机器人SLAM算法失真模糊性消除优化方法研究

为准确有效实现对移动机器人的同时定位和环境创建,提出将传统的粒子滤波SLAM技术和模糊神经网络算法相结合,对粒子滤波SLAM算法进行改进。提出在训练过程中设置频率计数器的方法,使测量的机器人位姿信息参数失真达到最小。实际场地实验和数据仿真结果表明通过本算法的SLAM定位信息轨迹能正确反映机器人的原始行踪轨迹,其行踪轨迹偏差的误差率仅为4.03%。与传统的粒子滤波算法相比,表现为轨迹跟踪的机器人SLAM同时定位性能比传统的粒子滤波算法提高一倍以上,仿真结果展示了新的机器人SLAM算法良好的快速收敛性能和高精度定位性能。     

三维空间中基于改进的粒子群算法的节点定位研究

三维空间下的节点定位一直都是无线传感中的主要研究方向,粒子群算法作为常用的计算节点定位的方法存在一定的误差,本文首先在该算法的基础上引入了凸函数的惯性权值和信任度系数,前者使得粒子能够在局部范围内获得最优解,避免陷入局部最优,后者使得不同性质的粒子能够在全局范围中获得最优解,其次,分析目标定位误差函数,使用泰勒级数对其进行优化,使得定位精度得到提高。仿真实验说明本文算法在锚节点数量,节点通信半径和总节点个数等方面提高了节点定位精度,具有很好的应用前景。     

混沌粒子群算法在WSN覆盖优化中的应用

研究WSN覆盖优化方面的问题,提高无线传感网络通讯效率。针对无线传感网络节点分布不均匀或者节点失效时,WSN覆盖区域会出现重叠或者指定区域没有被覆盖,造成无线传感网络通讯效率下降的问题,提出了利用一种混沌粒子群算法,根据无线传感网络相关参数和条件建立数学模型,利用优化处理方式对其进行优化,提高了通讯效率。实验证明,利用混沌粒子群算法进行WSN覆盖优化,可以提高无线传感网络优化效率,取得了令人满意的效果。     

基于一种差分鱼群算法在WSN覆盖应用的研究

如何能够在无线传感中进行覆盖一直都是研究的热点。本文首先描述了无线传感网络覆盖模型,其次在人工鱼群算法的基础上引入了差分遗传算法和惩罚函数,通过差分遗传算法使得人工鱼群算法在局部搜索的能力得到了加强,并与人工鱼群算法自身的全局搜索优化能力进行结合比较,得到算法的效率得到提高,同时惩罚函数可以避免改进后的算法在一些区域中盲目搜索,提高算法的效率。仿真实验表明本文算法不仅可以有效的提高覆盖效率,同时降低覆盖过程中的能量消耗。     

非密集分布下传感网络节点选择优化算法研究

提出一种混沌差分进化和动态逃逸粒子群的节点选择优化算法,通过混沌序列的均匀遍历特性和差分进化算法的高效全局搜索能力,对传感网络中的节点能量进行分类搜索,采用Logistics混沌映射对节点进行优化分区处理,将混沌扰动量融入节点能量分区过程中,获取最佳能量节点,利用动态逃逸粒子群方法,运算无线传感网络最佳能量节点的最优位置,实现网络节点覆盖优化。仿真结果说明,所提算法可增强无线传感网络最优节点的聚类性能,具有更好的无线传感器网络动态节点选择性能,并且收敛速度快,运算耗时少。     

无线传感器网络节点三维定位技术

针对无线传感网络中的节点定位精度低的问题,提出了改进蝗虫算法在三维空间节点定位技术。首先,采用了极大似然估计法构建节点定位模型。其次,对蝗虫算法从以下3个方面改进：(1)在种群中采用伪反向学习初始化,增加了种群多样性;(2)在递减系数中使用自适应因子避免算法陷入局部最优;(3)在迭代中使用正交交叉算子进行个体筛选。最后,将改进后的蝗虫算法用于节点定位。在仿真实验中,将本文算法与蚁群算法,粒子群算法和蝗虫算法进行对比,结果说明本文算法在噪声、锚节点密、未知节点数量和能量消耗具有较好的定位效果。     

