基于改进遗传算法的自动导引小车路径规划及其实现平台

针对自动导引小车全局路径规划算法收敛慢和容易陷入局部最小值的问题,结合灰狼优化算法改进传统的精英保留策略,避免了传统精英保留策略使种群多样性变差的缺点,增强了全局搜索能力;为了防止染色体上的基因聚集到小的邻域内,提出了基于染色体信息熵的自适应变异和交叉概率的改进遗传算法,其中对于与障碍物相交的染色体片段采用邻域变异算子,使染色体片段快速避开障碍物。采用MATLAB GUI工具开发出基于改进遗传算法的移动机器人路径规划平台。实验结果表明,本文所提出的改进算法和开发平台能高效并可靠地求解复杂静态环境中的移动机器人路径规划问题。     

基于改进遗传算法的自动导引小车动态路径规划及其实现

针对传统遗传算法求解自动导引小车动态路径规划易早熟的缺点,提出一种改进遗传算法的自动导引小车动态路径规划算法,针对传统变异算子缺少启发式规则导致变异产生优质解的概率较低和算法早熟的缺陷,基于相连的路径片段组成的三角形建立使路径缩短的启发式变异规则,并提出路径微调算法;为了提高路径的光滑程度便于自动导引小车行驶,提出路径光滑处理算法;为了增加改进遗传算法的局部寻优能力,对每一代的最优解进行模拟退火操作;并且基于MATLAB GUI开发工具开发出自动导引小车动态路径规划仿真平台,以证明所改进遗传算法求解自动导引小车动态路径规划问题的有效性。     

基于改进势场蚁群算法的自动引导小车路径规划研究

自动引导小车(AGV)是自动化车间里必不可少的一种运载工具,为了实现AGV小车可以在自动化车间环境下能够进行自主导航、避障和路径最优功能,提出了一种通过建立栅格地图,在蚁群算法的基础上加入人工势场局部搜索寻找最优路径的算法。该算法通过利用人工势场法中AGV到目标点的距离构造启发函数,根据对动静态障碍物的识别来重构不同的势场函数,从而增加AGV在局部路径上的搜索和安全避障能力,同时利用蚁群算法的搜索方式来寻找到目标点的全局最优路径。通过仿真实验证明了所提出算法能有效解决自动化车间环境中的路径规划问题。     

基于改进蚁群算法的自动导引运输车全局路径规划方法研究

针对自动导引运输车(AGV)全局路径规划采用传统蚁群算法存在收敛速度慢、易陷入局部最优的问题,提出了基于改进蚁群算法的AGV全局路径规划方法。首先,运用MAKLINK图论法构建了具有障碍物的环境模型,作为路径规划的基础;其次,改进的蚁群算法中融合了动态权重目标导向原理,设计了一种新的启发式函数,提高了其选择距离目标点更近的可选节点的概率,减小了AGV对非最短路径的选择概率;然后,采用动态调整信息素挥发系数策略进行了信息素更新,提高了算法的搜索效率;最后,将改进蚁群算法与传统蚁群算法进行了仿真实验对比。研究结果表明:与传统蚁群算法相比较,改进措施可使收敛速度提升近一倍,路径规划效率显著提高。     

改进灰狼优化算法在特征栅格地图上的路径规划

针对灰狼优化算法求解移动机器人路径规划易陷入局部最优且效率低的问题,本文提出一种改进灰狼优化算法在特征栅格地图上的路径规划方法。首先,对灰狼优化算法进行改进,引入根据具体要求调节算法的全局搜索和局部搜索的调节因子,并引入动态权重和游走策略以提高算法的收敛速度和避免局部最优的能力;其次,提出一种建立特征栅格地图的新方法,加快了特征栅格的确定;最后设置远距离特征栅格和可视步长,简化了邻接矩阵的建立。仿真实验结果表明,本文算法相比于其它算法在标准测试函数和路径规划问题中,都有更优的结果。在此基础上,通过建立特征栅格地图,有效地加快了改进算法在路径规划问题上的求解速度。     

一种自动导引小车的导航优化算法研究

针对AGV纠偏过程中存在的调整时间过长,车身摆动比较大、经常掉线等缺点,为了提高小车导航的实时性、准确性和实现小车的可靠控制,在划分小车位置区间的基础上,提出了一种智能控制算法一自适应模糊PD算法。通过模糊模块在线调整PD控制模块参数,最终实现了小车左右轮速的实时调整,实现实时路径跟踪,并通过MATLAB仿真得到多组数据。仿真结果表明,利用该优化算法,小车导航具有实时性好、准确性高、不易掉线的优点。     

基于改进蝗虫优化算法的移动机器人路径规划

为提升蝗虫优化算法(GOA)在移动机器人路径规划中的应用效果,将基于Levy飞行的局部搜索策略和基于线性递减参数的随机跳出策略引入到GOA中,提出了改进蝗虫优化算法(IGOA)。相比于GOA,IGOA中的Levy飞行局部搜索策略增强了算法的随机性,线性递减参数的随机跳出策略降低了算法陷入局部最优的概率。移动机器人2种不同行驶环境的路径规划实例中,IGOA获得的结果更优。     

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     

基于图像引导的自动导引小车系统设计

图像导引作为自动导引小车AGV众多的导引方式的一种,以其方便灵活性得到了极大的关注和研究。采用联DSP视觉导引系统以及光流场的计算方法,用于AGV的运动物体目标检测以及碰障预测。     

