基于改进灰狼优化算法的自动导引小车路径规划及其实现原型平台

针对智能优化算法求解自动导引小车路径规划问题效率低且易早熟的缺陷,提出一种用于求解复杂环境下自动导引小车路径规划问题的改进灰狼优化算法。算法引入路径微调算子和邻域变异算子来提高灰狼优化算法的局部开发能力,又引入新的初始解生成算法提高初始种群的质量;采用改进的路径片段与障碍物相交判断算法来提高算法的运行效率,再采用新的避障算子来提高路径片段避开障碍物的效率。基于MATLAB GUI开发工具开发了带有多种智能优化算法的自动导引小车路径规划仿真原型平台,并与单种群遗传算法、多种群遗传算法和改进遗传算法进行对比,验证了改进灰狼优化算法求解自动导引小车路径规划的有效性。     

基于改进遗传算法的虚拟装配路径规划研究

装配路径规划是虚拟装配技术的核心,为了获得最优装配路径,在凸四边形障碍物环境中,通过对初始种群选取方法的重新定义,保证了参加演化算法的每条染色体都是可行的,同时对传统遗传算法中的变异算子和杂交算子进行改进,提高了算法的有效性。最后实验证明将改进的遗传算法运用到机械式减速箱装配中可得到更优的装配路径。     

复杂结构条件下的装配路径求解与优化技术

针对复杂结构条件下的零部件装配路径自动求解困难的问题,提出基于障碍和贪心规则的快速扩展随机树(Rapidly-exploring random tree,RRT)算法。该算法以基本RRT算法为基础,采用随机采样、终点采样、局部采样相结合的采样方式,利用目标零件与障碍物的碰撞面片法向量和碰撞点位置来引导随机树的扩展方向,在每个扩展方向上按贪心规则进行扩展,并提出先平移后旋转的扩展策略。对求解得到的初始装配路径,提出运用分段线性拟合的方法进行路径自动优化。设计并开发了装配路径求解软件原型系统,进行了算例测试和实例应用,结果验证了算法的高效可行。     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

基于参数优化蚁群算法的机器人路径规划研究

采用蚁群算法(Ant Colony Optimization,ACO)求解棉花搬运机器人全局路径规划时,会出现规划效率低、蚁群算法参数的改变对规划效果影响大等问题。提出了一种粒子群参数优化的改进蚁群算法,该算法能够根据地图情况的不同智能地调节参数组合,从而在各种地图中能够发挥蚁群算法的最佳性能。通过实验数据分析蚁群算法重要参数对规划效率的影响,进行参数优化;针对改进后算法耗时大的问题,提出粒子群算法的动态惯性权重调整策略和改进的蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率,在障碍物分布不同的地图中进行仿真实验,通过与蚁群算法路径规划结果的对比,证明了粒子群参数优化的改进蚁群算法能够发挥蚁群算法最佳性能,可提高移动机器人到达目标点的速度并降低机器人运动过程中的损耗。     

基于改进RRT算法的线缆自动布线技术

针对机电产品中线缆布局设计效率低、成本高的问题,提出一种基于障碍物与目标吸引的改进快速扩展随机树算法(Obs-GA RRT)的线缆自动布线方法。该方法以基本RRT算法为基础,提出标准扩展、基于障碍物碰撞面片法矢量方向扩展及基于历史与目标点吸引扩展相结合的扩展策略,并采用节点扩展概率准则及多步贪婪准则,自动求解出线缆的布局初始路径,并提出基于扩展碰撞信息的路径优化方法对求解得到的初始路径进行优化。设计并开发了三维线缆自动布线软件系统,进行了算例测试与实例应用,验证了算法的高效可行。     

基于A~*算法的空间机械臂避障路径规划

针对空间机械臂在轨操作任务需求,提出一种基于A*算法的避障路径规划算法。根据机械臂和障碍物几何特征,对机械臂模型和障碍模型进行简化。通过研究机械臂本身所固有的几何特性,根据障碍物的位姿坐标,分析机械臂各杆件与障碍物发生碰撞的条件,进而求解空间机械臂的无碰撞自由工作空间。在此基础上,利用A*算法在空间机械臂的自由工作空间进行无碰撞路径搜索,实现了空间机械臂的避障路径规划。通过仿真试验验证了基于A*算法的空间机械臂避障路径规划算法的有效性与可行性。     

