基于改进蚁群算法的灭火机器人路径规划研究

提出一种适用于灭火机器人避障路径规划的改进蚁群优化算法,采用自适应更新策略的方法规划最佳避障路径,建立了简洁、严谨的蚁群优化算法函数,以达到对灭火机器人避障路径的优化.这种方法能够使灭火机器人在未知环境寻找火源时有效避开障碍物并且使机器人所走路径最短,所用时间最少.经实验证明了该方法的可行性和有效性.     

改进蚁群算法在配电网规划中的应用

电网优化规划是一个复杂的非线性组合优化问题,目前对于该问题的求解仍存在计算速度和收敛性问题.为解决这个问题,提出了一种通过动态调整信息素挥发因子ρ来控制其正反馈过程的改进蚁群算法,提高了网络优化规划过程中得到全局最优解的概率和收敛速度.算例分析结果表明:规划结果符合实际,并在相同参数下,改进蚁群算法的迭代次数减少约一半,充分验证了该方法的实效性.     

名优茶采摘机器人路径规划

提出一种直角坐标系双机械手名优茶采摘机器人。采用积分求和方法,按茶叶个数相等原则将采摘区域按左右两矩形区分配给2个机械手。使用蚁群算法进行机械手的采摘路径规划。以总采摘区域的路径半程作为目标,分别进行了2区和将2区再划分为4区的采摘路径规划和优化。为避免采摘过程中2个机械手的干涉,将每个机械手采摘区域分为2区,并约束各运动路径左下角处茶叶为采摘起点。计算结果表明,使每个机械手按"M"型路线采摘,具有较好效果。改变自适应调节信息素浓度值和迭代终止条件,可改善基本蚁群算法搜索时间较长和易陷入局部最优的缺陷,并提高全局搜索能力和计算效率。仿真结果表明提出的采摘策略和规划路径可提高名优茶采摘效率。     

果蔬采摘机器人研究进展

综述了果蔬采摘机器人的国内外研究现状,介绍了目前大部分典型的果蔬采摘机器人的研究成果。通过分析大部分采摘机器人的工作情况、功能、存在问题,指出了目前采摘机器人的应用与研究过程中的主要难点与制约因素,提出了研究开发的方向与关键技术。     

基于势场蚁群算法的温室机器人路径规划

针对工作在温室环境下的机器人需要在垄间穿行的难点,建立栅格化环境模型,提出了基于势场蚁群算法的温室机器人路径规划算法。温室环境下的机器人路径规划是要在温室中长有农作物的情况下,使机器人能够寻找到一条从起始点到目标点的连续、无碰撞的路径,其中,机器人走过的路径要包围农作物的生长区域,以方便机器人对农作物进行施肥、摘取果实等行为。路径规划过程中,蚂蚁根据当前节点与可达点之间是否存在障碍物分为确定性方向转移和概率性方向转移2种转移方式,并且重新构造了启发信息,指引蚂蚁搜索。在不同的环境下进行了仿真试验,结果表明,改进势场蚁群算法能有效解决温室环境的路径规划问题。     

果蔬采摘机器人研究综述

概述了国内外果蔬采摘机器人的研究现状,通过对目前比较典型的几种果蔬采摘机器人的工作情况分析研究,总结出目前果蔬采摘机器人在研发过程中存在的主要问题,同时对果蔬采摘机器人的研究趋势作出预测。     

基于改进蚁群算法的易腐农产品配送路径规划研究

为了使易腐生鲜类农产品在复杂交通环境能够快速找到最优移动路径,进行考虑包括时间、油耗、罚没成本等因素在内的多目标配送,从而对综合成本与新鲜度保障进行平衡,提出了在传统蚁群算法的基础上改进转移规则,并加入含时间启发因子的影响函数。通过算例仿真,证明了改进蚁群算法的有效性和合理性,其降低了复杂程度,优化了传统蚁群算法容易陷入局部最优的问题,提升了迭代运算的收敛速度,同时降低了配送的综合成本。     

果蔬采摘机器人视觉系统研究综述

视觉系统是果蔬采摘机器人的重要组成部分,其性能好坏决定了采摘机器人的采摘效率、速度和质量。通过论述近年来国内外关于果蔬采摘机器人视觉系统对采摘目标、障碍物识别与定位等方面的研究方法和进展,分析并指出当前研究存在的问题及未来研究建议,为今后深入研究果蔬采摘机器人视觉系统提供了参考。     

果蔬采摘机器人研究的分析及对策

通过对一些具有代表性的机器人进行分析,总结归纳出了目前采摘机器人在技术上、工况上和实用性发展所面临的一些主要问题,同时提出了一些合理的研究方向和对策。     

基于并行蚁群算法的设施温室机器人多点路径规划的研究

在设施温室中,为了实现机器人在面对多个工作点时,能够找到一个最优顺序使得完成全部工作所走过的路程最短,受蚁群算法解决旅行商问题(TSP)的启发,提出一种并行的蚁群算法来解决设施温室农业机器人多点路径规划问题。首先,该算法借助于蚂蚁数量自调整的蚁群算法计算出所有点与点之间的最短安全距离,形成一个特殊的距离矩阵;然后借助于蚁群算法根据特殊的距离矩阵来寻找最优顺序;再按照最优顺序依次实现路径规划。仿真结果表明,该方法克服了目前蚁群算法在解决TSP上存在的近似计算及未考虑安全性问题,提高了计算精度,可以快速找到最优顺序进行路径规划,使机器人得到最短、最安全的路径。     

