基于遗传算法的喷涂机器人喷枪路径规划

根据复杂曲面的几何特性和拓扑结构,对曲面进行分片处理,在每一片上进行喷涂机器人喷枪路径的规划。将整个曲面上的喷枪路径顺序组合问题看成乡村邮递员问题（ORPP）,并采用哈密尔顿图形法表示ORPP,用遗传算法进行求解。个体编码采用代表哈密尔顿图中顶点的实数编码和代表每片上路径方向的编码相结合的方法,可实现对问题空间的全局快速寻优。最后以某品牌汽车车身后盖为喷涂对象进行仿真实验,实验结果验证了所提算法的有效性     

基于遗传算法的喷涂机器人喷枪路径规划

根据复杂曲面的几何特性和拓扑结构,对曲面进行分片处理,在每一片上进行喷涂机器人喷枪路径的规划。将整个曲面上的喷枪路径顺序组合问题看成乡村邮递员问题（ORPP）,并采用哈密尔顿图形法表示ORPP,用遗传算法进行求解。个体编码采用代表哈密尔顿图中顶点的实数编码和代表每片上路径方向的编码相结合的方法,可实现对问题空间的全局快速寻优。最后以某品牌汽车车身后盖为喷涂对象进行仿真实验,实验结果验证了所提算法的有效性。     

喷涂机器人的喷枪轨迹优化设计与实验

针对工件上涂层厚度均匀性与喷涂时间相互制约的问题,提出一种曲面上喷涂机器人喷枪轨迹优化设计方法。首先根据复杂曲面的几何特性,对曲面进行分片处理,求解每个曲面片上的喷涂速度和涂层重叠区域宽度的最优值;再利用无方向的连接图表示曲面上的喷枪轨迹优化组合问题,采用改进的粒子群算法进行求解。仿真和喷涂实验结果验证了算法的可行性和有效性。     

基于负反馈机制的蚁群算法及其在机器人路径规划中的应用

蚁群优化算法是解决机器人路径规划问题的有效方式。首先,利用栅格法对场景进行建模,然后再利用蚁群算法寻找简单环境或复杂环境下的最优路径。针对增强的蚁群算法易陷入局部最优解的问题,本文设计了具有负反馈机制的改进的蚁群算法,并以此来解决机器人路径规划问题。该算法利用搜索的历史信息,并通过获得失败经验,指导蚁群在优化过程中探索未知空间。该算法旨在利用负反馈来改善解的多样性,从而获得最优路径。实验结果验证所提改进算法在路径规划问题上有明显优势。     

基于改进蚁群算法的多服务机器人路径规划

为解决多服务机器人全局路径规划的问题,将基本蚁群算法应用到多服务机器人全局路径规划上,并对基本的蚁群算法作了改进.对基于算法的多服务机器人系统的构成进行了描述,接着对多服务机器人系统环境的表示方法及算法中对应问题的描述和定义进行了研究.对应用到多服务机器人系统的基本蚁群算法提出了几种改进的策略,并对改进的蚁群算法应用到...     

基于改进蚁群算法激光导航轮式机器人路径规划

针对激光导航轮式机器人在复杂环境中路径规划原始算法存在路径较长和收敛速度较慢的问题,提出了一种改进蚁群算法。在实际算法中,先利用MAKLINK图论建立AGV运行环境的空间模型,接着用Dijkstra算法搜索优化路径;然后,在Dijkstra算法的基础上采用蚁群算法搜索最优路径;紧接着,在改进蚁群算法中,优先选择搜索前后两节点同起点到终点夹角一致或相差不大的后一个搜索节点,获取新的信息素更新策略,并进行角度的初始化和信息素计算;最后,在Matlab上完成算法的编写并得到仿真结果。结果表明,改进蚁群算法路径优化性能更好,对实际环境中机器人的路径规划具有指导意义。     

复杂曲面上机器人自动喷涂路径规划方法

针对目前含有岛屿或空洞的复杂曲面上机器人喷涂路径规划中存在的问题,提出一种能够保持轮廓平行的机器人喷涂路径设计方法。利用最小二乘坐标映射原理,将被喷涂曲面映射到二维平面域,建立目标曲面与二维平面域之间的一一映射关系,然后对平面映射域的内外边界进行连续偏置,构造能够保持轮廓平行的二维偏置曲线;进而以被喷涂曲面到二维平面域的坐标映射为向导,将无干涉二维偏置曲线逆映射到被喷涂曲面上,生成能够保持轮廓平行的喷涂路径,实现多岛屿或空洞复杂曲面上三维喷绘路径设计到二维平面的降维处理。实例仿真实验结果表明,所提方法简单实用,可在含有岛屿或空洞的复杂曲面上快速地生成能够保持轮廓平行的机器人喷涂路径。     

改进蚁群算法在焊接机器人路径规划中的应用

路径规划是机器人研究的核心内容之一。为了解决针对于白车身生产线焊接机器人路径规划效率低下的问题,提出了一种改进的焊接机器人路径规划的方法,分析了焊接机器人路径规划问题的构成。并针对基础蚁群算法在解决焊接机器人路径规划时,容易出现搜索时间过长、效率低、容易陷入局部最优等问题,引用了粒子群算法。利用粒子群算法对蚁群算法随机产生的若干组较优解进行交叉和变异操作,得到了更有效的解。最后在MATLAB中利用优化后的蚁群算法计算最佳焊接路径,并与基础蚁群算法的结果对比。对比情况表明:优化的蚁群算法在解决焊接机器人路径规划问题上能得到更优的焊接路径和稳定性。     

