基于人工智能算法的机械臂避障路径选择研究

针对智能化生产中的机械臂避障路径选择问题,文章提出一种基于人工智能算法的机械臂避障路径选择优化方案。研究主要通过人工势场法实现机械臂避障路径的选择;同时针对人工势场法容易导致局部最优的问题,用快速扩展随机树(RRT)的方式逃脱局部最优,保障避障路径优化的可靠性。研究以六自由度机械臂模型为基础进行运动学分析,并构建相应的势场函数,通过RRT算法避免局部最优。经过仿真实验验证:基于人工智能算法的机械臂避障路径选择相比粒子群算法以及单纯使用人工势场法进行避障路径选择,具有明显的优势,避障成功率高达98.9%,路径规划更加平滑高效,机械臂运行能耗更少。

基于避障路径规划的无人直升机空地跟踪控制

针对无人直升机(Unmanned Aerial Helicopter,UAH)在空地协同跟踪过程中的避障和控制问题,提出了新型路径避障规划和跟踪控制设计方法。针对不确定性的线性UAH模型,通过对UAH警示范围内二维环境信息进行处理判断,借助摸墙算法(Wall-Following Algorithm)提出合适的避障策略,计算避障路径的行进角度以及能够弥补绕行距离的跟踪速度;将所得避障方法拓展至三维环境中,根据水平和垂直方向上的障碍物信息确定UAH飞行角度,从而减小由避障环节所带来的绕行距离;在上述避障算法的基础上,引入人工神经网络(Approximate Nearest Neighbor,ANN)估计模型不确定项,进而结合前馈补偿与最优控制等技术建立了跟踪控制设计方案。仿真结果表明,所提避障策略和控制算法有效。

基于改进人工势场法的机织机器人避障路径规划

针对机织机器人自动化作业时的避障问题,提出基于改进人工势场法的三维避障路径规划算法。利用改进人工势场法中斥力势场函数,引入修正系数,在机织机器人陷入局部极小值点时增加虚拟障碍物,破坏其在虚拟力下的平衡状态,解决了人工势场法无法到达目标位置和局部极小值点的问题。通过体素化网格方法和快速凸包算法处理障碍物点云数据,重建实际障碍物模型,提高了碰撞检测效率。仿真结果表明,以点云数据重建障碍物模型并采用改进人工势场算法规划出的避障路径使机织机器人成功到达目标位置,末端位置精度平均提高37%,并避免陷入局部极小值点。

考虑车辆稳定的避障路径自适应模型预测跟踪

为了提高车辆在稳定行驶前提下的避障路径跟踪控制精度,设计了自适应模型预测路径跟踪控制器和稳定控制器。根据车辆运动特性,建立了车辆在横向和横摆向共三个自由度的车辆动力学方程;基于路径跟踪控制需要,建立了预瞄跟踪控制模型。在避障路径跟踪方面,提出了预测时域随车速和路径曲率自适应变化方法;以提高避障路径跟踪精度和控制量增量最小为优化目标,将路径跟踪控制问题转化为二次型问题,实现了自适应优化求解和时域滚动控制。在车辆行驶稳定方面,从车辆状态的稳定性预判、稳定力矩的计算和分配等方面设计了稳定控制器。经仿真验证,这里的方法能够将车辆状态控制在相平面的双线法稳定区域内,实现了车辆行驶的稳定性和安全性;在避障路径跟踪方面,这里的方法的最大跟踪误差和绝对误差均值远小于传统模型预测控制、文献[14]模糊滑模控制,充分证明了这里的方法在避障路径跟踪控制中的高精度和有效性。

基于DWA算法的配网作业机器人避障路径规划

配网作业机器人运行环境中存在不同大小的障碍物,作业过程中会出现路径冗余问题,导致配网作业机器人避障能力差,为此提出基于DWA算法的配网作业机器人避障路径规划方法。根据机器人质量、车轮半径和轮间距信息构建机器人运动学模型,描述机器人在不同时刻的位姿;确定机器人作业空间,结合起点与目标点位置构建局部地图,约束机器人运动范围;设计DWA算法的速度向量空间,多采样机器人速度,获取限速区域,在该区间内生成多条待选择的路径;利用方向评价、障碍物距离评价和速度评价3个子函数组成DWA评价函数,分别对子函数做归一化处理,选取评价值最高的路径作为最优避障规划路径。实验结果表明,该方法在简单和复杂的作业环境下均能准确避障,且路径最短。