基于冲突预测的多自动导引小车避碰决策优化

为有效解决路径冲突和避碰问题,提高多自动导引小车(AGV)系统的作业效率,提出基于冲突预测的多AGV避碰决策优化方法。结合图论提出一种基于顶点属性和实时位姿信息的冲突预测方法,在考虑路网全局状态的基础上建立避碰决策的数学评价模型,提出一种适用于多AGV系统避碰决策优化的改进粒子群优化算法,通过优化粒子运动的速度和方向避免优化算法过早收敛。采用融合遗传算法的变异思想为粒子引入变异操作,改善优化算法的全局搜索能力。最后通过实验测试表明,该优化方法可以有效解决多AGV系统路径冲突问题,还能缩短避碰过程中AGV的等待总时长,提高多AGV系统运行的安全性与效率。     

一类自动引导小车的路径规划方法

针对运行环境部分可知的自动引导小车,提出了一种全局路径规划和局部模糊逻辑控制相结合的方法.该方法不仅能有效利用已知环境信息,而且具有小车行驶路径短,运行速度适当和有效避障的特点.仿真结果表明了这一方法的有效性与实用性.     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

基于蚁群算法的物资运送小车路径规划研究

针对路径规划蚁群算法的盲目性、收敛速度慢、路径较长和路径折点多等问题,提出了一种改进蚁群路径规划算法。首先通过改进启发信息的数学模型,限制轮盘赌在8个方向的选择概率,降低迭代次数;然后建立自适应更新影响因子,通过实时监测目标点位置,进一步提高路径的选择方式和算法的鲁棒性;最后通过路径二次寻优,对改进蚁群路径规划算法形成的最优路径进一步消除冗余节点,在已知最优路径进一步寻优,从而提高路径平滑度、减少路径折点,以及缩短路径长度,提高物资运送小车的使用效率。通过栅格环境地图中障碍物不同占比的仿真试验,验证了所提出的改进蚁群算法的迭代速率更快、寻优能力更强、鲁棒性更好和路径更短。     

基于改进灰狼算法的油茶果采摘机械臂轨迹规划

为了实现油茶果的自动化采摘作业,以所设计的推摇式油茶果采摘机械臂为研究对象,首先对机械臂进行了正、逆运动学以及作业空间分析,接着在关节空间采用五次多项式插值法进行轨迹拟合规划,再在分析狼群协作捕猎的模式的基础上,设计了适合油茶果采摘机械臂自动化作业轨迹规划所需要的改进灰狼算法(IGWO)。在MATLAB环境下以工作时间为目标函数建立优化模型对所设计的改进灰狼算法轨迹优化仿真实验,并与传统灰狼算法和遗传算法进行对比分析,结果显示改进灰狼算法相比传统灰狼算法(GWO)和标准遗传算法(SGA)能够更好地适用于油茶果采摘机械臂的时间最优轨迹规划。     

基于改进灰狼优化算法的金刚石刀具磨损状态识别方法

传统金刚石刀具磨损状态识别方法容易受到外界干扰,导致金刚石刀具磨损状态识别效率低、误检率高,为此提出了基于改进灰狼优化算法的金刚石刀具磨损状态识别方法.利用属性权重去除金刚石刀具磨损状态数据中的冗余数据,对金刚石刀具磨损状态进行初步异常识别,将粒子群算法引入金刚石刀具磨损状态特征选择中.通过计算金刚石刀具磨损状态特征的...     

基于改进量子微粒群的轨道导引小车系统建模与优化

为提高自动小车存取系统中轨道导引小车系统的出入库作业效率,提出了一种基于改进量子微粒群的优化方法。分析了轨道导引小车系统出入库作业任务队列特征,建立了数学模型。在此基础上利用量子微粒群算法进行优化调度,并在该算法中引入高斯变异算子,克服了其容易陷入局部最优的缺点。通过仿真实验表明了方法的可行性和有效性。     

基于改进蚁群算法的AGV路径规划

针对复杂仓储环境中自动引导车AGV的路径规划问题,提出一种改进型蚁群路径规划算法。首先,通过栅格法建立AGV运行环境,在传统蚁群算法基础上引入方向系数,改进蚁群算法的启发函数,使算法初期在路径选择上具有指向性;其次,加入全局信息素更新机制,以提高算法搜索效率;最后在路径选择过程中引入安全距离判断策略,使AGV在安全距离范围内通过障碍物。仿真结果表明,改进蚁群算法能够快速搜索出最优路径,同时能实现自主避障和避免陷入死锁。     

改进灰狼算法在搬运机器人轨迹规划中的应用

为提高托盘式搬运机器人的运行稳定性,提出一种基于改进灰狼算法的机器人加速度最优轨迹规划方法。针对灰狼算法局部收敛、寻优性能不足等问题,引入Logistic-Tent混沌映射,优化初始种群;引入差分优化算法,提高全局搜索能力;引入淘汰进化机制,优化种群结构,从而全面提升优化性能。仿真结果表明,对比标准灰狼算法和粒子群算法,改进灰狼算法在不同类型的测试函数中具有更好的收敛速度和算法精度;在搬运机器人轨迹规划的应用中,经过该算法优化后的机器人最大关节角加速度下降了44.11%,大幅提高了运行稳定性。