基于改进蚁群算法的移动机器人路径规划研究

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。     

面向直纹曲面的喷涂机器人喷枪轨迹优化

针对复杂曲面中直纹曲面的喷涂机器人喷枪轨迹优化问题,由实验数据得到平面上的喷枪2D模型,推导得出圆弧面上的喷枪3D模型;提出通过最小二乘圆弧逼近直纹曲面的思想,将直纹曲面分成若干圆弧面片的组合,直纹曲面上的喷涂轨迹优化问题可近似看作圆弧面来处理,并在每个圆弧面片上建立喷枪轨迹优化目标函数;讨论了两圆弧面片交界处的涂层厚度计算方法及喷枪轨迹优化问题。仿真实验验证了分片算法及数学模型的有效性,证明该喷枪轨迹优化方法与传统方法相比,可有效地提高曲率较大曲面的涂层均匀性,且在保证喷涂精度的前提下,有效地减少分片数。     

移动机器人全覆盖路径规划算法研究

针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法。该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作。针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算法寻找逃离死区的最优路径,从而保证机器人实现路径全覆盖,并使覆盖路径的重复率尽可能小。仿真实验中,通过与传统算法比较,验证所提算法能在保证面积覆盖率为100%的同时,降低了死锁次数和轨迹重复率,从而提高了机器人工作效率。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

用于通用ATE开关资源测试路径优化的算法

文章在分析和比较目前常用的几种路径优化算法的基础上,尝试将蚂蚁算法用于通用ATE开关资源测试中测试路径的优化。通过将蚂蚁算法信息素的引入,使得蚂蚁算法能够以较稳定的速度逼近最优解,而且收敛速度较快,从而说明将蚂蚁算法用于解决测试路径优化问题的有效性。     

自适应蚁群算法在轮式机器人三维路径规划中的应用

为了优化轮式机器人三维路径,进行了特殊三维空间有效路径设计,提出了自适应蚁群算法(AACS)。并将该算法应用于三维空间机器人路径规划中,将轮式机器人所处位置与目的点之间的空间划分成带有坡度角的立体网格,定义其有效路径,形成TSP模式。自适应蚁群按TSP模式搜索从原点到目的点之间的最短路径。实验表明:自适应蚁群优化方法克服了传统蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,提高了收敛速度和精度,输出稳定性好,可以解决轮式机器人在三维实际工作环境中的路径优化问题。     

基于改进蚁群算法的机器人路径规划研究

针对基本蚁群算法在路径规划时出现收敛速度慢,易陷局部最优的问题,提出一种改进的蚁群算法。首先,为使算法在搜索时更具导向性引入方向夹角启发因子减少提高搜索速度;其次,融入A*算法的估价函数思想来改进启发函数,降低死锁可能性;最后,提出基于拉普拉斯概率分布的信息素挥发因子自适应策略,加快了算法收敛速度。多次仿真实验表明,所提出的改进算法能够快速,高效地寻找到最优路径,且路径质量优于基本蚁群算法规划出的路径。     

基于蚁群算法的产品拆卸序列规划研究

为了能以较高的效率求解出产品拆卸序列的方案，首先阐述了拆卸可行性信息图的概念，将产品的拆卸序列规划问题转述成对该加权有向图中具备最优值的路径搜索和寻优问题。提出了一种蚁群优化算法，并结合对产品元件的拆卸路径求解工具，以实现对产品拆卸可行性信息图的构建和对拆卸方案的搜索和寻优。蚂蚁的一条遍历路径代表了一个描述产品元件拆卸的方案；蚂蚁已经遍历过的路径上代表可行操作的节点数决定了其留下的信息素。启发式信息的求解分为两个部分，包括了确定启发式向量和求出启发式信息值，它们分别表征了方案的可行性及其优异程度。最后，通过一个实例，验证了这一方法的可行性及其计算效率。     

基于遗传算法的自动导引机器人全局路径规划

基于轨线导引的自主移动机器人的全局路径规划是一种较典型的路径规划问题。本文将必经路径点的所有离散组合影射到连续的整数域 ,然后采用了基于二进制编码的经典遗传算法来进行最优路径规划 ,收到了良好的效果。仿真结果表明 ,此算法可在较短时间内求得最优解或近似最优解     

蚁群算法在一维下料优化问题中的应用

研究了一维下料优化问题,建立了一维下料的双目标多约束数学优化模型,并给出了求解模型的蚁群算法的具体实现过程;针对模型的特殊性,提出了零件编码和将所有下料方式首尾连接转化为蚂蚁路径的方法,并讨论了初始化参数变量的选择问题。通过一维下料实例进行验证,计算结果表明,此算法可逼近理论最优解,收敛速度较快,理论上可以解决多规格大规模的一维下料优化问题。     

基于矩阵算式和蚁群算法的元功能链设计方案优化方法*

为解决矩阵算式求解元功能链设计方案过程中缺乏优化工具的问题,提出了一种矩阵算式结合蚁群算法的优化方法。分析了相似性理论,用相似度和广义距离表征两个相邻元件的兼容性;定义了相似度矩阵,并使之与设计方案矩阵关联计算,获得了蕴含元件相似度信息的设计方案矩阵;定义了设计方案的评价模型和基于蚁群算法的优化模型,给出了评价参数、权重以及评价值的计算方法;以元件的评价得分作为信息素,以广义距离作为相邻节点路径的长度,构建了信息素矩阵和概率矩阵;将方案求解问题转化为组合优化的最优路径问题,用蚁群算法直接优化蕴含在设计方案矩阵中的方案,得到了同时满足结构需求、功能需求、评价需求的设计方案。通过某三轴伺服传送机构设计方案优化的实例,验证了方法的有效性。