基于改进A~*算法在AGV路径规划中的应用

为了解决复杂环境下A~*寻路算法存在搜索节点多,搜索时间长,路径曲折的问题,提出了一种改进的A~*算法。首先,在具有障碍物的栅格地图中引入象限的概念,通过限制当前节点只朝目标节点所处的一个象限进行节点扩展,有效降低了寻路过程中搜索的节点数量。其次,在估价函数中考虑了AGV行驶和转向时间消耗成本,从而有效的搜索最短时间路径。通过仿真实验分析比较了文中算法与A~*算法以及另一种改进A~*算法的搜索性能。仿真结果表明,文中算法能有效减少寻路过程中的搜索节点数和转向次数,提高了路径搜索效率和平滑度。     

基于双重A~*算法的移动机器人动态环境路径规划

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。     

基于D*Lite算法路径规划的改进方法

针对D^*Lite算法的启发值不精确、规划出的路径斜穿过障碍物栅格顶点的问题,提出一种改进的方法。首先,使用一种更为精确的计算距离代替切比雪夫距离作为启发值,新的计算距离区分了直线距离和斜线距离的代价值;其次,对扩展节点进行分类,给危险节点引入一个安全系数;最后,对改进的算法进行仿真。仿真结果表明:改进后的D^*Lite算法因为启发值更精确,扩展次数减少,性能更好;引入安全系数,危险节点将不作为路径的优先选择,解决了规划的路径斜穿过障碍物栅格顶点的问题。不管是预规划还是重规划阶段都能够规划出一条十分安全的路径。     

改进A*算法的AGV避障路径规划研究

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点,使用传统八叉树搜索策略时,AGV易发生碰撞障碍物现象,在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题,提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计,因此引入启发式函数的权重系数提高A*算法的搜索效率;设置障碍物安全距离,为判断障碍物区域内当前障碍物是否影响AGV通行提供参考,再次改进原有八叉树搜索策略提升避障性能,然后对得到的无碰撞路径进行路径优化处理,保留关键转折点;最后实现A*和DWA算法融合,进一步优化路径,并实现全局动态路径规划。实验结果表明：融合算法使得路径更加平滑,提高了算法的避障性能,表明了融合算法在机器人路径规划中的可行性。     

基于改进Informed-RRT算法的路径规划研究

针对Informed-RRT~*算法在复杂环境重复规划稳定性差、收敛速度慢的问题,提出改进Informed-RRT~*的路径规划算法(Informed Bi-directional RRT~*)提升寻找可行路径的稳定性和效率。该算法引入基于状态子集直接采样的反向扩展策略,当路径规划遇到障碍时快速更新采样区间,在障碍物的边界区域获得接近最优路径成本的可行路径,同时结合基于多树搜索的双向搜索策略加快对状态子集的探索,提高算法的收敛速度。实验表明,与Informed-RRT~*算法相比,IBI-RRT~*算法稳定性更高,能够减少40%的迭代次数和20%～30%的搜索时间,并且规划路径接近最优路径,验证了IBI-RRT~*算法在复杂环境中路径规划的优势。     

基于改进RRT路径规划算法

针对基本RRT算法路径规划特点:树的扩展具有随机性,路径中存在冗余的节点,规划出的路径拐角多.因此,提出一种改进的RRT算法.改进后的算法首先采用目标偏向策略,以一定的概率P把目标点作为采样点进行随机树扩展,提高随机树向目标点的扩展的概率;其次,改变度量函数,添加了角度约束,减少了路径规划中搜索的范围,以减少搜索时间;...     

基于PRM改进的路径规划算法

针对规划环境中障碍物较多,采样节点较少时,移动机器人使用传统PRM算法难以规划出路径的问题,提出一种改进的PRM算法,通过随机节点生成函数在自由空间生成随机节点,取代落在障碍物中的节点,在采样节点数目不变的情况下,提高自由空间中的节点数目,配合改进的节点增强法,优化路径,减少路径中的节点数目,完成路径规划。仿真结果验证了本算法的有效性,改进后的PRM算法能用较少的随机采样点找到一条可行路径,提高了节点的利用率,降低了路径中节点数目。     

