移动机器人低能耗最优路径规划方法

在移动机器人路径规划中需要考虑距离约束和时间约束,同时,为了使机器人在能量补给不足的情况下更高效地执行更多的任务,降低运动过程中的能耗变得尤为重要。兼顾考虑机器人对降低能耗和路径规划效率两方面的需求,本文提出了一种基于改进AD*(Anytime dynamic A*)算法的移动机器人低能耗最优路径规划方法。首先,通过构建机器人动力学模型及其在运动过程中的能耗模型,实现对路径的能耗计算。结合机器人运动学模型,采用基于采样的模型预测算法(Sample based model predictive optimization,SBMPO)生成优化轨迹簇。然后,改进AD*算法,将距离成本和能耗成本融入搜索节点的评估函数,根据轨迹簇中的节点连接关系和环境地图进行在线规划,以获得能耗最优的路径。最后,通过设计仿真测试场景,将所提出的能耗最优路径规划方法与距离最优规划方法进行规划结果对比,验证了算法的有效性。     

复杂环境下农业机器人路径规划优化方法

针对在室外复杂环境下作业的农业机器人存在因能量受限导致工作完成率降低的问题,提出了一种基于改进的启发式搜索的ECA~*路径规划算法,该算法可以在资源受限的情况下完成能量损耗最优路径的规划。首先,通过建立机器人距离-能量损耗模型,计算机器人移动行进的路程和损耗的能量,并对未来的路径和能耗趋势进行评估。然后,在传统A~*算法的基础上,将距离-能量损耗模型代入启发代价函数,通过搜索扩展子节点寻找最优路径。在每次迭代过程中,通过对比剔除处于劣势的路径,以保证算法的高效性。最后,通过设计仿真实验,将改进的ECA~*算法与传统的A~*算法搜索到路径的能量损耗进行对比,并在之后的改进算法中添加相应的能量约束进行计算。仿真结果表明,改进算法减少14. 87%能量消耗,验证了ECA~*算法的有效性。     

基于速度方向判定的动态窗口法

动态窗口法(Dynamic Window Approach-DWA)广泛应用于移动机器人局部避障中,但存在路径不合理及轨迹不平滑的问题。基于此,提出了改进的动态窗口法。求执行速度时,窗口中所有速度先形成预轨迹,然后移除预轨迹与障碍物相交的速度,接着考虑剩余速度的方向,并根据机器人预测位置、速度以及离障碍物最小距离,获得允许速度,从而机器人得到更加合理的执行速度。实验验证了改进的DWA算法在相同环境和自身约束下规划的路径更加合理,机器人能够通过密集障碍物区域,且运行的效率更高。     

基于改进双向RRT*的果园机器人运动规划算法

为提高果园机器人在果园中作业的自主性、安全性和效率,需要进行有效合理的运动规划。针对传统RRT*(Rapidly exploring random tree star)全局路径规划算法在连续走廊式环境下存在搜索效率低、采样点利用率低、生成路径折线多转角大等问题,以阿克曼底盘果园喷雾机器人为运动模型,提出一种改进双向RRT*的果园喷雾机器人运动规划算法。首先,根据激光雷达建立果园二维平面地图,将果树和障碍物均视为障碍物区域,并结合喷雾机器人本体尺寸,对障碍物进行膨胀化处理;然后,通过改进双向RRT*算法搜索路径,搜索路径过程中结合动态末梢节点导向和势场导向进行偏置采样,并对初步生成的路径进行路径点去冗余以及相邻折线段转角约束处理;最后,采用三阶准均匀B样条曲线对处理后的路径点进行轨迹优化,在优化过程中主要考虑轨迹的碰撞检测和喷雾机器人底盘曲率约束。试验结果表明,相较于传统双向RRT*算法,本文所提出的改进算法规划时间平均减少57.5%,采样点利用率平均提高28.55个百分点,最终路径长度平均缩短7.14%;经三阶准均匀B样条曲线优化后所得轨迹在有、无障碍物两种环境下均满足喷雾机器人最大曲率约束,且仅在换行以及障碍物处存在转弯行为,符合喷雾机器人作业轨迹条件,提高了喷雾机器人的工作效率和自主性。     

