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.     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题，提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点，通过扩展，逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明，即使在随机生成的复杂环境下，利用该算法也可以快速规划出一条全局优化路径，且能安全避障。     

强化学习方法在移动机器人导航中的应用

路径规划是智能机器人关键问题之一,它包括全局路径规划和局部路径规划.局部路径规划是路径规划的难点,当环境复杂时,很难得到好的路径规划结果.这里将强化学习方法用于自主机器人的局部路径规划,用以实现在复杂未知环境下的路径规划.为了克服标准Q 学习算法收敛速度慢等缺点,采用多步在策略SARSA(λ)强化学习算法,讨论了该算法在局部路径规划问题上的具体应用.采用CMAC神经网络实现了强化学习系统,完成了基于CMAC神经网络的SARSA(λ)算法.提出了路径规划和沿墙壁行走两个网络的互相转换的方法,成功解决了复杂障碍物环境下的自主机器人的局部路径规划问题.仿真结果表明了该算法的有效性,同传统方法相比该算法有较强的学习能力和适应能力.     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

冗余度机器人的运动规划碰撞算法

在考虑了操作机的关节极限、自碰撞和静态障碍物的情况下,从给定的初始位形出发,发现一条到末端效应器目标位置和姿态的相连可到达路径。方法给出了机器人操作机点到点逆运动学问题求解算法,利用碰撞算法实现了冗余度机器人运动规划,仿真验证了该方法的有效性,并表明了该方法具有较大的实用价值。     

基于改进RRT-Connect算法的路径规划研究

传统移动机器人的路径规划算法环境障碍建模复杂且容易陷入局部最小值，而基于采样的快速扩展随机树(RRT)算法通过随机节点快速扩展路径搜索效率低。RRT-Connect算法在RRT算法基础上提升了搜索效率，但存在路径曲折的问题。为此，在RRT-Connect算法基础上通过加入人工势场引导增长方法和目标偏置采样方法，改进算法规划路径的平滑性和速度。为验证改进算法的有效性，与RRT算法、RRT-Connect算法在不同复杂度环境中的执行性能进行比较。仿真实验的结果表明，改进算法在三种不同环境下的路径规划时间和路径规划长度以及标准差稳定性方面均优于其他两种算法。     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题，提出了一种新的规划算法——混沌控制算法．该算法利用混沌控制原理，根据检测到的目标位置信息，分别采用线性和非线性方法构造目标函数，然后通过牛顿定理，进行路径规划，求出规划节点．最后对算法进行了模拟仿真．仿真结果表明，构造的目标函数在每个目标点周围形成了收敛区域，机器人移向哪一个目标点，由它的初始状态所在的吸引域决定，不必再施加其它控制．这样减少了规划的计算量，提高了路径规划的速度和精度，为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础。     

离散制造智能工厂场景的AGV路径规划方法

自动导引车(Automated Guided Vehicle, AGV)的自主路径规划是离散制造智能工厂中物流系统的重要组成部分, AGV可以大大提高离散智能制造的智能化和自动化能力, 而传统的AGV导航方式自由度较低。本文研究面向离散制造智能工厂场景下的AGV自主路径规划问题, 应用深度强化学习方法提高自主路径规划的自由度。设计了一种多模态环境信息感知的神经网络结构, 并将AGV在全局障碍下的路径规划预训练策略引入到复杂的离散制造智能工厂场景下的路径规划, 实现了AGV从环境感知到动作决策的端到端路径规划。实验结果表明, 采用本文提出算法的AGV能够在复杂的离散制造智能工厂环境进行自主规划路径, 并具有较高的成功率和避障能力。     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.     

基于运动约束的泛化Field D*路径规划

为了解决基于栅格的路径规划算法因环境描述的离散化导致规划结果不能满足机器人运动约束,以及单一路径代价的局限致使算法无法适用于复杂环境的问题,提出一种基于运动约束的泛化Field D*算法.该算法的代价函数可同时考虑路程、行驶安全以及行驶时间等一个或多个行驶代价.根据机器人运动模型的特性,在路径点提取过程中结合机器人的最小转弯半径,进行满足运动约束的路径平滑.该算法在多组模拟的复杂环境栅格地图中进行测试,实验结果表明,算法对复杂环境有很好的适应性,同时有效提高路径的可执行性.     