基于改进蚁群算法的移动机器人路径规划

针对动态未知环境下机器人路径规划中存在的不足,提出一种全局规划和局部规划相结合的混合型规划方法。全局规划中,针对基本蚁群算法易陷入局部最优以及易陷入U型或V型障碍物的缺陷,提出采用夭折策略对基本蚁群算法进行改进,并采用改进的蚁群算法离线规划出一条粗略的全局优化路径,将该"粗"路径分解为局部规划各个阶段的子目标。局部规划中,机器人实时探测局部环境信息,应用滚动优化原理,不断修正运动路线,使机器人在每一时刻的滚动窗口内都避开障碍物向子目标点运动,把整体的寻优分解为各个滚动窗口内的局部寻优,克服了全局规划不能追踪动态信息的缺点。仿真结果表明,该方法可行且具有良好的稳定性。     

基于改进蚁群算法的移动机器人路径规划

在考虑传统蚁群算法搜索路径时存在找到收敛速度慢、拐点多且不能动态避障等问题,提出一种基于拉普拉斯分布与动态窗口融合的蚁群算法来解决机器人路径规划。首先,在启发信息中加入当前节点、下一节点以及目标节点信息,并加入动态调节因子,使得启发信息在前期引导性强,信息素在迭代后期引导性强;其次,在蚁群算法信息素更新中引入拉普拉斯分布调节信息素的挥发,加快收敛速度;对蚁群算法得到的路径进行双向冗余节点删除,提高路径平滑度,最后,将改进的蚁群算法与改进动态窗口算法融合,使机器人安全到达终点。仿真表明,在相同地图环境中,蚁群算法与基本蚁群算法相比较路径长度相比减少了26.3%,路径拐点减少了77.7%,更适用于复杂环境。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法在移动机器人路径规划中存在的稳定性不足、收敛速度慢、前瞻性差,易过早陷入局部最优等问题,优化改进了传统的蚁群算法.通过改进转移概率来优化转移规则,让蚂蚁可以精准地搜索到下一个最佳栅格位置;采用基于无限步长原理的新启发式信息来扩展视野,提高可见性精度;另外,改进算法还采用了新的信息素更新规则以加快收敛速度,扩...     

基于改进蚁群算法的果园移动机器人路径规划研究

蚁群算法作为一种模仿蚂蚁觅食行为的仿生算法,常常被人们优先用于路径规划。但是,普通蚁群算法计算量大,容易出现局部最优化。为了提高最短路径搜索速度,建立了新的基于方向夹角的启发因子,使得蚂蚁优先选择夹角小的节点作为下一移动节点;同时采用了较复杂的对角线距离的倒数作为新的启发式因子,该距离公式无需进行平方根运算,求解简单,再一次提高了搜索效率。实验表明:在同等最短路径的情况下,与原蚁群算法相比,最短路径的搜索效率提升了3倍。满足在复杂果园环境下移动机器人的实时路径规划需求。     

基于改进蚁群算法的机器人焊接路径规划

针对基本蚁群算法在机器人焊接路径规划时,在搜索的过程中容易出现搜索时间过长、效率低、容易陷入局部最优等问题,文中针对基本蚁群算法,引入了Adadelta算法,通过基本蚁群算法和Adadelta算法结合,来改变蚂蚁搜索过程中选择下一焊点的概率,增加了随机性. 通过Adadelta算法参数的更新,改善了蚂蚁信息素的更新,并改进了信息素挥发系数ρ,采用自适应的方式来更新信息素. 对改进算法运用MATLAB进行仿真,结果分析得知,文中的改进蚁群算法比基本蚁群算法搜索能力更强,算法效率更高,比基本蚁群算法提前20代左右收敛,有效解决基本蚁群算法的局部最优、收敛速度慢等问题,使搜索结果更优.     

基于改进蚁群算法的焊接机器人路径规划

为了解决目前车身焊接机器人路径规划不合理的情况,分析了焊接机器人运动过程,建立了有效的路径规划数学模型。通过对蚁群算法的研究,将遗传算法的遗传算子理论引入蚁群算法,运用MATLAB编写相应的程序。结果表明,改进蚁群算法能够更好的适用于路径规划,能够规划出一条合理的焊接路径。     

