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。     

基于蚁群-BFS算法的复杂环境下农业机器人全区域覆盖研究

目的 以路径重复率为优化目标解决农业机器人在数字生态农场中的全区域覆盖问题。方法 首先,将栅格地图中的障碍物进行膨胀处理,在此基础上进行矩形分区以及分区合并操作;然后,通过改进的蚁群算法规划分区间的遍历顺序、通过改进的广度优先搜索(Breadth first search, BFS)算法规划分区间终点与起点的衔接路径,从而实现机器人全区域覆盖。2种算法的具体改进方案为：分别通过人工免疫算法与粒子群算法改进遗传算法的选择与交叉算子,并将改进后的选择算子、交叉算子、原遗传算法变异算子与蚁群算法相结合改进传统蚁群算法信息素更新方法;建立动态函数以简化BFS算法规划的路径。结果 仿真结果表明,改进蚁群算法收敛时的迭代次数较传统蚁群算法减少了83.1%,路径长度相比减少了4.8%;由改进的蚁群算法与改进的BFS算法规划的机器人遍历路径重复率是传统蚁群算法和BFS算法的56%,且农业机器人能实现对农田区域的100%覆盖。结论 本研究提供了一种农业机器人在复杂环境的数字生态循环农场中进行全遍历覆盖的解决方案。     

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。     

改进蚁群算法在果蔬采摘机器人路径规划中的应用

果蔬采摘机器人如何在复杂多变作业环境中,特别是多丘等特殊地理面貌中,能够快速选择最佳路径实现安全避障完成作业任务,就涉及到果蔬采摘机器人路径规划问题。针对基本蚁群算法(Traditional Ant Colony Algorithm,TACO)搜索效率低、易陷入局部最优及易出现早熟收敛等缺陷,提出一种基于改进蚁群算法(Improved Ant Colony Algorithm,IACO)的果蔬采摘机器人路径规划方法。首先,采用栅格法建立4种不同规格环境模型;其次,为缩减路径搜索初期时间消耗、加快搜索速度和扩大全局寻优能力,综合考虑搜索路径上当前节点、下一节点和目标节点间的几何关系,设计新的启发函数因子,并在此基础上对状态转移规则进行改进;为保留每次循环最优路径的信息优势,增加路径选择多样性和改善算法收敛性能,通过引入精英策略和信息素局部与全局相结合的更新策略对信息素更新规则进行改进。最后,通过与其他算法仿真试验结果比对分析,证实改进算法在解决复杂特殊地理环境下果蔬采摘机器人最优避障路径规划具有有效性和优越性。     

基于自适应升温模拟退火算法的农业机器人全区域覆盖策略

目的 提出一种复杂农田环境下农业机器人全区域覆盖策略,以便合理规划农业机器人的工作遍历路径。方法 根据农田实际生产环境定义农业机器人复杂工作环境模型,并在此基础上建立一级分区与二级分区的概念。引入遗传算法变异操作的思想,建立基于贪婪机制的模拟退火算法优质可行解生成方法;建立解集多样性的概念,设计基于自适应升温的模拟退火算法改进方法,以此求解分区间的最佳遍历顺序问题。通过A*算法与八邻域搜索法相结合进行农业机器人跨区域衔接路径规划,依此,实现机器人覆盖全区域。结果 仿真结果表明,改进的模拟退火算法所规划的路径长度分别比传统遗传算法和模拟退火算法减少了14.7%和10.1%,收敛时的迭代次数分别减少9.8%和59.1%;农业机器人全区域覆盖仿真试验中遍历路径重复率为14.86%。高地隙喷药机器人现场遍历试验中,路径重复率为15.83%。结论 研究结果可为农业机器人在复杂农田环境中全遍历覆盖提供研究思路。     

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。     

基于分组和精英策略的遗传算法在机器人导航上的应用

【目的】针对种植园复杂环境下采摘机器人进行路径规划时找出多路径效率低、速度慢等问题,提出一种基于分组和精英策略的遗传算法(GGABE)。【方法】首先生成1个初始群体,使用Sigmoid函数分组;然后在每组中分别进行选择、交叉、变异操作,进行n代迭代后,每组产生该组内的k条等长的最优路径;比较各组最优路径,选择最短的路径作为最优路径。在种群的各项参数均相同的情况下,简单遗传算法(SGA)、未分组的精英遗传算法(EGA)以及GGABE分别作用于15×15和25×25的地图,各进行50次试验。进行样机验证试验。【结果】第1幅地图,GGABE算法找到了8条最短路径,路径均值为20.970 6,其他2种方法只能找出1条最短路径;第2幅地图,GGABE算法找到了8条最短路径,路径均值为38.041 6。50次验证试验均找出3条最佳路径,平均路径规划时间为15.543 319 s。【结论】本研究提出的基于分组和精英策略的遗传算法收敛速度快,可快速准确地在地图中搜索出所有能够遍历整个果园的最佳路径。     

