基于QPSO方法的足球机器人路径规划

提出了一种基于量子粒子群优化算法（QPSO）的足球机器人路径规划方法。为适应QPSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子（即解）的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。与PSO算法的对比仿真实验表明,该算法在足球机器人路径规划方面是可行的、有效的。     

一种改进蚁群算法的移动机器人路径规划

路径规划是移动机器人运动控制中的关键问题。针对传统蚁群算法在机器人全局路径规划中存在收敛速度慢、易陷入局部最优等缺点,提出一种改进型蚁群路径规划算法。首先,通过栅格法建立机器人运动环境模型,然后在传统蚁群算法基础上引入A*搜索算法的估价函数思想,改进蚁群算法的启发函数,增加目标节点与可选行进节点数对启发函数的影响。其次,在信息素更新公式中,通过引入Logistic增长函数对信息素挥发因子作自适应调整,提高算法速度与精度。最后,通过Matlab仿真实验证明,改进蚁群算法比传统算法在路径搜索速度和精度上都有较大提升。     

人工智能技术在足球机器人中的应用

人工智能研究的一个重要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。随着人工智能理论与技术的发展,以及其在机器人领域中的应用,机器人的智能化水平得到了大幅度的提高。本文分析了国内外人工智能的研究现状,阐述了足球机器人及人工智能中的关键技术。用专家系统技术进行不同层次的机器人路径规划,随着遗传算法、蚁群算法等的具体应用,获得了较为理想的路径搜索效率,达到了较好的规划效果。引入人工神经网络对足球机器人目标物空间位置进行精确测量,从而较好地实现了机器人导航中的目标定位与轨迹追踪。     

基于混合粒子群算法的巡检机器人路径规划

针对巡检机器人路径规划问题,提出一种基于混合粒子群算法的路径规划方法,目的是当巡检机器人在工作区进行巡检时,为其提供一条最短路径。该方法引入遗传算法中的交叉和变异策略,对传统粒子群算法进行改进。试验结果表明,在70m×70m的工作区中,改进粒子群算法规划的最短路径长度相比传统粒子群算法和遗传算法分别减少43. 93m和23. 34m,其迭代次数相比传统粒子群算法和遗传算法分别减少34次和23次,验证了此改进算法的有效性。     

基于改进蚁群算法的 AGV 路径规划研究

近年来,自动导引机器人（AGV）一直是研究的热点问题,其中复杂路径规划为研究重点。为了更好地规划机器人路径,提出一种改进蚁群算法,该算法在传统蚁群算法基础上充分利用了 MMAS 算法的特点。首 先,构建网格环境模型,引入算法概率函数和抑制因子,通过改变算法的启发式信息,加快算法收敛速度|其次,引入回退机制解决死锁问题,再将 MMAS 蚂蚁系统转化为局部扩散信息素,只有迭代试验的最优解才能加入到信息素更新中|最后,有效限制信息素浓度,避免发生搜索路径过早收敛现象。仿真实验结果表明,改进蚁群算法与传统蚁群算法相比,迭代次数减少 45.6%,时间缩短 46.2%,改进蚁群算法收敛速度更快、效率更高。     

基于蚁群改进与尖峰平滑的移动机器人路径规划

近年来,移动机器人路径规划作为机器人自主导航领域的一个重要问题而备受关注,针对传统ACA有易陷入局部最优,以及现阶段在很多机器人路径规划中易被忽略的出现过于尖锐拐点的问题,提出一种改进蚁群算法(ACA-ES)应用于移动机器人路径规划。首先,针对ACA易陷入早熟的问题,引入精英策略,目的是给每次循环结束后找出的最优解增加额外信息素,提高算法收敛速度;其次,为了不使机器人在路径尖峰处失去平衡,引入基于中心点的平滑方法,提高路径平滑性。在栅格环境下进行仿真,得到一条平滑路径,且路径长度比原来缩短了5.90%,证明了该改进算法的有效性和可行性。     

基于改进蚁群算法的机器人路径规划方案研究

蚁群算法是机器人路径规划中的经典算法之一,在二维静态环境中,传统蚁群算法在机器人路径规划中还存在一些缺点,如算法收敛较慢、容易陷入局部最优并可能导致算法停滞等。针对这些缺陷,对传统蚁群算法提出相应改进,引入自适应启发式因子、拐点个数等参数,并采用不同启发式因子对随机概率进行更新。使用Matlab对改进前后算法的收敛速度、避障寻径和最短路径长度等进行对比分析。结果显示,改进后的算法较传统算法不仅可以使机器人有效避开所有障碍物,而且能够高效寻找到最短路径,在很大程度上避免了算法陷入局部最优。     

基于平滑A*人工势场法的机器人动态路径规划

针对动态环境下移动机器人的路径规划问题,提出了平滑A*人工势场法的路径规划方法。首先采用平滑A*算法在静态障碍物环境中进行全局路径规划|其次,在机器人遇到动态障碍物时采用A*人工势场法进行局部动态路径规划,并以此调整全局路径规划结果|最后对路径规划结果进行平滑处理。将平滑A*人工势场法应用于机器人动态路径规划,并与D*算法进行对比。实验结果表明,该算法能够在动态环境下规划出一条更为优化的路径,有效缩短了路径长度,提高了规划效率。     

机器人路径规划算法研究

在机器人设计中,路径规划是最基础也是最重要的因素之一,故对其算法研究尤为重要。利用传统路径规划算法与智能路径规划算法求解机器人路径规划问题,对智能算法、蚁群算法与遗传算法进行了MATLAB仿真,验证了蚁群算法与遗传算法求解路径规划问题的可行性。     

非线性问题的求解及优化研究——基于遗传算法和混合遗传算法的分析

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

改进型RRT*算法的水下机器人三维全局路径规划

由于传统快速扩展随机树的改进算法(RRT*)在处理自主式水下机器人三维路径规划问题时存在算法收敛速度慢、规划出的路径不平滑等问题,提出一种改进型NT-RRT*算法(正态采样、三角裁剪的快速扩展随机树改进算法),利用正态分布的空间采样策略来代替RRT*算法中的全局均匀随机采样,用来提高算法的收敛速度.此外,引入基于三角不...     