基于PSO算法的双臂机器人时间最优轨迹规划

依据双臂机器人运动学约束条件,将已完成无碰撞路径规划的由两个5自由度机械臂构成的双臂机器人作为一个具有10自由度的单臂机器人,采用多段样条多项式插值对其一般时间最优轨迹规划问题进行研究,并以4-3-3-4次多项式插值为例,运用PSO算法对双臂机器人各段插值时间进行优化,得到满足速度约束条件下的最优插值时间,并由此得到双臂机器人各个关节的运动位置、速度和加速度曲线,仿真结果表明,该方法能够有效实现指定速度约束下已完成无碰撞路径规划的双臂机器人时间最优轨迹规划。     

基于ROS的室内自主导航移动机器人的研制

【目的】解决传统AGV机器人体积大、成本高、受限于固定路径等问题。【方法】本研究提出了一种以低成本、轻量化和结构简单为设计理念的室内移动机器人。为了降低制造成本确定了机器人的整体结构,双驱动电机与福来轮组成三轮结构。机器人采用基于ROS系统的控制方案、上位机与下位机结合的控制方式,使用激光雷达作为SLAM的传感器并用磁编码器作为里程计。本研究深入分析了A*全局规划算法,并提出了改进的A*算法。同时采用DMA（动态窗口法）作为局部路径规划算法,通过搭建实际移动机器人,进行SLAM建图实验、自主导航实验和避障实验。【结果】实验结果表明,该机器人能够进行室内的自主导航并且在全局路径规划速度方面有较大的提升,使用改进后的A*算法后,平均路径规划效率提升了31.1%。【结论】本研究为我国移动机器人技术的发展和产业化提出了一种性能优越、成本低、结构简单的移动机器人设计方案。     

基于改进A*与DWA算法融合的温室机器人路径规划

根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A^*算法与动态窗口法相结合的温室机器人路径规划算法。针对传统A^*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划。仿真实验结果证明,与传统A^*、Dijkstra、RRT算法相比,基于改进A^*算法的路径更为平滑和高效。真实环境下实验表明,移动机器人能够实现自主导航,跟踪误差保持在0.22 m以内、定位误差不大于0.28 m,能够满足实际需求。     

自走式智能牛舍清洁机器人路径设计与研究

阐述了清洁机器人总体设计架构,并对清洁机器人驱动系统与控制系统进行分析。通过设计出清洁机器人全区域覆盖路径规划、基于感应回归算法的自动返回充电站路径规划与基于栅格地图的距离转换路径规划方法的自动返回加水站路径规划,实现了牛舍清洁机器人24h的清洁工作。根据全区域覆盖路径规划方法、感应回归算法与基于栅格地图的距离转换路径规划方法的设计应用,进行机器人运行轨迹规划算法的优化实现。实践证明:这些方法在清洁机器人路径规划方面得到了很好的运用。     

基于遗传算法的采摘机器人轨迹规划

以总距离最短作为性能指标,以6自由度采摘机器人作为研究对象,在考虑各关节速度、加速度和加速度变化约束的基础上,采用遗传算法对机器人所经过各点的进行路径规划.运用robotics toolbox 工具箱进行仿真,结果表明:所设计的机器人轨迹规划方法既能保证总路径最优,又可使机器人的轨迹平滑.     

基于RRT的无人驾驶车辆运动规划算法

现有的RRT(快速搜索随机树)规划算法没有考虑车辆特性,不能很好地应用到车辆的轨迹规划问题,且路径不是最优。针对上述问题,提出了一种简单有效的A-RRT(启发搜索随机树)轨迹规划算法。该算法考虑车身的几何约束,它首先通过建立约束条件筛选新节点位置,保证了车辆在复杂环境中的安全性;其次在特定区域内引入启发式函数建立新的成本函数,有效地减少路径节点数量以及提高运行速度和质量。最后,结合后处理方法以及贝塞尔曲线以生成适合车辆特性的可执行轨迹。通过仿真实验验证了该算法的正确性、鲁棒性和实用性。     

