规划

面对三维空间移动机器人从起始点到终止点的最短路径问题,提出一种新型的边缘点树启发式搜索(TreeEP)算法,该方法将地图空间进行密度可调的三维离散化处理,根据障碍安全距离筛选出障碍物的可靠边缘点信息,再利用树扩散架构选出最能引导搜索方向的潜力点进行扩散搜索,最终得出最短路径。提出局部调整策略,得到改进的Tree-EP算法。实验结果表明,在带障碍复杂地形最短路径搜索应用中,提出的Tree-EP算法与已有方法相比,能找到更短的移动路径。     

求解非线性方程组的元胞自动机方法及其全局收敛性证明

为了求得非线性方程组所有精确解,根据元胞自动机的特点构造了求解非线性方程组的全局收敛算法。在该算法中,将非线性方程组解的理论搜索空间划分为离散搜索空间,将离散搜索空间定义为元胞空间;离散搜索空间的每个点就是一个元胞,而一个元胞对应着非线性方程组的一个试探解;元胞的状态由其空间位置及位置修正量构成。将元胞空间划分为若干个非空子集,所有元胞的状态从一个非空子集转移到另一个非空子集的状态演化过程实现了元胞空间对理论搜索空间的搜索。在元胞状态演化过程中,元胞从一个状态转移到另一个状态的状态转移概率可以计算出来;元胞演化过程中的每个状态对应于有限Markov链上的一个状态。利用可归约随机矩阵的稳定性条件证明了该算法具有全局收敛性。仿真实例表明该算法是高效的。     

基于自适应遗传算法的点云曲线重建

由于用无序离散点集来重建出曲线曲面模型，在反求工程与计算机视觉中都有着广泛的应用，为此根据实际采样中离散点分布相对集中的特点，提出了一个基于自适应遗传算法的多维无序点集曲线重建算法。该算法针对无序带噪声的空间曲线重建问题，先把点云分布空间网格化，然后在每个网格中用自适应遗传算法搜索出最能代表该网格中点集的特征点，由于每个网格区域中点集分布的不均匀性，因此可根据搜索出来的特征点，利用改进的自适应的SIG（sphere-of-influence graph）图来对每个特征点进行进一步调整，以便能使得到待重建曲线的型值点，最后利用测地距离函数来确定型值点的拓扑结构，并利用B样条函数来重建曲线。实例证明，无论是2维平面点云还是3维空间点云，该点云重建方法简单可行，特别是对于存在自交情况以及点云具有明显角点的情况亦可以获得满意的结果。     

基于约束区域神经网络的动态遗传算法

提出一种基于约束区域神经网络的动态遗传算法,将遗传算法的全局搜索和约束区域神经网络模型的局部搜索结合了起来.利用动态遗传算法确定神经网络模型的初始点,同时使用神经网络确定动态遗传算法的适应度函数.该算法具有一定的理论意义和生物意义.与标准的遗传算法相比,缩小了搜索规模,可获得不定二次规划问题更好的近似最优解.     

基于Kinect的实时障碍物检测

传统的传感器在移动机器人障碍物检测领域都有其各自的局限性。文章提出基于Kinect的障碍物检测方法:利用Kinect传感器获取环境深度图像;通过Kinect标定配准之后获取校准参数;通过该参数获得图像像素点与空间三维坐标的对应关系;通过空间三维坐标确定地平面与障碍物区域,并将障碍物区域作为感兴趣区域;通过三维坐标在x轴和z轴的连续性对感兴趣区域进行处理,分割出各个障碍物。实验结果表明,文中算法可以有效且实时地检测到障碍物信息。     

人工鱼群算法的全局收敛性证明

研究人工鱼群算法,按候选解分量所在的区间,将搜索空间转化为离散空间,该空间中每个点即为一个人工鱼的位置状态,其能量(食物浓度)即为该点的目标函数值。分别将离散空间集合、人工鱼集合划分为若干个非空子集。在人工鱼觅食、聚群和追尾移动过程中,计算其从一个位置状态转移到任意一个位置状态的转移概率。每个位置状态对应有限Markov链的一个状态,且满足可归约随机矩阵的稳定性条件,由此证明人工鱼群算法的全局收敛性。     

一种障碍空间中不确定对象的连续最近邻查询方法

近年来,基于位置的服务获得了越来越广泛的关注,其中最近邻查询是最常用的一种查询方式.测量手段的不准确性以及数据本身的性质导致不确定性在位置数据中普遍存在,这种不确定性会对最近邻查询结果产生影响.空间中障碍物的存在也给空间数据查询带来了挑战.文中研究存在障碍物的空间中不确定对象连续最近邻查询的处理方法,设计了一种剪枝策略大幅降低需要计算的不确定对象数目,并进一步提出了障碍空间中不确定对象最近邻查询安全区域的概念及安全区域生成算法.设计了安全区域的索引存储方法.实验结果表明,文章所提出的方法具有良好的效率和可扩展性.     

基于遗传算法的Kriging模型构造与优化

相关模型参数的确定是Kriging模型构造的关键,讨论了利用传统数值优化方法,如模式搜索方法,确定相关参数存在依赖搜索起始点等缺点;利用遗传算法获得满足目标函数全局最小情况下的相关模型参数,解决了模型的构造对起始点依赖的问题;将遗传算法与改进后的Kriging模型结合,基于近似模型对系统进行全局最优化.     