基于改进狼群算法的机器人路径规划研究

路径规划是移动机器人研究的关键技术,针对狼群算法在路径规划中存在收敛速度慢、搜索效率低的问题,提出了一种改进的狼群优化算法。以栅格法构建基于改进狼群算法的机器人路径规划模型,并采用游走机制来改善模型的局部寻优能力;采用智能奔袭方式提高改进狼群算法的自适应调节能力,以使算法收敛到全局最优。仿真实验结果表明:改进后的狼群算法在收敛速度、精度、自适应调节能力上均优于对比算法且在实现机器人路径规划上更有效。     

基于RRT的虚拟现实环境中ROS机器人路径规划研究

机器人技术正在渗透到社会的各行各业，移动机器人的研究具有很高的理论意义和广泛的应用场景。利用三维物理仿真软件构建仿真场景，搭建机器人模型，引入快速扩展随机树算法(RRT),使用ROS系统进行仿真环境的路径规划算法调试。通过调用RRT算法节点使单个机器人或多机器人能够在未知环境里避开障碍物自主导航建立地图，并验证该算法的稳定性与可行性。结果表明，与传统人为控制机器人扫描建立地图相比，使用快速扩展随机树算法的ROS机器人更具有便捷性。单机器人与多机器人完成探索的时间对比，证明多机器人探索具有快速性的特点。     

足球机器人动作算法分析和实现

机器人的运动规划最终要靠机器人的基本动作实现。动作算法成为足球机器人的策略执行好坏的关键。通过动力学分析,考虑惯性、摩擦力、通讯延时等因素,制定相应的理论模型。进行算法分析,较好地实现了足球机器人动作的基本动作处理,并成功应用于大场地足球机器人。     

基于BIM和改进RRT算法的建筑机器人路径规划

针对建筑机器人在施工现场获取地图信息时间长且需要规划出一条全局的、能实时避障的路径等问题,该文提出了一种应用建筑信息模型（building information model,BIM）技术建立导航地图并进行路径规划的算法。根据BIM模型中的信息对传统RRT算法进行优化改进,提出了IRRT(improved rapid-exploration random tree)算法。首先将原有的固定步长改为动态步长,通过判断与目标点的远近界定步长大小,避免了节点的盲目扩张;其次,对随机采样点的生成范围进行了约束,并设置一个同时考虑目标点和随机点的权重来解决传统RRT算法中新生成点仅由随机采样点单一决定的问题;算法陷入最小值时选取随机扰动策略进行逃脱;最后在全局路径的相邻节点间使用动态窗口法进行局部避障。实验仿真结果表明IRRT算法比传统RRT算法在搜索速度上快了3倍多,平均路径比改进前减少25.56%,平均节点减少8.92%,加入动态窗口法后有效提高了机器人实时避障能力,更适合多变的室内环境使用。     

展馆解说机器人运动模型研究与分析

随着我国对人工智能装备的不断深入研究,机器人已经从实验室逐渐走向市场应用阶段。本文基于一款应用在展馆环境中对展品进行解说的服务机器人提出了一种基于A*(A Star)的路径优化算法,解决机器人自主定位行驶的问题。展馆机器人通过该算法的路线规划可较好地实现预期目标,完成机器人自动规划路线,实现对该机器人的自动控制。     

曲面最短路径的粒子群优化算法研究

求两点沿自由曲面最短路径的关键是正确选择两点间沿曲面的路径.粒子群优化算法(PSO)是一种全局性的概率搜索算法,它在整个问题空间实施搜索,可以得到问题的全局最优解.将粒子群优化算法的思想引入到路径寻优中,采用圆弧逼近法进行初始逼近,提出了解决自由曲面最短路径的随机搜索算法.最后给出了数值实例,结果表明该算法具有容易实现、运算量小等特点.     

带自适应变异的粒子群优化算法改进研究

针对函数优化的非线性特点,在标准粒子群优化算法的基础上,提出了一种带自适应变异的粒子群优化算法.该算法对惯性权值进行参数设计,建立非线性递减策略曲线模型,通过设置校准系数,改变惯性权值的曲线变化率,使其随迭代过程进行自适应变化.通过在迭代初期选取较大的惯性权值,增强算法的局部寻优能力,加快算法收敛速度,而在迭代后期选取较小的惯性权值,提升算法的全局搜索性能.同时,在算法中引入变异机制,增加种群的多样性,从而更好地提升算法由局部到全局的开放式搜索能力.通过选择基准测试函数对几种算法进行性能测试,证明改进算法收敛速度快、精度高,总体性能优于对比算法.     

列车用送餐机器人路径规划研究及软件设计

研究列车环境下送餐机器人路径规划与软件控制方案,为更好地满足实际需求,提出一种改进的蚁群算法,以加快收敛速度、缩短路径长度及减少转弯次数。实验中根据当前环境构建栅格图,通过编写的路径规划程序计算起始位置到目标位置的路径,完成当前环境下的路径规划。上位机软件平台采用C#语言编写,主要包括运动控制、订单管理、通讯传输等功能。实验结果表明,与基本蚁群算法相比,改进蚁群算法具有更好的规划效果,上位机软件平台与下位机可以实现有效的数据交换,并实现对送餐机器人的运动控制及系统管理等功能。