基于多目标约束的机器人复杂轨迹优化方法

工业及农业领域存在诸多复杂场景，使得机器人常面临由大量非连续离散局部路径组成的复杂轨迹，合理的运动规划是机器人实现预期作业目标的首要基础。本文提出一种基于非支配遗传算法(Non-dominated sorting genetic algorithm, NSGA-Ⅱ)的多目标综合优化方法,算法基于个体的相互支配关系进行分层并引入“拥挤度”指标来表征个体间的差异性，从而为保持遗传过程的种群多样性提供了有力支撑。同时建立了机器人运动学模型并构造了缩短机器人空载路程、运动时间及关节冲击的路径序列优化函数，并在笛卡尔空间与关节空间进行了高阶样条拟合与插值规划，显著提升了空间轨迹的光顺性及几何特性。基于NSGA-Ⅱ生成空间Pareto最优前沿解集，解决了机器人运动时间短、关节冲击小、任务路径优等约束下的多目标优化问题。优化后机器人运动路径长度缩减74%，作业效率提升33.44%，关节稳定性平均可增强50.97%，通过仿真与实验，验证了算法在改善机器人运动效率、连续性和非突变性等方面具有显著效果。     

基于最优控制策略的复杂环境移动机器人轨迹规划

复杂环境下移动机器人轨迹规划由于障碍物放置杂乱且无规律,常常面临避障失败的问题。本文将机器人的轨迹规划归结为优化问题,提出了一种基于优化策略的轨迹规划方法。该方法包括3部分：首先,对优化问题的约束建模,包括机器人的运动学模型、变量极值约束、障碍物避碰模型;然后,建立优化求解策略,通过决策变量区间均分、内置插值点和基于拉格朗日多项式的变量描述方式进行离散化,针对离散化导致的约束失效对变量进行等距时间离散并建立惩罚函数,从而实现有效避障;最后,基于随机分形搜索算法对上述优化模型进行求解。仿真结果表明,本文所述方法可以有效解决移动机器人在复杂环境下的障碍物避碰问题。     

跟踪算法下的果树修剪机器人路径规划设计

以果树修剪机器人为研究对象，基于轨迹跟踪算法对修剪机器人进行作业路径规划，并分别与传统的往复式路径规划算法和跟踪算法进行仿真对比实验分析。分析结果表明：与传统往复式路径规划算法相比，修剪机器人作业过程中漏剪率降低3%,重复率降低2.5%;与传统跟踪式路径规划算法相比，修剪机器人作业过程转角范围增大36°,横向轨迹误差降低600mm。     

农业机器人路径优化及轨迹跟踪研究—基于遗传算法

随着我国信息化水平的不断提高,以及机械自动化、计算机控制系统和测试计量行业的不断发展,移动机器人达到了一个全新的高度,智能机器人被广泛应用到农业生产、工业生产和高等研究等各个领域。在机器人众多研究问题中,路径规划和轨迹跟踪一直是比较复杂并较难解决的问题。为此,基于遗传算法,根据移动机器人工作特点和运动特性,采用几何法建立了机器人工作空间的环境模型,并对路径进行了有效编码,为机器人实时规划出无碰撞、路线短的全局路径,对其运动轨迹进行有效跟踪。仿真实验表明:所设计研究的机器人全局路径规划和轨迹跟踪技术具有较好的效果,其在行进过程中能及时、有效地避开前方障碍,可靠性强,稳定性好,应用前景非常广阔。     

基于改进ORB_SLAM2的机器人视觉导航方法

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题，对ORB_SLAM2算法进行了改进，融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态信息构建了包含定位、规划、交互图层的多图层地图以支撑机器人的精准定位和最优路径规划；针对机器人的自主导航任务，基于先验多图层地图建立约束进行机器人的位姿估计，融合运动约束进行机器人位姿优化，实现了基于先验地图的机器人精准定位，同时基于规划图层进行机器人的最优路径规划，提升了机器人的自主导航能力。在TUM数据集及北京鹫峰国家森林公园进行实验，结果表明：所构建的多图层地图提升了机器人定位的精度和效率，性能明显优于RGB-D SLAM；基于先验地图的视觉定位方法能够进行机器人移动过程中精准、实时地定位，助力机器人按照所规划的路径实现准确的自主导航。     