路径规划技术及其在大棚作业机器人中的应用

介绍了农业机器人路径规划技术的分类,主要综述了环境条件完全已知下的全局路径规划和环境条件部分已知或全部未知下的局部路径规划以及各种方法的原理及其优缺点,同时对农业机器人路径规划技术的发展趋势做出了分析。此外,对路径规划技术在大棚作业机器人中的应用做出了具体分析。     

基于改进蚁群算法的联合收割机调度路径优化

为缓解收割机在收获季节供不应求的局面,实现联合收割机在收割中的高效率、低成本和高收入。通过对影响收割机调度的多种因素进行分析,建立联合收割机调度的数学模型。针对基本蚁群算法易陷入局部最优解、收敛速度慢等缺点,引入节约矩阵,并对不同搜索时段采用不同的信息挥发因子,最后通过局部搜索策略2-opt法搜索最优解的方法改进基本蚁群算法,对模型进行求解。仿真结果表明,改进后的蚁群算法性能优良,且可降低调度成本,能够有效解决联合收割机在农忙时节的使用问题。     

基于节点扩张的遗传算法在机器人路径规划中的应用

构建了一种基于模糊决策的复合低通滤波器(LPF),提出了一种基于FBD法的有源电力滤波器(APF)参考电流检测新方法.该方法利用锁相环(PLL)产生参考电压,将负载电流投影到参考电压上,通过LPF可以准确检测出基波有功电流和基波无功电流.设计了基于模糊决策的复合LPF,该LPF由截止频率为10 Hz和30 Hz的双二阶Butterworth LPF组成,根据负载电流的波动幅度和谐波电流的最低次数,利用模糊推理确定LPF的选用.与传统的FBD法相比,该方法在电网电压不对称条件下,能够确保参考电流检测结果的准确性,且动态响应速度快、原理简单.理论分析和仿真结果证明了新型参考电流检测方法的正确性和有效性.     

果园自然环境下采摘机器人路径识别方法

果园自然环境下光照条件是不同的,而不同的光照条件又会对采摘机器人的路径导航产生不同影响,针对此环境,本研究提出了一种根据光照度进行分类并使用不同算法提取道路中心线的方法。首先对图像亮度分量和光照度进行研究,并将光照度划分为低光照、正常光照和高光照3个等级。在低光照条件下通过分离出S通道,然后利用K-means与Ncut算法对其进行分割,在正常光照条件下采用Otsu算法对S通道进行分割,在高光照条件下则通过K-means与Ncut算法对Cg、Cb与Cr通道进行差分运算后的图像进行分割。将分割后的图像进行边缘检测并提取道路轮廓,并通过最小二乘法实现道路中心线的获取。最后选用150张不同光照条件下的图像进行了静态试验验证,并通过课题组自行研制的采摘机器人进行了动态试验验证,静态试验验证结果表明,3种光照条件下图像分割区域与道路真实区域的平均重合度为96.74%、平均分割误差为2.01%、平均道路中心线平均偏差为2.71像素,平均耗时为0.182 s;动态试验验证结果表明,3种光照条件下的平均横向偏移距离为3.1 cm。表明,该方法在不同光照条件下具有较高的精度和实时性,能够满足采摘机器人在自然光照条件下的路径识别及导航需求。     

蜂群算法在冷链物流配送车路径规划中的应用

车辆路径规划问题是冷链物流配送环节的关键,而易腐农产品会随运输时间的推移而腐烂变质或者影响其使用价值。利用解蜂群算法采蜜行为的基本原理及其算法流程,根据配送中心与客户的需求以及运输过程存在各方面约束条件的情况下建立模型并初步考虑到农产品的腐败成本。最终分析并设计了一种基于人工蜂群算法的冷链物流配送车辆路径优化方法,并应用实例及软件仿真对算法进行了验证,且证明了该算法的有效性。     

视觉技术在农业采摘机器人中的应用及发展

介绍了农业采摘机器人的视觉技术及其工作原理,并进一步探讨了农业采摘机器人视觉技术的应用及其发展前景。     

蘑菇采摘机器人的对象检测算法

随着通信技术以及计算机视觉技术的快速发展,农业生产逐步向智能化方向转变,农业机器人的开发越来越受到重视.在规模化种植领域,智能采摘机器人可以有效的节约人工,便于生产规模化、规范化.结合实际情况,对蘑菇采摘机器人系统和工作原理进行介绍,然后提出了基于计算机视觉的蘑菇对象检测算法,并在真实环境下进行了验证,取得良好效果.提...     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径, 构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

多功能农用机器人路径规划的多种优化算法

针对多功能农用机器人路径规划问题,提出禁忌搜索算法(TSA)、模拟退火算法(SAA)、遗传算法(GA)、蚁群算法(ACO)等4种路径搜索方法。为测试算法实际效果,以4种不同规格环境模型为研究背景,以距离最短、程序耗时最少、收敛代数最小为评价指标,运用Matlab软件对算法规划路径过程进行仿真测试。结果表明,4种算法均能为农用机器人规划出距离最短的优化路径;在作物种植区节点规模较小环境下,与其他3种算法相比,蚁群算法具有较强的全局搜索能力,且不易陷入局部最优;在作物种植区节点规模较大环境下,遗传算法全局搜索能力优于其他算法,可通过增大种群数量和增加收敛代数获取最优路径。     

蚁群算法在土地利用结构优化模型中的应用

将蚁群优化算法引入土地资源规划,构建基于蚁群算法的资源规划数学模型,克服了传统优化模型的缺陷,选择张家口地区进行实证分析,得出了该地区最佳的土地利用结构优化方案。