基于遗传算法的无人机多目标路径规划

研究了无人机在抢险救灾中的应用,通过构建路径规划模型来求解最优路径,模型以整个无人机飞行路径距离最短为目标,利用遗传算法对路径方案进行迭代优化,利用适应度函数在迭代过程中更新种群个体,使得算法能够趋向最优解,同时利用遗传变异操作防止算法陷入局部最优解。利用MATLAB对算法进行计算,并通过随机个体比较对方案进行了验证。案例结果表明:该模型能够在较短时间内得到最优解,提高了无人机的工作效率,为抢险救灾争取到了宝贵的时间。     

基于多适应度遗传算法的智能汽车路径规划策略

针对传统换道模型存在的换道约束条件考虑不全面,切向加速度过大、纵向加速度和换道轨迹曲率产生阶跃的问题,以不同驾驶员最小安全距离模型为前提,分析换道过程中车辆间的位置关系,提出换道车与障碍车之间4种新的点碰撞形式。结合遗传算法得出不同碰撞形式下的多适应度函数模型,该模型解决了部分传统模型存在的不足。通过VC++、MATLAB计算新模型产生的换道轨迹。仿真结果表明,新的路径规划模型能安全有效地实现智能汽车换道行为。     

基于改进A*算法的地下无人铲运机导航路径规划

提出一种基于改进A*算法的铰接式地下铲运机导航路径规划方法。针对地下铲运机的铰接结构,采用按铰接角扩展节点的方法,使扩展节点符合铲运机的轨迹特性;针对巷道狭窄,易于发生碰撞的问题,在估价函数中引入了碰撞威胁代价,避免铲运机与巷道壁发生碰撞。通过仿真试验分析比较了传统A*算法和所提出的改进A*算法的搜索性能,验证了改进A*算法可提高搜索效率。通过多组试验参数比较表明,当碰撞代价加权系数为0.2时,可以得到在避免碰撞情况下的最短路径。最后在实验室环境下实现了无人铲运机的路径规划及轨迹跟踪。跟踪结果表明,采用所提出的算法规划的导航路径,符合铲运机的结构特性,使跟踪误差保持在0.2 m之内,同时也可使铲运机不与巷道发生碰撞,实现安全行驶,验证了所提方法的可行性和实用性。     

无人驾驶农用运输车路径规划研究

研究无人驾驶农用运输车避障路径的自动生成,给出了基于遗传算法的路径规划方法,并通过仿真实验证实了该方法的有效性。     

变电站巡检机器人路径规划策略

根据巡检路径点数量的不同,变电站巡检机器人巡检任务可划分为:协助应急处理、缺陷定点跟踪和全站全巡.在搜索区域内采用Dijkstra算法,完成起点到终点的最短路线规划;在获取各缺陷点最短距离矩阵的基础上,采用智能算法对各缺陷点巡检顺序进行优化设计;对巡检道路拓扑图中的奇点进行配对优化,缩短机器人行走路程,采用Fluery...     

基于路径规划与跟踪的自动泊车系统研究

为了降低泊车系统控制器的建模难度,更好地完成自动泊车操作,提高泊车控制器对环境的适应能力,通过对自动泊车流程和控制进行研究,采用路径规划与跟踪方法,设计了一种自动泊车系统。     

无人值守配电站智能巡检机器人的应用与运维

随着我国现代社会科学技术的快速发展,大量技术被运用于电力行业中,电力自动化、智能化成为电力行业的主要发展趋势.在配电站运营管理过程中,工作人员引进先进技术,构建无人值守配电站,提出智能巡检机器人应用思想,利用智能机器人代替人工巡检,有效提升巡检效率、准确性与可靠性,全面获取配电站运行资料,分析异常情况,及时发现异常问题...     

基于粗糙集与遗传算法的采摘机器人路径规划

为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。     

无人驾驶路径规划算法综述

根据静、动状态可以把路径规划分为全局路径规划、局部路径规划2个方面,通过对不同形式路径规划方法的属性进行分析,从时间复杂程度、空间复杂程度以及准确度进行讨论,最后对无人驾驶路径规划的发展前景做了符合实际的展望。     