机械臂视觉伺服路径规划研究进展

视觉伺服控制是机械臂完成各种复杂作业任务的有效手段,而机械臂在动态非结构环境下自主作业的路径规划方法是视觉伺服控制领域的难点和关键.分析了动态非结构环境下视觉伺服路径规划中存在的两类约束及其处理方法,介绍并评述了国内外在机械臂视觉伺服控制中路径规划方面的相关研究进展,讨论并分析了不同路径规划方法在收敛性和稳定性等方面存在的不足,对未来的研究方向进行了展望.     

模糊控制在移动机器人路径规划中的应用研究

利用模糊控制算法自身所具有的鲁棒性,对室内移动机器人的路径规划进行研究.将模糊控制应用于机器人的路径规划中,提出了以墙壁为基本参照物,顺时针为主方向的路径规划策略,经多次实验建立了模糊控制表,无需图像处理,无需精确的环境模型,实现了机器人路径规划和快速避障,并最终在室内静态环境下实现了机器人的准确定位.     

基于改进遗传算法的移动机械臂拣选路径优化

传统移动机械臂路径规划算法没有根据抓取点分布情况对工位点坐标进行优化,效率低,对此,提出了一种基于改进遗传算法的移动机械臂拣选路径优化方法.通过对拣选物品位置的分析,建立单个工位点上移动机械臂分拣路径模型和多工位点的旅行商（TSP）问题模型,运用改进的遗传算法,在工作空间内对各个工位点的位置坐标寻优,规划出移动机械臂抓取的最短路径和多工位点间移动的最短路径.实验结果表明,与传统遗传算法可能,运用改进的等级进化选择算子和最优近邻交叉算子,遗传算法的收敛速度提高了46.15%,路径缩短了45.99%,系统运行时间减少了25.80%,提高了系统效率.     

核环境多关节蛇形机械臂的运动控制系统设计

以核聚变反应舱的探测和维护作业为例,设计一种具有多关节串联式结构的蛇形遥操纵机械臂系统,结构采用轨道推送加悬臂调整的复合式操控方案。针对机械臂执行全舱作业的运动需求,对机械臂运动轨迹进行仿真分析。设计包括路径规划与轨迹控制等的机械臂运动控制算法,构建各关节在运动学上能够同步运行的多轴协调控制系统。通过搭建模拟舱几何环境,对机械臂进行运动测试,完成关节旋转角度的控制精度评估。构建机械臂系统的重力补偿模块,通过柔性模型的仿真验证对机械臂系统的末端定位精度加以评估。测试结果验证了运动控制系统的有效性。     

Hopfield神经网络构建骨架图的一种有效应用

采用一种局部连接Hopfield神经网络(HNN)来构建骨架图，进行移动机器人路径规划。该HNN势场没有非期望的局部吸引点，所构建骨架图和环境连通性相一致，保证了路径规划的完整性。仿真表明该方法具有较高的实时性和环境适应性。     

地面移动作业机器人运动规划与控制研究综述

针对地面移动作业机器人存在的自由度高度冗余和操作臂与移动平台间强耦合问题,指出地面移动作业机器人的研究面临着作用链等效动力学建模及其规约、强环境交互作用下高维动态作业规划、动态稳定性以及实时作业控制等难题.分析并总结了移动操作机器人的最新研究成果,从地面移动作业机器人系统动力学建模与耦合作用分析、运动规划、动态稳定性与作业控制等多个方面,对现有研究成果进行了评述,对地面移动作业机器人运动规划与控制的发展方向进行了展望.     

未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域，一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.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总结，指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.     

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。     

机器人路径规划方法的研究现状与展望

移动机器人研究中的一个重要领域是机器人路径规划方法,它分为环境信息完全已知的路径规划和环境信息完全未知或部分未知的路径规划,通过对机器人路径规划方法研究现状的分析,指出了各种方法的优点及不足,并对其发展方向进行了展望。     

移动机器人路径规划定量研究

移动机器人工作环境的定量建模是移动机器人路径规划定量分析的基础，采用自由空间法，建立移动机器人工作环境的二维带权网络拓扑模型，模型中的长度矩阵描述工作环境的路径实际长度，宽度矩阵描述工作环境的路径实际宽度。在Dijkstra路径搜索算法中，引入路径宽度与机器人本体大小的比较以及规划后路径宽度的改变来解决移动机器人路径规划的定量问题，同时对Dijkstra搜索算法在效率上进行了改进。该算法的实验仿真表明，提出的路径规划方法是正确和有效的。