工业机器人的自校正极点配置控制法

本文提出一种自校正极点配置法进行机器人机械手的位置和速度控制。首先将复杂的机械手系统由一组离散时间的差分方程离散化;然后根据所估计的参数用极点配置法来设计自适应控制器;最后给出了计算机的仿真结果。     

求解组合优化问题的鱼群算法的收敛性证明

为了证明求解组合优化问题的人工鱼群算法的全局收敛性,将人工鱼群算法的搜索空间定义为离散空间,其中的每个点即为一个人工鱼的位置状态,其食物浓度即为该点的目标函数值。根据食物浓度大小将整个离散空间集合分为若干个非空子集;将所有人工鱼集合也对应划分为若干个非空子集。在人工鱼的觅食、聚群和追尾过程中,人工鱼从一个位置状态转移到任意一个位置状态的转移概率可以计算出来;人工鱼移动过程中的每个位置状态对应于有限Markov链上的一个状态,且满足可归约随机矩阵的稳定性条件,据此证明了工鱼群算法具有全局收敛性。     

有限群体遗传算法的动力性

将遗传算法(GA)中进化算子的作用,抽象成从一个离散拓扑空间到另一个离散拓 扑空间的映射,将遗传算法等价为离散拓扑空间上的转移自映射的一个复合函数.以符号动 力系统(CS)为工具,证明了满足一定条件的有限群体的遗传算法(周期性现象的存在),构成 Devaney意义下的混沌;给出了基于二进制编码的有限群体遗传算法在Bowen意义下的拓扑 熵的范围.     

深度强化学习在室内无人机目标搜索中的应用

针对室内无人机随机目标搜索效率不高、准确率低等问题,提出了一种基于空间位置标注的好奇心驱动的深度强化学习方法。用正六边形对探索空间进行区域划分,并标记无人机在各区域的访问次数,将其作为好奇心,产生内部奖励,以鼓励无人机不断探索新领域,有效避免其陷入到局部区域;训练时采用近端策略优化算法（PPO）优化神经网络参数,该算法能使无人机更快找到最优搜索策略,较好躲避障碍物,有效缩短训练周期,提升搜索效率和准确率。     

基于投影的点云配准算法

点云配准分为粗配准和精配准两个阶段。在精配准阶段,大部分采用迭代最近点(ICP)算法。由于ICP算法的性能很大程度上依赖于点云初始位置,因此点云粗配准是点云配准的关键环节,能为ICP提供良好的初始位置。基于三视图的概念,分析了点云配准的关系,提出了一种新的点云空间位置评价方法,进而利用遗传算法提出了一种降维处理空间点云的点云粗配准新算法。首先,将三维空间点云分别投影到三个坐标平面,利用信息熵概念求解每个投影面的熵值;然后,以三个坐标平面的熵值之和作为目标函数,利用遗传算法搜索出最优空间变换矩阵;最后,将变换矩阵作用于目标点云实现点云的粗配准。试验表明,新算法配准效果好,能为精配准提供优良初始位置,且效率高。该算法能为点云的曲面重构研究提供优良的原始点云数据。     

基于不规则三角网构建的网格生长算法

提出一种基于离散点Delaunay三角网快速构建的网格生长算法,采用分治算法将离散点表达为唯一网格,利用稀疏矩阵完成网格数据的压缩存储,通过标识码实现有值单元格与离散点之间的高效检索,从而提高网格构建的效率。依据有值单元格的密度获取预设正方形搜索空间,并在三角网扩展时根据需要动态建立正方形搜索空间,从而保证网格生长的准确性。实验结果表明,该算法的时间复杂度为O(nlogn),对于少量或海量离散点均具有较好的适应性。     

基于灰色遗传算法的快速图像匹配方法研究

针对图像匹配速度慢,抗干扰能力差的问题,将灰色关联理论与遗传算法相结合,提出了一种鲁棒性强的快速图像匹配方法——GGA（Grey Genetic Algorithm）法。该方法首先确定问题的参数空间,通过对参数空间编码和种群初始化得到待匹配的多个初始位置,然后利用模板图和当前搜索子图的直方图信息,分别构建参考序列和比较序列,并以两序列间的灰色关联度为适应度函数。在此基础上,初始群体经过选择、交叉和变异等操作逐代进化到搜索空间的优化区域,并逼近最佳匹配位置。实验结果显示,GGA法充分利用了灰色关联理论的小样本特性和遗传算法的计算并行性,在保证一定匹配精度的情况下,实时性和鲁棒性明显提高。     

求解CARP-RP-ML问题的改进算法

传统方法无法有效求解交通道路维护运作中的有补给点及多装载的容量约束弧路径(CARP-RP-ML)问题。为此,提出改进的启发式算法和遗传算法。启发式算法将不同的分割算法用于由所有需求弧随机排序得到的个体上,构造问题的可行解;遗传算法利用分割算法计算其个体适应值,确定对应的可行车辆路径及补给位置,并用局部搜索作为变异算子,进一步扩大搜索空间。数值实验结果表明,与启发式算法相比,遗传算法能更有效地求解CARP-RP-ML问题。     

基于生成图算法的混合WSNs的避障调度研究

为了解决存在障碍物的混合无线传感器网络(WSNs)的动态传感器调度问题,构建了基于生成图的调度算法和模型.利用基于网格的技术获得了障碍物的规整化图形;根据基于生成图的算法,使得最短路径的搜索空间限制在连通图中;在实现最短避障路径的基础上,获得了动态传感器的能量有效性的调度目标.通过仿真,验证了方法的有效性.