检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

多地貌环境下的移动机器人路径规划研究

控制与决策 2012年第5期27卷 708-712页

作者：巩敦卫耿娜张勇中国矿业大学信息与电气工程学院江苏徐州221008

针对多地貌环境下的移动机器人路径规划问题,建立多目标优化模型,并采用微粒群算法解决该问题.首先,采用区域权值表示机器人在各种地形下的通行困难度;然后,结合局部优化准则计算机器人的通行时间,通过计算机器人与危险源之间覆盖的面... 详细信息

针对多地貌环境下的移动机器人路径规划问题,建立多目标优化模型,并采用微粒群算法解决该问题.首先,采用区域权值表示机器人在各种地形下的通行困难度;然后,结合局部优化准则计算机器人的通行时间,通过计算机器人与危险源之间覆盖的面积来衡量路径的危险程度,并将上述问题转化为两目标优化问题;最后,采用多目标微粒群优化算法优化上述问题.仿真结果表明了所提出方法的有效性.

关键词：移动机器人路径规划多地貌通行时间危险程度微粒群算法

在线全文

学校读者我要写书评

暂无评论

基于改进蚁群算法的移动机器人路径规划研究

机械传动 2016年第7期40卷 58-61页

作者：余勇河南经贸职业学院信息管理系河南郑州450018

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部... 详细信息

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。

关键词：移动机器人路径规划新型蚁群算法数学模型收敛速度局部最优

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于磁性细菌优化算法的移动机器人路径规划

基于磁性细菌优化算法的移动机器人路径规划

作者：闫欠欠哈尔滨工程大学

学位级别：硕士

移动机器人路径规划技术是移动机器人导航系统中最重要的部分和环节,这一领域吸引了国内外众多专家学者去探索,目前已经取得了丰富的成果。如何在有效地避开障碍物的同时规划出最小代价的路径,以此指引机器人移动,是一个值得深入研究的... 详细信息

移动机器人路径规划技术是移动机器人导航系统中最重要的部分和环节,这一领域吸引了国内外众多专家学者去探索,目前已经取得了丰富的成果。如何在有效地避开障碍物的同时规划出最小代价的路径,以此指引机器人移动,是一个值得深入研究的课题。最近十几年不少的仿生智能优化算法被用在移动机器人路径问题上,并取得了不错的效果。本文将一种新兴的仿生智能算法“磁性细菌优化算法”及其改进算法应用到路径规划当中。本文主要完成如下工作:首先对国内外移动机器人路径规划的研究现状、研究方法等进行了归纳和总结,分析了其各自优点和不足之处。其次,介绍了磁性细菌优化算法,包括趋磁性细菌的基本概念、生物学行为和生物学模型的建立以及磁性细菌优化算法原理多个方面,最后分析了算法各个参数对算法的影响。然后,将磁性细菌优化算法用于移动机器人路径规划。在路径搜索之前进行基于图像识别技术的环境建模。首先利用摄像头采集路径环境信息,将图像进行一定的处理后得到障碍物的边缘,然后按照纵横比映射到栅格图中。针对路径规划中避障问题,使障碍物以机器人的半径为标准进行扩大以便机器人沿规划好的路径移动时能够成功的躲避障碍物。建立仿真环境后,利用基本磁性细菌算法进行路径规划仿真研究。针对磁性细菌算法在路径搜索前期陷入局部最优的问题,提出了路径选择策略和磁小体扩增参数动态调整策略,对算法提出改进。仿真结果表明改进的算法性能得到了改善。最后,针对磁性细菌优化算法的路径规划时效较长的缺点,粒子群优化算法快速全局搜索的优点,本文将两种算法进行混合,得到磁性细菌粒子群混合算法,混合算法具有粒子群算法较强的快速全局搜索能力搜索路径规划的次优路径及用磁性细菌优化算法局部寻优能力搜索出最优路径,仿真结果表明混合算法在缩短路径搜索时间上的有效性。