多工位装配序列粒子群优化算法

针对传统单工位装配序列求解上的不足,将粒子群算法应用于多工位多目标装配序列优化的求解,提出一种面向复杂多工位产品的装配序列优化方法。采用优先序列图(Assembly precedence graph,APG)来描述零件间的优先约束关系,构建优先关系矩阵、装配干涉矩阵、工位能力表和装配信息表,描述装配部件干涉及工位之间的关系;给出粒子群算法编码体系和装配关系算法模型表达方法;综合考虑装配操作成本、装配工具更换成本和装配夹装变更成本和运输成本的影响,提出有工程意义的适应度函数的表达式;根据APG生成随机的可行初始装配序列,并利用粒子群算法(Particle swarm algorithm,PSO)对装配序列和装配工位进行优化。以飞机起落架装配序列规划实例验证多工位粒子群装配序列优化算法有效性。     

融合多目标与能耗控制的无人仓库内AGV路径规划

为降低自动导引车的能耗,以提升其工作效率,促进无人仓库高效运转,提出一种两阶段全局路径规划方法。第一阶段建立了以路径最短与平滑度最大为约束的多目标函数模型,并采用改进后的量子粒子群优化算法进行求解,得出曲率不连续的初始路径;第二阶段根据Bezier曲线与平滑度约束对第一阶段所求的初始路径进行拟合修正,得到速度变化小、能耗低的几何连续路径。仿真结果表明,采用两阶段规划方法得出的路径能够提升自动导引车的工作效率并降低能耗;与常规算法对比,改进算法在优化时间和精度上效果显著。     

一种初始种群算法的应用研究

在求解一种铁路客运座位控制模型时,由于该模型是一种随机规划模型,采用了遗传算法对其进行求解。在选择初始种群算法时,本文应用了由王福林等人提出的一种新的初始种群算法,取得了比较好的效果,对求解其他约束优化问题时有一定的借鉴意义。     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

交互式虚拟装配路径规划及优选方法研究

给出了虚拟装配环境下基于人机交互的装配路径规划方法，根据实际需要提出了针对交互式虚拟装配路径规划方法的装配路径优选算法，优选算法基于虚拟装配路径节点投影，能够有效消除由于虚拟装配环境下触觉缺失而造成的路径抖动以及折返现象。实例验证以及实验结果表明，交互式虚拟装配路径规划及优选方法有效可行，能够满足虚拟装配系统的需要。     

Computational path planner for product assembly in complex environments

Assembly path planning is a crucial problem in assembly related design and manufacturing processes. Sampling based motion planning algorithms are used for computational assembly path planning. However, the performance of such algorithms may degrade much in environments with complex product structure, narrow passages or other challenging scenarios. A computational path planner for automatic assembly path planning in complex 3D environments is presented. The global planning process is divided into three phases based on the environment and specific algorithms are proposed and utilized in each phase to solve the challenging issues. A novel ray test based stochastic collision detection method is proposed to evaluate the intersection between two polyhedral objects. This method avoids fake collisions in conventional methods and degrades the geometric constraint when a part has to be removed with surface contact with other parts. A refined history based rapidly-exploring random tree (RRT) algorithm which bias the growth of the tree based on its planning history is proposed and employed in the planning phase where the path is simple but the space is highly constrained. A novel adaptive RRT algorithm is developed for the path planning problem with challenging scenarios and uncertain environment. With extending values assigned on each tree node and extending schemes applied, the tree can adapts its growth to explore complex environments more efficiently. Experiments on the key algorithms are carried out and comparisons are made between the conventional path planning algorithms and the presented ones. The comparing results show that based on the proposed algorithms, the path planner can compute assembly path in challenging complex environments more efficiently and with higher success. This research provides the references to the study of computational assembly path planning under complex environments.     