基于改进乌燕鸥算法的移动机器人路径规划

为克服传统智能算法在解决复杂环境下移动机器人路径规划问题中存在的搜索效率慢和寻优精度低等不足,提出改进乌燕鸥优化算法（ISTOA）。以乌燕鸥算法（STOA）为基础,引入Circle混沌映射机制保证初始种群的质量,提升算法初期搜索效率。同时,提出旋转式翻筋斗搜索策略,对算法的扑食位置进行更新,提高了算法的局部寻优能力。在迁徙过程中,混合正弦控制非碰撞因子和自适应Lévy飞行策略平衡了算法的全局搜索和局部搜索。通过3种不同环境下移动机器人路径规划案例验证了改进乌燕鸥优化算法的有效性。结果表明：改进乌燕鸥优化算法可快速且稳定获得全局最优路径,整体寻优能力优于其他算法,有效地解决了移动机器人在复杂环境中的最优路径规划问题。     

基于改进蚁群算法的机器人三维空间路径规划

为使工业机器人末端执行器在离散化的工作空间中完成无碰撞路径规划,并降低或规避以往路径规划算法的不足,提出了一种改进算法。该算法主体来源于蚁群算法,在启发函数的设计中,引入了具有人工势场思想的引力系数和避障系数,并将路径的长度作为优化准则。采用以上策略,使算法更加适用于复杂环境,解的质量和搜索效率也获得了提高。在MATLAB环境下的仿真结果表明了文中方法与原始蚁群算法相比,能够更快地搜索到更优良的解。     

基于改进RRT算法的机械臂路径规划

针对传统的RRT算法在串联机械臂的路径规划中缺乏方向性,占用CPU的资源过多,效率较低,路径规划不平滑等问题,对传统的RRT算法进行了改进,在不增加RRT算法初始路径节点数的前提下,增加了目标偏置策略,增加了随机树向目标点扩展的概率;其次,通过多次偏差迭代的方法优化路径节点的位置,不增加原有路径节点数量的情况下,实现R...     

基于改进蜂群算法的焊接机器人路径规划方法研究

针对焊接机器人的运动特点及焊接工作过程中焊枪的避障问题,提出基于改进人工蜂群算法的机器人避障焊接路径规划策略。首先针对传统人工蜂群算法存在的问题,将Lévy(莱维)分布引入到人工蜂群算法侦查蜂寻找新蜜源的过程中,代替其原有0～1之间的随机分布过程,形成了基于Lévy飞行的改进型人工蜂群算法,然后将其应用到焊接机器人的路径规划问题中,并进行了仿真实验。结果表明:改进后的方法能够得到最优的焊接避障路径,且寻优速度快、过程稳定。该方法可用于解决焊接机器人避障路径规划问题。     

基于改进蚁群算法的影像测量路径规划

针对影像测量仪测量路径问题,文中提出基于改进蚁群算法的影像测量路径规划方法。首先对影像测量仪测量路径问题进行分析,将其转化为求解TSP问题;其次针对传统蚁群算法解决TSP问题出现的搜索时间长、收敛速度慢的问题,提出引入模糊集合和隶属度的概念对信息素更新机制进行改进,减少搜索时间,提高收敛速度;引入信息熵概念,对算法的收敛判据进行改进;最后应用改进的蚁群算法对影像测量路径规划,进行验证实验。实验结果表明:该方法能有效的减小测量路径的长度和测量平台的运行时间,证明了该方法的有效性。     

基于改进粒子群算法的线缆路径规划方法研究

针对复杂机电产品布线路径规划过程中存在的效率较低、可应用性差等问题,提出一种改进粒子群算法,使用栅格法对布线空间进行划分,对障碍物建模并进行方向包围盒处理。为了避免算法在迭代过程中陷入局部最优,引入非线性逐渐递减的惯性权重与异步变化的学习因子,并且将贴壁约束加入到路径规划的过程中,保证线缆在敷设时路径的合理性。最后在仿真试验中,与标准粒子群算法进行对比,验证了改进后算法的合理性与可行性。     

基于改进多步长蚁群算法的机器人路径规划

针对移动机器人路径规划时蚁群算法稳定性不足且易陷入局部极值的问题,提出一种改进多步长蚁群算法,改进了基本蚁群算法中只能单步位移且方向固定的移动模式,从而减少路径的转向次数且缩短路径长度。针对移动机器人实际工作时可能遇到的环境坡度大的情形,在启发函数中加入高度因素,提升算法环境适应能力。采用自适应挥发机制,加快算法收敛速度及效率。结果表明：在具有变化高度的环境中,与基本蚁群算法相比,改进多步长蚁群算法规划出的路径更平缓且距离更短,更适合移动机器人工作情景。