基于骨架关键点重规划的Voronoi图法路径规划

针对目前的Voronoi路径规划算法生成的Voronoi图弯曲冗余,依据Voronoi地图规划路径实时性差,规划出的路径弯曲,机器人导航时转折次数多、时间成本高、效率低等问题,提出一种基于骨架关键点重规划的Voronoi图法路径规划算法。首先对机器人构建的二维栅格地图进行预处理,去掉地图中的噪点和毛边,填充边界上细微的裂缝,然后提取地图的骨架,搜索出骨架中的关键点,将关键点按原来的相邻点连接关系重新连接,生成新的笔直的骨架,并采用降梯度采样方法平滑依据骨架规划出的路径。在经过多次仿真实验和实际实验验证后,证明本文算法生成的骨架比目前的Voronoi图和骨架更加简洁,数据量更小,机器人基于优化后的Voronoi地图能够更加快速规划出笔直的路径,具有良好的实时性,规划出的路径更短,转折次数更少,机器人导航过程中能够迅速到达目标点,导航效率高。     

渠系网络图在大型灌区规划中的应用

渠系规划是大型灌区续建配套与节水改造规划的重要内容。简要介绍了渠系网络图的特点、绘制的方法和绘制的意义，通过在灌区规划中的应用表明，采用这种图形能从整体上直观清晰地反映灌区灌排渠系布置情况，既便于规划中有关设计参数的推求，又便于灌区管理人员参考。     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

基于PCA模式识别算法的收割机自主路径规划设计

为了更准确地对高分辨率可见光农田路标导航图像进行目标识别,将基于主成分分析(PCA 2 Principal Component Analysis)和模板匹配的方法引入到了联合收割机控制系统中,提升了收割机自主图像识别水平和路径规划能力。在识别过程中,采用PCA算法对分割图像进行特征提取和主成分分析,并将图像主轴旋转成水平方向和训练样本库进行匹配,最后识别出导航路标,并自动生成预设的路径。为了验证方案的可行性,将PCA模式识别算法嵌入到了收割机的控制系统中,在开阔平坦的农田里进行了实验测试,结果表明:采用PCA模式识别算法可以成功地识别农田里的导航路标,其识别准确率和效率都较高,且可以自动生成规划路径,对于现代收割机自动化作业能力的提升具有重要的意义。     

基于人工势力场和遗传算法的播种机路径规划设计

为了提高播种机对复杂地块的自适应能力,提升播种机的播种精度和播种效率,提出了适合精播机的基于子区域的折返全区域覆盖路径规划方法,并对播种机的排肥器和排种器进行了改进,以适应自动路径规划的需要。为了优化基于子区域的路径搜索方法,使用人工势场和遗传算法对寻优方法进行了优化,提高了算法的效率。为了测试该方法的有效性和可靠性,将路径规划系统安装到了播种机械上,通过对播种的测试发现,该方法实现了复杂地块播种的全区域覆盖,并且可以有效地躲避障碍物。对3种不同的算法进行对比测试发现:基于遗传算法的子区域路径规划模型的寻优效果最佳,其覆盖面积大,转弯次数少,用时少,最短时间为11.25 min,仅为其他算法时间的1/2,路径划分效率较高,满足智能化精密播种机的需求,可以在精密播种机的路径规划系统中使用。     

基于遗传算法的渠道横断面设计

常规的渠道横断面设计,需进行反复试算,且精度不理想。以渠道设计水深作为优化变量,将均匀流公式计算设计流量转化为非线性优化问题的目标函数,设计流速界于不冲不淤流速之间作为约束条件,并用实数编码的遗传算法求解,进行渠道横断面设计,运用结果表明该方法计算精度高,简便可行。     

基于遗传算法的渠道断面最优设计

常规的渠道设计方法，步骤简单，需要进行反复试算，且精度不理想。本文提出以遗传算法为手段，通过构造拉格朗日函数把各约束联系起来，选择合适编码、算子、及有关参数，将实际问题转化为遗传算法能够有效解决的模型。利用实例说明该方法实用，有较强的可操作性。     

基于方向A*算法的温室机器人实时路径规划

针对复杂环境下的温室机器人路径规划问题,重点研究了生成路径的平滑设计、碰撞检测和算法实时性,提出一种方向A~*算法。首先采用视野线平滑原则优化路径,消除锯齿效应并避免部分碰撞;其次应用圆弧—直线—圆弧转弯策略,避免机器人本体宽度影响;最后基于二叉堆加速算法,提升算法计算效率。仿真实验结果表明,方向A~*算法满足平滑要求且能有效避免碰撞,加速算法平均提速4~7倍。同时,机器人在真实实验环境下能实现安全自主导航,跟踪误差小于0.15 m,验证了所提方法的可行性。