基于蚁群算法的完全遍历路径规划研究

提出了一种局部区域遍历和全局运动规划相结合的完全遍历路径规划方法;针对基于Boustrophedon单元分解所得区域的特点,机器人可在局部区域内采用往复运动的方式实现遍历.该方法定义了遍历空间中子区域间综合连通距离,综合连通距离包括区域之间的连通关系、区域之间的最短距离、区域之间的障碍物情况等要素,整个遍历空间中的连通关系由一个完全赋权连通矩阵表示.采用蚁群算法对子空间遍历距离进行优化,得到了最短全局遍历顺序.最后以一个模拟环境为求解实例,证明了算法的有效性.     

Multi-objective path planning for unmanned surface vehicle with currents effects

This paper investigates the path planning problem for unmanned surface vehicle (USV), wherein the goal is to find the shortest, smoothest, most economical and safest path in the presence of obstacles and currents, which is subject to the collision avoidance, motion boundaries and velocity constraints. We formulate this problem as a multi-objective nonlinear optimization problem with generous constraints. Then, we propose the dynamic augmented multi-objective particle swarm optimization algorithm to achieve the solution. With our approach, USV can select the ideal path from the Pareto optimal paths set. Numerical simulations verify the effectiveness of our formulated model and proposed algorithm.     

未知环境中基于强化学习的移动机器人路径规划

为解决未知环境中移动机器人的自适应路径规划问题,提出了一种基于Q学习算法的自主学习方法。首先设计了未知环境中基于传感器信息的移动机器人自主路径规划的学习框架,并建立了学习算法中各要素的数学模型;然后利用模糊逻辑方法解决了连续状态空间的泛化问题,有效地降低了Q值表的维数,加快了算法的学习速度;最后在不同障碍环境中对基于Q学习算法的自主学习方法进行了仿真实验,仿真实验中移动机器人通过自主学习较好地完成了自适应路径规划。研究结果证明了该自主学习方法的有效性。     

物品自动运送机器人原型系统的局部路径规划研究

描述了一种基于多边形环境模型 ,以机器人运动过程中的转弯次数最少为优化目标 ,采用广度优先搜索技术的 MT局部路径规划算法以及相应的复杂实际环境建模方法 ,并将其应用于目前正在研制的物品自动运送机器人 (ACR)原型系统。仿真实验表明 ,本文所描述的 MT算法以及相应的环境建模方法对 ACR原型系统的局部路径规划问题而言不失为一种良好的解决方案     

一种考虑安全的移动机器人矢量场路径规划算法

提出了一种考虑安全的移动机器人矢量场路径规划算法,环境的矢量场模型体现了路径对安全的不同要求。通过调节模型参数可以规划得到安全和长度两个标准下的满意路径,此路径既不会太接近障碍,也不会太长。所提出模型计算简单,计算量与运动空间障碍的个数成正比。算法鲁棒性强,除了固定环境,还适合用来进行动态环境下的路径规划。仿真结果验证了算法的有效性。     

线控四轮转向汽车自主代客泊车路径规划

针对线控四轮转向汽车自主代客泊车路径规划问题,提出了一种对动态障碍物具有自适应能力的自主代客泊车路径规划方法.首先,采用栅格地图描述停车场环境信息,将连续状态空间中的自主代客泊车路径规划问题转化为离散状态空间中的自主代客泊车路径规划问题,并采用各向同性的圆形结构元素对栅格地图进行膨胀处理,使规划的自主代客泊车路径与障碍...     

多种路径形式组合的柔性针二维路径优化

针对斜尖柔性针在二维组织中的路径优化问题,首先引入了针的Unicycle运动学模型,并利用旋量理论和指数积方程计算了运动学正解,从运动学的角度证明了穿刺直线路径的可行性。基于运动学模型,分析了柔性针穿刺路径的形式,考虑入针姿态的优化,提出了采用多种路径形式组合的路径优化算法,建立了优化目标函数。在有无障碍两种情况下分别对针的穿刺路径进行了优化计算和仿真研究。仿真结果证明,采用该算法能有效地绕过障碍,准确达到靶点,并保证路径最优。在通常临床情况下,最优路径一般为控制度为2的包含直线形式的路径。