基于坡度环境下SLAM地图构建的激光雷达小车设计

为了提高小车自主路径规划能力,需要对小车进行智能定位、导航设计,本文提出了一种基于坡度环境下同步定位与地图构建算法(SLAM)的小车智能激光自主定位、导航技术。本文方案采用激光雷达传感器量化跟踪、并融合图优化方法构建小车当前定位地图环境。在地面具有坡度与障碍物的环境下采取SLAM算法构建避障规则,结合激光雷达传感技术实现小车定位以及运动路径规划。因此,本文基于SLAM算法为背景,以树莓派平台搭建一个激光雷达小车系统,实现了坡度环境构建、自主运动、智能决策等重要功能。通过在不同坡度大小环境下进行上百次实验测试,证明该方法具备高适应性、鲁棒性、低延迟性等优点,在坡度环境下能够较精确地构建出环境地图,从而提升了激光雷达小车SLAM性能。     

基于Voronoi的微粒群优化的三维无线传感网络节点定位算法的研究

无线传感中的节点定位一直以来都是研究的热门,为了更好的解决三维无线传感空间中节点定位不准确的问题,本文在粒子群算法基础上引入Voronoi模型,将三维空间中的节点的定位问题归纳为目标函数的最优解,证明了Voronoi模型的赋权值边存在敏感点的定理,通过定理的应用获得了目标函数的最优解,有效解决了节点定位问题。仿真实验表明,本文的算法优于对比算法具有更好的健壮性,提高了定位精度。     

隧洞移动机器人里程计激光雷达融合定位

在隧洞局部湿滑、不平整环境中,使用GPS对机器人进行定位会不准确甚至失效,仅使用里程计定位长时间累积误差会比较大。为了尽量减小机器人在这种环境中的定位误差,设计了一种定位方法,即先使用UMBmark算法离线校核机器人系统关键参数,且校核前机器人系统误差为0.3719 m,校核之后机器人的系统误差为0.2915 m,根据该算法定位精度评判依据,得出里程计定位精度提高了28%.然后利用扩展卡尔曼滤波算法,融合激光雷达和里程计进行SLAM,MATLAB仿真实验结果表明,融合前机器人x轴平均误差为2.047 m,y轴平均误差为1.245 m,航向平均误差为0.196 rad;在用EKF-SLAM融合激光雷达之后,机器人x轴平均误差为0.093 m,y轴平均误差为0.014 m,航向平均误差为0.003 rad。机器人平均位姿误差至少减小了一个数量级。仿真和实验结果证明了本文设计的提高隧洞局部环境定位精度方法的有效性。     

混合遗传进化机器人同时定位路径偏移纠正

机器人的同时定位与地图创建技术是实现机器人移动过程中自主定位和控制的关键技术,在机器人同时定位目标的过程中,常出现路径偏移,需要进行路径偏移纠正,实现精确控制。提出一种基于多叉树混合遗传进化的机器人同时定位路径偏移纠正控制方法,首先进行多叉树混合遗传进化机器人同时定位控制建模,在对多信息融合下进行机器人同时定位,得到基于多叉树混合遗传进化的机器人同时定位路径修正测试函数。仿真实验和研究结果表明,该算法可以实现机器人同时定位路径偏移纠正,对机器人的控制精度较高,以较快的收敛速度找到了最优路径,其全局优化能力和搜索速度都得到了显著提高。     

粒子群优化算法在无线传感节点的部署应用探讨

群智能算法良好的自适应性与移动传感节点部署所需的组织性具有相似性。作为群智能算法的一种,粒子群优化算法具有结构简单、实现容易、易于收敛等特点。无线传感网络研究的关键问题之一是如何动态部署移动节点,达到提高无线传感网络覆盖率和降低节点移动能耗。本文介绍了粒子群优化算法与无线传感节点部署的相关知识,并对粒子群优化算法应用于无线传感节点部署问题进行了探讨。     

基于改进PSO算法的电力系统无功优化

无功优化的目的在于确定系统中无功的合理配置,针对传统粒子群算法的不足,提出一种改进的小生境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行"拉伸"变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的.针对IEEE-6节点标准系统进行了仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索能力.     

自主移动机器人基于激光测距解释模型地图创建研究

随着社会不断的发展,科技的不断进步,自主移动机器人的应用越来越广泛,例如:交通、医疗、生活、军事、航空和航海等。特别的高危环境中,复杂的环境中,这就需要自主移动机器人可以进行连续的自定位和地图创建。在一个未知的环境中,由于没有已知的地图信息,机器人要通过所携带测距传感器建立一个准确的环境地图信息,同时,根据已经建立的地图信息确定自身的位置,即同时定位与地图构(Simultaneous Localization And Mapping,SLAM)。主要研究机器人基于激光解释模型的地图创建。     