基于机器学习的采摘机器人控制系统研究

对采摘机器人进行了运动学分析,介绍了机器学习算法与应用,并基于Q-learning算法设计了采摘机器人路径规划系统,实现了对采摘机器人的运动控制。MatLab仿真实验表明：采摘机器人搭载Q-learning算法机器学习算法后,能够自主完成路径规划,并能成功避开环境中的障碍物,规划路径最优,平滑度较好,证明了该算法的有效性和可行性。     

基于改进蚁群算法的机械臂路径规划

针对机械臂在运动过程中的避障问题,提出基于改进蚁群算法对其路径进行规划。首先引入可选节点周围安全因素对蚁群算法中的转移概率进行改进,得到机械臂末端执行器的路径轨迹;其次根据执行器位置,利用伪逆法进行运动学逆解的求解,获得各关节变量;最后进行仿真及利用实物机械臂进行验证,结果表明,与传统的蚁群算法相比,改进的算法在相同的规划环境下具有较快的收敛速度,获得的路径轨迹较为合理,避障效果明显。     

基于嵌入式监控的双差速驱动果蔬采摘机器人设计

为了提高采摘机器人的转弯性能和自动寻迹能力,利用双差速驱动系统建立了速度协同约束的非线性运动模型,并进行了线性优化,提出了一种基于嵌入式监控图像采集反馈信息的闭环控制模型,提高了采摘机器人移动和转弯寻迹的灵活性。针对采摘机器人双差速的路径寻迹问题,建立了机器人输入、输出的非线性运动模型,并分析了冗余运动约束和系统运动约束条件,通过控制姿态偏差和距离偏差,结合嵌入式监控系统的反馈信息,实现机器人移动和寻迹的反馈调节。对采摘机器人的采摘性能进行了测试,测试项目主要包括寻迹能力和路径规划的耗时。通过测试发现,机器人可以实现较高精度的路径寻迹功能,路径规划耗时短,系统稳定性好。     

基于蚁群算法与参数迁移的机器人三维路径规划方法

为解决机器人进行三维路径规划时路径规划效率受算法影响较大的问题,以最短距离为目的,提出了一种基于蚁群算法参数迁移的机器人三维路径规划方法。在使用栅格法建立的机器人三维环境模型中,使用蚁群算法寻找最短路径。针对蚁群算法的参数选择问题,使用参数迁移算法得到最优参数。将已知的环境模型和其对应的蚁群最优参数作为源任务,将源任务映射到高维空间,通过迁移参数连接不同源任务,根据图论的知识建立参数迁移图,将参数迁移图扩展,使其包含目标任务,为随机未知环境模型分配一组蚁群最优参数。仿真实验表明,基于参数迁移的蚁群算法可以快速有效地完成机器人三维路径规划。相比传统的参数选择方法和其他智能优化方法,蚁群参数迁移算法可以大幅减少路径规划所需时间,提高了路径规划效率。     

农业物料移运机器人协同作业时间最优轨迹规划方法

为了解决机器人将农产品从收获场所转移到仓库或运输车辆存在的移动轨迹和作业轨迹相对独立且耗时长的问题,本文设计一种物料移运机器人,并提出一种物料移运机器人协同作业时间最优轨迹规划方法,获得机器人作业系统和行驶系统协同作业的时间最优轨迹。该方法建立机器人协同作业的运动学模型和动力学模型,对物料移运机器人开展时间最优轨迹规划,并基于Lyapunov理论设计控制律减少跟踪误差,最后通过Matlab/Simulink和ADAMS联合仿真验证方法的有效性。结果表明,提出的轨迹规划方法可使机器人在抓放料协同作业和避障协同作业中取得平滑且时间最优的运动轨迹,机器人各关节的位移、速度、加速度、力/力矩曲线变化平缓,两履带牵引力满足机器人的要求且可快速稳定跟踪时间最优路径。