关键词：磁性细菌优化算法栅格法移动机器人路径规划粒子群算法

多目标优化算法及其在移动机器人路径规划中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多目标优化算法及其在移动机器人路径规划中的应用

作者：王慧莹兰州理工大学

学位级别：硕士

多目标优化问题在实际应用中普遍存在,常应用于工程设计、工艺设计、投资组合、车间调度、电网配置、轨道交通、物流路径等领域。多目标优化需要同时考虑两个以上目标的最优,而实际应用中多目标之间往往存在着复杂的关系,一个目标上的提... 详细信息

多目标优化问题在实际应用中普遍存在,常应用于工程设计、工艺设计、投资组合、车间调度、电网配置、轨道交通、物流路径等领域。多目标优化需要同时考虑两个以上目标的最优,而实际应用中多目标之间往往存在着复杂的关系,一个目标上的提升,可能导致其他目标上的损失,往往很难在多个目标之间进行取舍,所以研究多目标优化算法有着极其重要的价值。本文选取智能优化算法中的NSGA-II(Nondominated Sorting Genetic Algorithms II)算法和基于参考点的优化算法中的RPEA(Reference Points-based Evolutionary Algorithm)算法做了详细介绍,并在NSGA-II算法的基础上对其做了部分改进:1)提出精英替换策略来加速种群的优胜劣汰,种群每进化一代,选取上一代种群中若干个最优解替换当前种群中表现最差的若干个解;2)分析并指出自适应遗传算法在调整遗传参数上存在的不足,针对其不足对遗传参数的调整策略进行改进:分阶段调整交叉概率和自适应调整变异概率。采用标准测试函数集ZDT和DTLZ对改进NSGA-II算法进行了实验测试,与原NSGA-II算法进行对比,实验结果验证该改进NSGA-II算法在分布性和收敛性上明显优于原NSGA-II算法。基于参考点的进化算法RPEA采用一种新的参考点生成策略:求出种群中的非支配最优解,通过在非支配最优解的每个子目标上减去一个较小值得到参考点。选取种群中距离参考点距离近的个体到下一代。通过种群不断进化,参考点逐渐接近问题的真实帕累托前沿,并可以求出多目标优化问题的帕累托最优解。最后采用标准测试函数集ZDT和DTLZ进行实验测试,比较RPEA算法与改进NSGA-II算法求解多目标优化问题的性能,测试结果验证RPEA算法在求解性能上优于改进NSGA-II算法。将以上研究的两种多目标优化算法应用到移动机器人路径规划问题中,首先介绍了遗传操作采用的编码方法、交叉算子和变异算子,并对路径选取方法进行改进。接着,搭建移动机器人的运动环境模型,利用Matlab软件仿真实现移动机器人的路径规划。最后,通过实验对比与分析,验证了改进NSGA-II算法求出的路径在路径长度和危险程度上都优于传统NSGA-II算法求出的路径,并且改进NSGA-II算法运行时间更短;采用RPEA算法求解移动机器人路径规划问题的仿真结果验证RPEA算法在求解移动机器人路径规划问题上具有可行性。

关键词：多目标优化 NSGA-Ⅱ算法基于参考点的进化算法RPEA 交叉变异概率移动机器人路径规划

基于改进RRT算法的移动机器人路径规划研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

长春工程学院学报（自然科学版） 2023年第4期24卷 93-96页

作者：杨军湖南交通工程学院湖南衡阳421009

路径规划是移动机器人开发的核心技术,而传统RRT算法所规划的路径距离长、拐点多,对RRT算法进行改进,引入A*算法思想,改进待扩展节点的选择。引入人工势力场思想,改进扩展方向的选择。对规划的路径消除冗余点,并采用三次样条函数进行平... 详细信息