移动机器人避障路径多激光传感器融合规划技术

为控制移动机器人成功躲避静、动障碍物,安全快速运行至目的地,研究移动机器人避障路径多激光传感器融合规划技术。此技术在机器人身上安装2个激光雷达传感器,感知机器人所处环境障碍信息,由基于多激光传感器融合的障碍物定位方法,将2个激光雷达传感器感知信息加权融合,提取静态障碍物位置数据后,使用基于动态避障的机器人路径规划方法,改进A∗算法结合静态障碍物位置数据,规划机器人避障的全局避障路径;考虑到全局避障路径中会有可能出现动态障碍物,由人工势场法,计算动态障碍物与目的地对机器人的斥力、引力、合力以及合力方向,调节机器人在全局避障路径中,动态避障的运行方向。实验中,本方法下对障碍物定位偏差在0.1 m内,此技术对静、动障碍物的避障能力合格,运行至目的地时,与障碍物0次碰撞,规划路径和运行时间较短,分别为158 m和9.2 min,效率较高。

受限空间机械臂避障路径与能耗最优研究

为了探讨在空间受限情况下,机械臂避障路径与能耗之间的最优关系,以五连杆机械臂为研究对象,采用D-H矩阵构建数学模型,以Euler-Lagrange方程建立动力学方程;根据系统特性,建立了机械臂最优能耗系统方程及其必要条件限制方程,运用直接配置非线性规划(DCNLP)法将两端点边界值问题(TPBVP)转换为一般非线性规划问题,采用符号语言进行编程,运算求解出系统的最优值。应用MATLAB软件进行仿真,结果表明,在受限空间内,开启避障功能时,随障碍物体积(半径)逐步增大,机械臂执行任务总时间及能耗指标值逐步增大,并在障碍物体积(半径)增大至某一值时,最优时间及能耗指标值陡增,而当障碍物体积(半径)增大至某一极值时,机械臂将无法避障。

无人驾驶公交车基于循迹误差观测和目标测量误差观测的避障路径规划算法

为了提高无人驾驶公交车的避障安全,针对循迹控制不确定性和目标测量不确定性导致地碰撞风险问题,提出了一种基于循迹误差观测和目标测量误差观测的避障路径规划算法。首先利用均值方差模型描述循迹误差,并引入Gaussian过程回归量化目标测量误差。随后,建立了目标横向空间概率分布模型,为安全横向偏移值的求解提供理论支持。最后,通过Bézier路径模型实现避障路径规划,并建立综合评价体系对避障规划性能进行评价。在仿真环境下,探究了循迹误差以及测量误差等不确定因素对避障品质的影响,并在天津大学无人驾驶智能公交的测试道路上进行了实车数据仿真验证,对3种算法的效果进行评价。结果表明:实际行驶中,避障安全性提高了17.61%,具有较好的鲁棒性,提出的算法平均耗时7.43 ms,具有良好的实时性。

基于改进果蝇算法的车架焊接机器人避障路径规划

针对车架焊接机器人在避障路径规划时需要综合考虑多种因素而导致难度上升的问题,提出了基于改进果蝇算法的新方法,并将其用于车架焊接机器人的避障路径规划。首先,确定车架焊接机器人的目标点位置,以焊接路径最短为目标,结合焊点总数、机器人初始位置和目标点的距离,构建一个避障路径规划模型。然后,引入自适应步长和烟花爆炸操作改进果蝇算法,使用改进后的果蝇算法求解路径规划模型,通过不断更新果蝇的位置和速度,在搜索和优化过程中找到最佳的避障路径,从而实现车架焊接机器人的自动避障功能。试验结果表明,文中所提算法可在较短时间内获得避障最短路径,车架焊接机器人避障路径规划效果良好。

基于碰撞检测的双机械臂避障路径规划

针对协同作业的双机械臂系统,提出一种不依赖于外部传感器和无需动力学建模的实时避障路径规划方法。基于运动学和混合包围盒法简化机械臂模型与障碍物,经投影相交法快速判断干涉的可能性,将碰撞检测转化为求解最短距离,再结合速度场以及添加虚拟约束点和考虑障碍物边界来改进传统人工势场法。最后,通过MATLAB-CoppeliaSim联合仿真验证包含静态和动态障碍物的碰撞检测算法。结果表明:该碰撞检测算法适应动、静两种复杂障碍物环境,通用性较高,生成的避障路径能够跳出极小值和实现目标可达,有效保障人机交互及设备的安全性。

