基于状态改变的机器人动态障碍物路径规划算法

借鉴电路中,电器元件对于外加激励,状态发生改变,同时在最短时间内恢复到初始状态的现象,将动态障碍物的实时变化类比为外加激励,提出一种基于状态改变的机器人动态障碍物路径规划算法。首先对机器人绕行单个固定障碍物进行深入分析,然后采用状态更新的方式,对动态障碍物进行分析,最后利用叠加法,对存在动态障碍物和静态障碍物的混合任务规划区域进行分析,并生成避障路径。为了验证算法在多障碍物环境的路径规划能力,利用数值仿真模拟实验,结果表明,在该算法中,机器人能够分别有效的实现静态障碍物区域、动态障碍物区域以及动静混合障碍物区域的路径规划。     

基于多目标协同进化算法的多机器人路径规划

提出一种合作型多目标优化协同进化算法,并应用于具有3个优化目标的多机器人路径规划问题中.算法采用一种新型的子群体间合作方式,提高了候选解的多样性,且避免了在一般多目标进化算法中难以处理的适应值分配或非支配排序过程,减小了对计算资源的消耗.针对多机器人路径规划问题的特点,给出了多机器人间的协调策略,并在算法的群体初始化和进化算子的设计中,引入了基于问题专门知识的启发式方法.在复杂工作环境下的仿真实例表明了算法的有效性.     

基于改进蝴蝶优化算法的无人机3-D航迹规划方法

针对基本蝴蝶优化算法（Butterfly optimization algorithm,BOA）在进行无人机（Unmanned aerial vehicle,UAV）三维航迹规划时存在的搜索速度慢、搜索精度低以及易陷入局部最优等问题，提出一种改进的蝴蝶优化算法（Improved butterfly optimization algorithm,IBOA）。在全局搜索阶段提出对数自适应惯性权重策略和动态更新调节策略，提高了算法全局搜索能力和搜索精度。同时，在局部搜索阶段，提出一种动态概率余弦选择策略，增加位置更新多样性，避免陷入局部最优。首先，为检验改进算法与基本算法的寻优性能，在部分标准多元函数上进行仿真对比。对比结果表明，改进算法对复杂函数具有较强的寻优能力，能在更短时间内找到全局最优解。然后，在二维路径规划仿真中对比了改进算法与PSO算法性能，从对比结果看，IBOA具有更优的规划效果。接着，利用山峰模拟函数对UAV三维航迹规划进行建模，将改进算法应用到航迹规划中，利用MATLAB仿真对比了不同复杂度环境下的航迹规划效果。仿真实验表明：相同实验条件下，该优化算法较BOA综合适应度值减...     

改进蚁群算法在移动机器人避障中的应用

在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。     

基于改进蚁群算法的无人机冲突解脱技术（英文）

基于ADS-B监视数据,提出了一种基于线性外推法的机载无人机冲突探测与解脱方法,为可能发生的冲突提供预警。为解决多无人机冲突问题,引入基本蚁群算法,并通过加入速度调整策略来优化传统的基本蚁群算法的冲突简化模型。提出了一种基于速度调整策略和航向调整策略的多无人机冲突解脱方案。通过加入排序系统和角度信息,改进了蚁群算法。结果表明,改进的蚁群算法可为空域内多无人机规划无人机冲突解脱路径。改进后的蚁群算法,提高了计算效率,收敛出最优化目标所需时间减少了43.9%,且最终总延误距离减少了58.4%。     

基于方向匹配的装配路径规划算法

描述了装配规划中的最短无碰装配路径的自动生成问题。首先由零件在装配体中的几何约束生成局部拆卸方向,在考虑局部拆卸方向的前提下,运用位姿空间方法推导当前装配零件在固定姿态下由装配起点到装配最终位置的最短无碰路径。文中用具有位置分量和方向分量的特征元素描述物体,用方向分量相互匹配的特征元素对,即所谓方向匹配法计算三维离散物体的C-空间障碍。搜索空间用具有动态密度的栅格表达,以改进的具有目标可见性测试和变步长的A算法搜索最短无碰装配路径。该算法可处理复杂结构的装配体,且具有较高的计算效率     

基于改进实数遗传算法的函数全局优化

将一种改进的实数遗传算法用于函数全局优化。改进的算法建立在对基本实数遗传算法搜索特性判断的基础上。文中对实数遗传算法的基本操作进行了简单的讨论和选择 ,将一种混沌序列作为刺激因素加入到算法中 ,并将区域划分与取舍的思想应用到算法结构改进中。数值实验显示 ,新方法对寻找复杂问题的全局解、提高搜索精度方面较基本实数遗传算法有较大改进。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

面向机器人原位加工的大型飞船舱体变位姿态优化方法（英文）

在利用机器人实施大型飞船舱体的原位加工时，对舱体旋转变位次数与机器人整体加工性能的关注引入了一双目标优化问题。本文基于机器人刚度特性和非支配排序遗传算法，提出了一种舱体变位方案优化方法。首先，设计了以机器人笛卡尔刚度为基础的特征加工质量评价指标，并建立了原位加工过程模型。其次，为应用非支配排序遗传算法，提出了一种加工过程的双染色体编码方法及相应的交叉变异算子。此外，通过修复算子处理频繁出现的非法编码，保证了算法的寻优效率。仿真及实验研究的结果表明，适当增加舱体变位次数能够有效提升机器人的加工性能，并在工质量和时间成本上实现综合优化。     