路径规划是移动机器人开发的核心技术,而传统RRT算法所规划的路径距离长、拐点多,对RRT算法进行改进,引入A*算法思想,改进待扩展节点的选择。引入人工势力场思想,改进扩展方向的选择。对规划的路径消除冗余点,并采用三次样条函数进行平滑处理。将改进的RRT算法应用于虚拟简单环境地图、虚拟复杂环境地图中,结果表明改进RRT算法所规划的路径平顺性好、路径长度短且所用时间短。最后将改进的RRT算法应用于实际的移动机器人路径规划中,路径规划结果验证了该算法的可行性。

关键词：移动机器人路径规划传统RRT算法 A*算法人工势力场三次样条函数

在线全文

学校读者我要写书评

暂无评论

基于人工免疫网络理论的移动机器人路径规划

郑州轻工业学院学报（自然科学版） 2012年第4期27卷 1-5页

作者：过金超刘征崔光照郑州轻工业学院电气信息工程学院河南郑州450002

针对静态环境下机器人路径规划问题,提出了基于人工免疫网络理论的移动机器人路径规划方法.该方法基于人工免疫网络仲裁机器人的行为,将抗体和抗原类比为机器人的行为和机器人所在的环境,人工免疫网络作为主要的行为仲裁机制,有效地选... 详细信息

针对静态环境下机器人路径规划问题,提出了基于人工免疫网络理论的移动机器人路径规划方法.该方法基于人工免疫网络仲裁机器人的行为,将抗体和抗原类比为机器人的行为和机器人所在的环境,人工免疫网络作为主要的行为仲裁机制,有效地选择和精炼执行任务,并基于Webots实验平台对该方法进行了仿真.实验结果表明,该方法在复杂的环境中具有高度的自制性、适应性、灵活性和有效性.

关键词：人工免疫网络移动机器人路径规划 Webots

在线全文

学校读者我要写书评

暂无评论

蚁群算法在移动机器人路径规划中的应用

电子测试 2020年第21期31卷 117-118页

作者：段焜江苏安全技术职业学院江苏徐州221011

路径规则是移动机器人领域中较为关注的热点话题,蚁群算法当前在移动机器人路径规划中有着广泛应用空间和价值,路径规划的主要目的是实现在处于具有障碍物的工作环境中实现合理依据相关性能指标落实在模型空间当中寻找到最优的路线,从... 详细信息

路径规则是移动机器人领域中较为关注的热点话题,蚁群算法当前在移动机器人路径规划中有着广泛应用空间和价值,路径规划的主要目的是实现在处于具有障碍物的工作环境中实现合理依据相关性能指标落实在模型空间当中寻找到最优的路线,从起点到目标位置的碰撞次数最少。但是不可否认,当前蚁群算法在移动机器人路径规划中的应用中依然存在各种问题有待完善,未能够将其利用优势全面展现出来。因此,本文将围绕蚁群算法在移动机器人路径规划中的应用为主题来展开分析,再提出促进在移动机器人路径规划中应用蚁群算法的可行性对策。

关键词：蚁群算法移动机器人路径规划应用

在线全文

学校读者我要写书评

暂无评论

基于改进粒子群算法的移动机器人路径规划

电子测量技术 2019年第3期42卷 54-58页

作者：郭世凯孙鑫上海大学机电工程与自动化学院上海200040

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在... 详细信息

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在此基础上对传统的粒子群算法进行了改进。随后,引入了基于相似度概念的非线性动态惯性权值调整方法,从而使得粒子的更新速率能够适配寻优过程的各个阶段,并且通过引入免疫算法中的免疫信息调节机制,增加了粒子的多样性,增强了其摆脱局部最优值的能力。仿真结果表明,所提出的改进粒子群算法具有更高的最佳路径搜索能力,其综合性能显著优于传统的粒子群算法。