基于模型预测控制的车辆避障路径规划与跟踪

针对智能车辆避障路径规划问题,提出一种基于改进人工势场法的避障路径规划设计方法,首先在传统斥力势场函数中引入车辆速度信息,并设计了车道中心线、道路边界势场,以及路径避障规划控制器;然后针对智能车辆路径跟踪控制问题,建立了三自由度车辆动力学模型,分别采用线性时变模型预测控制和反向传播-比例-积分-微分(BP-PID)控制算法设计横、纵向跟踪控制器,对车辆的横向位置和纵向速度进行跟踪;最后基于CarSim/Simulink联合仿真平台,在双移线工况和直线工况下,验证设计方法的有效性。仿真结果表明,采用改进的人工势场法可获得安全可靠的避障路径,所设计的横纵向跟踪控制器具有良好的跟踪性能。

基于滚动速度障碍法的无人机山地航测避障路径规划研究

无人机在进行山地航测时,经常遭遇鸟类等动态障碍,若不能及时规避掉障碍,极容易发生坠机事故;为此,研究一种基于滚动速度障碍法的无人机山地航测避障路径规划方法;基于山地环境模型,结合飞行路径长度、路径平滑度建立一个综合目标函数并利用改进布谷鸟搜索算法求解,得到无人机山地航测的初始路径;对图像进行预处理后,识别无人机初始路径飞行过程中遇到的障碍物,并通过超声波测量无人机与障碍物之间的距离,以此建立速度障碍模型,实现速度障碍碰撞分析,通过滚动窗口的方式确定无人机与障碍物是否存在飞行冲突;基于滚动速度障碍避障方法实现滚动角度避障和速度避障,获取最终的优化路径,完成基于滚动速度障碍法的无人机山地航测避障路径规划;测试结果表明:航测避障路径长度为571.45 m,平滑度为165.52,规划的方案更具合理性。

基于凸优化的无人船避障路径优化研究

目前,无人船被广泛运用于军事、海事巡航监管、海事搜寻与救助、海洋数据测量与检测、气象保障服务、海上货物运输等领域。无人船避障航线规划对于保障航行安全尤为关键。文章针对无人船避障航线规划问题,提出了一种基于凸优化算法的交替优化方法。该方法通过优化艏向角、艏向角变化率及速度三个参数,可实现无人船路径的最小化,提升避障效果。仿真实验验证了文章所提出的算法在无人船避障航线规划方面的有效性和优越性,可为无人船的航线规划提供理论依据和技术支持。

柔性关节机械臂避障路径自动控制数学建模方法

在复杂多变的作业环境中,柔性关节机械臂面临碰撞风险高、避障路径规划不灵活等痛点问题,严重影响其作业效率与安全性。因此,文章提出了一种柔性关节机械臂避障路径自动控制数学建模方法。首先,采用B样条曲线对机械臂期望路径进行参数化描述,使机械臂能够更自然地绕过障碍物;其次,在运动控制策略中嵌入速度修正机制,根据实时感知到的障碍物距离动态调整机械臂的运行速度;再者,综合考虑机械臂的动力学特性、环境约束及避障需求,构建统一的数学模型;最后,通过在实际工作环境中实施一系列对比试验,验证所提方法相对于传统避障策略的优越性。

基于神经网络逆系统的市政清淤机器人避障路径研究

在市政管道清淤工作中,机器人技术可以提高工作效率,减少人力成本,提高清淤质量。然而,在清淤机器人工作过程中,经常会遇到各种障碍物,需要进行避障路径规划,以提高机器人的安全性、工作效率和适应性。该文在介绍清淤机器人的总体结构设计、控制系统、传感器系统设计以及人机交互系统设计的基础上,阐述神经网络逆系统的基本原理和方法,以及清淤机器人的设计和实现,探讨神经网络逆系统在清淤机器人避障路径规划中的应用。通过仿真验证证明,基于神经网络逆系统能有效地控制非线性时变对象,不需要建立精确的数学模型,其鲁棒性强、适应性良好。针对清淤机器人运动和控制特点,搭建和训练基于神经网络逆系统深度学习的目标障碍物检测模型,应用于实际问题的模型求解,通过人工势场图中梯度信息的随机树新增节点,结合路径规划与缺陷或障碍物等目标的时空信息,优化机器人的避障路径,可以提高避障路径规划算法的运行效率。