基于粒群优化算法的导航定位控制系统设计

目前对于定位导航系统的精度越来越高,特别是在交通领域。本文提出的基于粒群优化算法的导航定位控制系统主要在数据处理方面完成对节点位置信息的准确控制,通过对节点位置信息与定位数据库参考数据进行比对,利用粒群优化算法的全局最优及局部最优算法,对节点位置进行导航定位控制。通过实验表明该控制方法具有较高的精度及稳定性。     

改进的粒子滤波的视频图像目标跟踪技术

主要研究了视频图像目标跟踪准确性问题。在基于核的颜色特征统计描述及以此建立视觉目标观测概率方法的基础上,提出了一种改进的粒子滤波视频图像目标跟踪算法。首先,本文给出了基于标准粒子滤波的单特征、单目标跟踪算法,然后针对加权样本参数的选择不同,提出改进思路,最后通过与基于均值移位视觉目标跟踪算法的实验结果对比。提出的改进的粒子滤波跟踪算法在稳健性方面有显著地提高,而且若适当选择视觉跟踪参数,在实时性方面能得到有效地保证。     

基于改进粒子群算法的机器人机构误差补偿

并联机器人最重要的性能标准是运动精度,而并联机器人在给定的预期轨迹规划过程中,往往因存在机构误差导致预期轨迹和理想轨迹存在很大偏差,导致运动精度大大降低。针对以上情况本文提出了一种基于粒子群算法,对机器人的驱动杆期望轨迹不断修正,进而补偿机器人机构误差;通过种群排列熵模型和粒子速度激活方法改进粒子群算法,利用改进后的粒子群算法对机器人驱动杆参数进行优化,对机器人结构误差补偿,进而不断修正机器人驱动杆的预期轨迹,补偿机器人轨迹规划过程中的运动误差。仿真结果表明:本文所提出的方法能够有效对机器人机构误差进行补偿,有效补偿了机器人轨迹规划中的运动误差,保证了机器人的运动精度。     

分布式激振频率数据库粒子匮乏补偿算法

分布式激振频率数据库用在力传感器机器人高精度作业中,为机器人进行探测作业提供数据支持。传统方法采用粒子滤波算法进行数据调度和系统状态跟踪,在分布式激振频率数据库在数据调度和重采样中常会出现粒子匮乏和多样性丧失的问题。提出一种基于人工遗传算法群优化的改进的粒子滤波算法,实现对分布式激振频率数据库粒子的匮乏补偿,给出分布式激振频率数据库链路生成机制,采用粒子滤波算法进行分布式激振频率数据库的访问。实验结果表明,算法能有效解决分布式激振频率数据库粒子滤波算法中粒子匮乏以及多样性丧失的问题,进而降低运行时间,提高数据调度和控制精度,均方误差较小。在高精度控制领域具有很好的应用价值。     

基于PSO和滚动优化的不确定环境下移动机器人动态路径规划

针对全局环境未知且存在动态障碍物情况下的移动机器人路径规划问题,本文提出了一种结合粒子群算法(PSO)和滚动优化策略的动态路径规划方法。通过在一系列移动空间窗口中进行在线规划来充分利用机器人实时测得的局部环境信息,并用粒子群算法求解每一个移动窗口内的最优路径。为及时躲避动态障碍物,提出了一种适用于动态未知环境下的适应度函数。仿真试验表明,该方法克服了现有局部路径规划方法的高复杂性的缺点,算法操作简单、具有全局寻优能力、收敛速度快、鲁棒性好,可以满足机器人在复杂的未知动态环境下路径规划的实时性要求。     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。     

携带传感节点高速运动下的运动参数精确测试

传统依据卡曼尔滤波器的运动参数测试算法,受到人体高速运动目标信号模糊以及光电传感器畸变的干扰,测试的结果存在较大的误差问题,存在较大的弊端。提出一种应用光电传感器和优化卡曼尔滤波算法的携带传感节点高速运动参数测量方法,分析了光电传感器检测信号的原理,采用高精密光反射型传感器对携带传感节点运动目标信号进行探测,利用光电传感器探测反射光信号,将携带传感节点运动信号转换为电信号,通过信号调理将电路放大后,采用微控制器完成运动目标信号的采集,通过优化的卡尔曼算法,获取一套递推预测算法,以信号和噪声的状态空间模型为依据,基于前一时刻的预测值和当前时刻的预测值,调整携带传感节点高速运动下人体运动参数变量的预测值,动态调整检测噪声的协方差,对携带传感节点高速运动参数进行准确预测。实验检测结果表明,所提方法可对含传感节点的运动参数进行高效检测,该种算法精度高,可有效的降低高速运动目标的信号模糊和光电传感器畸变等因素产生的误差问题。