关键词：移动机器人路径规划改进粒子群算法栅格地图相似度免疫算法

基于改进RRT*算法的移动机器人动态避障与路径规划

在线全文

学校读者我要写书评

暂无评论

基于改进RRT*算法的移动机器人动态避障与路径规划

作者：吴天文重庆三峡学院

学位级别：硕士

移动机器人路径规划算法(Robot Path Planning)当今机器人发展的趋势,是实现机器人灵活自主移动的重要组件之一,快速精准的规划路径显得尤为重要。由于环境的多变性,许多场景存在分布不规则且密集的障碍物以及移动速度不确定的动态障碍... 详细信息

移动机器人路径规划算法(Robot Path Planning)当今机器人发展的趋势,是实现机器人灵活自主移动的重要组件之一,快速精准的规划路径显得尤为重要。由于环境的多变性,许多场景存在分布不规则且密集的障碍物以及移动速度不确定的动态障碍物,如何在复杂以及动态的环境下使机器人快速找到最优路径且能够安全有效避开所有的障碍物是目前路径规划的难点与热点问题。路径规划算法包括全局路径规划算法和局部路径规划算法。常见的全局路径规划算法都能够找到一条起点到终点最优路径,但是机器人无法躲避动态障碍物,且算法收敛时间较长;常见的局部路径规划算法使机器人能够躲避动态障碍物,但机器人从起点到终点的移动轨迹并非最优路径,且动态避障效果一般。针对以上路径规划算法存在的问题,本文通过改进全局路径规划算法中的快速扩展随机树算法(Rapid-exploration Random Tree*,RRT*)以及改进局部路径规划算法中的动态窗口算法(Dynamic Window Approach,DWA),并结合RRT*算法与DWA算法的优点,形成一种融合算法在规划出一条最优移动轨迹的同时也能保证动态避障。论文主要内容与创新点如下:(1)针对在复杂环境下,RRT*算法会产生大量冗余采样节点进而导致的算法收敛速度严重减小的问题,提出区域引导、密度约束和目标偏置三种策略来改进RRT*算法。改进算法大幅度减少了冗余节点产生,同时优化了重选父节点以及重布线两个阶段的收敛时间,在复杂环境以及一些特殊的回形地图下也能够快速收敛,同时找到最优路径。(2)针对DWA算法面对移动速度较快的动态障碍物时预见性较低,即无法提前探测到障碍物的存在,以致于障碍物在相距机器人很近的位置才开始避障。经过多次实验表明,由于DWA算法需要计算的数据量较大以及受硬件资源限制,在近距离下算法很难成功避障,所以预见性较低会导致算法动态避障能力较差。为此,提出一种不影响算法性能(计算速度)的以直线方式延长预测轨迹的方法来提高DWA算法的预见性,通过预测轨迹的末端状态来合理的延长预测轨迹,以传递影响到评价函数,使机器人可以提前探测到障碍物并进行避障动作。对于多个动态障碍物同时存在机器人周围的情况,通过坐标变换来快速准确的判断当前对机器人移动方向最具威胁的动态障碍物,避免产生无效或者错误的避障动作。(3)针对DWA算法作为局部路径规划算法无法找到最优路径的缺陷,采取融合RRT*算法与DWA算法各自的优点,使机器人在能够动态避障的同时也能最大程度的沿着趋向于最优路径的方向移动。将RRT*算法得到最优路径作为机器人移动的参考路线,机器人根据参考路线中的节点链表来合理选择下一时刻的临时目标点,并不断移动,直到到达目标点。(4)对以上改进策略在visual studio 2022上进行初步仿真,确定改进策略是可实现的。然后将改进之后的算法移植上ROS操作系统,利用ROS操作系统扫描周围环境搭以形成真实世界的地图,在该环境中验证改进算法的有效性。最后通过基于两轮差速模型的小强XQ-4PRO智能小车实际测试小车在真实环境中的可行性。

关键词：移动机器人路径规划快速随机搜索树算法动态窗口算法融合算法 ROS操作系统仿真平台