基于遗传势场法的足球机器人路径规划

以足球机器人系统为研究背景,采用了人工势场法和遗传算法相结合的方法,实现了足球机器人路径规划．首先根据势场原理设计可调参数的势场函数,再规划出已知环境下可调参数的势场函数,然后设计遗传算法中的相关适应值函数,最后用遗传算法优化势场函数中的参数,得到遗传势场法．同时利用C＋＋编程实现遗传势场法的仿真平台,并在该平台上进行仿真实验,结果表明,遗传势场法具有避障以及适于在实时环境中使用的优点,在解决实际路径规划问题中是行之有效的．     

基于单亲遗传算法的RoboCup动态角色分配

RoboCup的机器人动态角色分配问题是一个典型的组合优化问题。解决这一问题的传统方法是贪心法,但贪心法易陷入局部最优解。提出用针对组合优化问题而构造的序号编码单亲遗传算法解决RoboCup的机器人动态角色分配问题。单亲遗传算法借鉴了传统遗传算法"优胜劣汰"的自然选择机制,但只通过单个体繁殖后代,在解决组合优化问题和复杂工程优化问题方面具有明显的优越性。试验结果显示这种方法的在解决RoboCup机器人动态角色分配问题时的有效性。     

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。     

足球机器人运动控制算法研究

在建立基于小转角的足球机器人运动学模型的基础上,提出了单神经元自适应PID控制算法和基于Kalman滤波的PID控制算法.通过仿真分析,系统在单神经元自适应PID控制下,超调量、上升时间和峰值时间分别是常规PID控制下的30.7%,54.3%和72.7%,完全满足足球机器人现场比赛竞技性的要求;基于Kalman滤波的PID控制能够抑制干扰,提高控制精度,控制效果明显改善.     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

含分布式电源的配电网故障恢复研究

本研究针对含分布式电源的配电网故障恢复提出一种将孤岛划分作为网络重构子优化模块的方案。在重构过程中根据DG的类型和与主网的连通状态,将不能并网的分布式电源进行孤岛划分,最大程度恢复失电负荷,并用二进制粒子群算法和遗传算法的混合算法寻找最优恢复路径。算例结果证明了该策略的优越性。     

动态复杂环境下的智能移动机器人导航

人工势场法以其快捷的环境描述和算法形式,在机器人实时避障中得到了广泛的应用。但传统的人工势场法在目标点与障碍太近时,存在机器人不能达到目标点或在目标点附近振荡的缺陷,动态避障一直是避障的难点,本文提出了将时变势场法与角度势场法相融合的策略,此方法适用于动态复杂环境下的避障,仿真结果证明了上述方法的有效性。     

基于云模型的农业移动机器人人机合作路径规划

【目的】实现农业移动机器人在复杂动态的农业环境中实时准确地无碰撞行驶。【方法】基于云模型的不确定性在线推理方法,提出一种基于云模型的动态引导A*(CDGA*)算法进行人机合作路径规划,将人的专业知识和喜好等引入DGA*优化中,实现机器人更快速的路径规划。利用Matlab软件对CDGA*算法与DGA*算法进行仿真对比分析。【结果】静态路径规划中,DGA*算法与CDGA*算法的close的点数分别为158和96,人员规划时间分别为8.8和4.0 s,规划总时间分别为15.6和8.9 s;动态路径规划中,DGA*算法与CDGA*算法的人员规划时间分别为12.5和5.8 s,规划总时间分别为23.3和14.6 s。【结论】提出的CDGA*算法能够大大减少产生的节点数,缩短规划时间,提高搜索效率。     

苹果采摘机械手的逆运动学求解研究

为了提高苹果采摘机械手的采摘成品率,保证采摘后苹果质量,提出一种引入采摘综合因素的苹果采摘机械手的逆运动学求解方法。首先,采用Denavit Hartenberg模型对苹果采摘机械手进行建模,并将逆运动学求解问题转化为规划问题,其中,目标函数为所求得逆运动学参数对应的机械手末端中心坐标与待求坐标欧式距离。然后,在遗传算法选择、交叉、变异算子进行全局搜索的基础上,结合非线性规划对目标函数进行局部搜索。最后,借助随机森林算法将逆运动学求解结果分为3个姿势等级。试验表明,非线性遗传算法在苹果采摘机械手的逆运动学求解上相比遗传算法精度提高了8～25 mm,随机森林算法可以很好地对其求逆结果进行优化,从而提高苹果采摘成品率。     

基于DEA的二阶段网络系统的固定成本分摊方法

针对传统人工势场法在智能车辆局部路径规划中未充分考虑车辆动力学和运动学约束的不足，提出一种基于动态虚拟障碍物的局部路径规划方法.首先根据环境、车辆运行状态和道路交通规则分析车辆行驶安全性并获得虚拟车道线的解析表达，再进行车辆驾驶行为决策并生成受约束的动态虚拟障碍物，最后采用考虑动力学和运动学约束的改进人工势场法进行局部路径规划.仿真实验表明，该方法在保证动力学和运动学约束的前提下，能够在不同初始速度、相对速度和相对距离工况下获得较好的规划性能.