基于ACO-RRT算法的移动机械臂避障路径规划

在充满障碍物的环境里,基于随机采样的RRT算法和RRT^(*)算法进行移动机械臂避障路径规划时常存在路径代价高和求解速度慢等问题。为解决以上问题,首先将ACO蚁群算法中的启发式思想融入RRT算法形成ACO-RRT算法,在不同使用场景引入不同启发式修改采样策略解决最短路径问题;然后通过定义效用函数权衡探索函数与开发函数分配率,使得在效用函数增加的地方采样更加频繁;最后在相同的障碍环境中评估ACO-RRT、RRT和RRT^(*)3种算法的迭代次数、路径代价和求解速度等性能指标。实验结果表明,ACO-RRT算法解决了RRT算法和RRT^(*)算法存在的问题,并且性能优于目前较为成熟的RRT算法和RRT^(*)算法。

柔性关节机械臂避障路径自动控制数学建模

针对柔性关节机械臂在避障完成后位姿与目标位姿存在一定偏差的问题,提出柔性关节机械臂避障路径自动控制数学建模方法。将五次B样条曲线作为柔性关节机械臂避障路径规划的基础,在避障任务中引入速度修正项,通过关节角和关键点避障速度确定速度修正项取值。建立避障路径自动控制数学模型,利用该模型控制柔性关节机械臂在到达目标位置过程中实现障碍物精准规避,完成柔性关节机械臂避障路径自动控制。实验结果表明,所提方法能够减小位姿误差,平稳关节波动,实际应用效果较好。

基于深度强化学习的机械臂避障路径规划研究

针对在有静态障碍物环境下采用传统路径规划算法进行机械臂避障规划时,存在规划效率低的问题,提出一种基于深度强化学习的机械臂运动规划方法。首先,在分析机械臂数学模型和运动环境的基础上,使用Python构建机械臂仿真试验环境,并根据所建环境设置奖励函数、动作变量和状态变量;其次,针对机械臂运动中对于静态障碍物的规避问题,采用深度确定性策略梯度(DDPG)算法,并在单一障碍物与多个障碍物环境下进行仿真试验;最后,仿真试验结果表明,相较于快速搜索随机树(RRT)算法,提出的DDPG算法不仅将规划时间提高了95.0%,而且具有更高运动规划成功率。

智能车辆避障路径规划方法研究

为解决车辆在避障时由于路径曲率不连续易发生原地转向的问题,该文对比探究智能车辆避障路径规划方法,开展了五次贝塞尔曲线、三次贝塞尔曲线、五次样条曲线和三次样条曲线避障路径研究。首先,确定控制点分别拟合出五次贝塞尔曲线、三次贝塞尔曲线、五次样条曲线和三次样条曲线的避障路径;其次,采用Matlab和Carsim联合仿真分析的方法对该四种避障路径的曲率进行对比分析;最后,基于无人驾驶平台,采用纯跟踪预瞄模型开展实车试验,以此探究四种避障路径的工程实用性。结果表明:采用样条曲线和贝塞尔曲线进行避障规划,车辆的横向超调量为0;相比于三次曲线避障方法,五次曲线避障方法所规划的路径曲率更连续;相比于样条曲线避障方法,贝塞尔曲线避障方法车辆的转向更稳定。

基于多维数据挖掘的智能机器人避障路径自适应选择

针对当前智能机器人避障效果不佳的问题,提出基于多维数据挖掘的智能机器人避障路径自适应选择方法。通过固连坐标系描述机器人具体位置和作业姿态,获得机器人运动参数信息。采用可视图方式简化障碍物,建立作业环境模型,获取全局视图。利用视觉、超声波和红外传感器实现障碍物形状数据多维挖掘,结合数据挖掘结果检测机器人与障碍物间距。综合时间、路程和转弯次数最少三个约束条件,建立路径选择目标函数。将环境多维数据作为蚁群算法参数输入,设置状态转移规则,计算蚂蚁到达下个目标点的概率,更新全局和局部信息素,当满足最大迭代次数要求时输出最佳避障路径。仿真证明,该算法在静态和动态环境下都能选择出最佳路径,避免碰撞现象,实现快速收敛。