基于自组织与LVQ神经网络的足球机器人协作策略学习

足球机器人系统目前已成为人工智能应用技术研究的重要实验平台，系统的核心部分就是决策子系统。本文主要研究机器人足球比赛中协作策略的学习问题，采用了自组织与学习向量量化（LVQ）神经网络算法实现了两个足球机器人的传球学习。提出了一种协作策略学习的改进算法。该算法通过对网络权值矩阵进行改进，可以显著提高网络的训练质量。仿真和实验结果表明了该方法的可行性与有效性。     

电弧熔丝增材制造复合填充路径规划算法

合理的路径规划可以提高电弧熔丝增材制造成形零件的表面质量和强度。针对电弧熔丝增材制造的特点,将多种增材制造路径规划算法相结合,提出了一种复合路径规划算法,实现了单空洞截面的填充,并进一步讨论了其他类型截面的路径规划方法。在填充截面过程中,内外表面采用轮廓偏置路径填充,保证了零件的表面质量;零件内部采用改进的扫描线算法进行填充,减少了空行程,提高了成形效率。实验验证了本文算法填充复杂截面轮廓的可行性。     

半自主多机器人竞技对抗决策系统研究

机器人竞技以其独有的动态性、实时性等特点,逐渐成为多智能体机器人系统的研究平台。以类人型机器人为硬件平台,设计了包含视觉子系统、决策子系统以及通信子系统在内的半自主机器人的竞技对抗决策系统。然后根据类人型机器人运动特性提出攻防策略模型,设计态势评估、路径规划等相关机器人对抗决策策略。最后通过实验证明了对抗决策系统的稳定性。     

基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。     

基于改进型BP神经网络多关节机器人逆向运动学求解

提出采用一种3层改进型快速BP神经网络(Modified fast BP neural network,MFBPNN)求解一个5自由度多关节机器人逆向运动学问题。使用正向运动学计算获得的样本向量进行离线学习,然后充分利用人工神经网络的泛化特性,实现了机器人末端作用器位姿到各个关节转角变量之间的非线性映射。仿真结果表明,采用MFBPNN算法以后,绝对误差不超过0．005°,计算精度和处理速度能够满足机器人实时控制的要求,并且可以应用于机器人路径规划控制场合。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。     

超额订购下天文卫星短期任务的聚类规划方法（英文）

当用户的观测需求超过卫星的观测能力时，天文卫星的任务规划就成为一个超额订购的问题。对于该问题，设计了一个包含聚类阶段和短期任务规划阶段的框架。首先建立了任务聚类模型，用于减少超额订购任务的规模。其次，使用聚类的结果作为输入，建立了短期任务规划的数学模型。最后，提出了一种自适应混合搜索策略的人工蜂群算法，在基本人工蜂群算法中引入了自适应精英全局-局部搜索策略和自适应变邻域最优搜索策略，以求解聚类和短期规划问题。所提出的算法在实验中表现出更好的寻优能力和更快的收敛速度。此外，它还有效地减少了聚类阶段的任务数量，提高了短期任务规划阶段的任务完成度。     

基于翼型反设计的遗传算法

遗传算法有时收敛太慢或收敛困难.在翼型反设计问题中,算法的计算效率很重要.给出了翼型的非均匀B样条曲线表示,设计了遗传操作算子,引入一种简单、易实现、高效率的随机逼近算法--Simultaneous Perturbation Stochastic Approximation(SPSA)算法,将SPSA算法作为一种快速局部优化方法和遗传算法的整体搜索策略结合起来,为翼型反设计提出了一种快速高效优化算法.并用该算法分别对NACA2412和NACA0016翼型进行了反设计,取得了令人满意的结果.     

基于可变重调度区间的柔性作业车间动态调度策略

针对动态柔性作业车间调度问题,提出了基于可变重调度区间的动态重调度策略。建立了柔性作业车间调度数学模型。提出一种初始化机器、初始化工序和随机初始化相结合的改进种群初始化的方法,进一步提高初始种群解的质量。实际生产案例仿真对比分析结果表明,利用本文重调度策略和改进遗传算法后得到的结果比企业实际运行时间缩短了47.8%,比他人的调度策略所得到的优化结果提高了5.4%,从而验证了本文所提出算法的可行性和有效性。     

异构无人机集群的分布式多智能体任务规划（英文）

本文针对具有不同能力的异构无人机集群提出了一种分布式任务规划算法,该算法扩展了基于共识的捆绑算法(Consensus-based bundle algorithm,CBBA),以解决更加现实和复杂的环境。扩展分为两个方面,一方面是处理需要多个无人机协同完成的多代理任务,另一方面是在任务场景中考虑避障路径规划。本文提出了一种新的共识算法来解决多智能体任务分配问题,并使用Dubins算法设计了无人机的避障并考虑运动约束的可行路径。实验结果表明,本文提出的CBBA扩展算法可以得到无冲突、可行的多智能体任务规划解决方案。     

A REAL-VALUED GENETIC ALGORITHM FOR OPTIMIZATION PROBLEM WITH CONTINUOUS VARIABLES

提出一种用于连续变量函数优化的遗传算法。它由一种简单、适应面广的动态刻度适应值和选择算子、杂交与变异算子，以及这些算子相应的自适应概率组成。该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。实验结果表明，该算法是一种快速有效的全局优化算法。