基于免疫蚁群优化算法的仓储任务调度

针对仓储机器人群的多目标任务分配问题,以最小距离成本为目标,建立了仓储机器人群调度方案的数学模型。以免疫算法为基础,提出了一种免疫蚁群优化算法。通过融合、改进免疫算法和蚁群算法,弥补了免疫算法因冗余信息多导致的迭代时间长、收敛速度慢以及蚁群算法初期信息素积累时间较长,速度慢的缺陷,提高了算法的效率。再多次进行对比实验,从算法运行时间,机器人群的距离成本角度验证了改进算法的可行性。

基于改进A^(*)与DWA算法的物流机器人路径规划

传统的仓库自动导引车(automated guided vehicle,AGV)一般按照铺设的磁轨道进行作业,导致机器人搬运路线并非最优路线,工作效率较低。研究了一种基于机器人操作系统(robot operating system,ROS)的路径规划自主控制算法,从实际应用场景出发,对移动机器人运行的仓储环境利用同时定位与地图创建(simultaneous localization and mapping,SLAM)构建地图,对传统的A*算法和动态窗口法(dynamic window approach,DWA)算法进行改进优化,并在ROS开发平台上开发程序,进行实验验证。实验结果表明,该方法能有效实现自主导航、动态避障功能以及路径优化,并从路径转折次数、运行总时间、运行总路径长度等角度验证了策略的有效性。

基于机器视觉的芯片字符识别系统

IC芯片表面的字符主要包括厂商名称和序列号,这些字符对于芯片的制造和应用具有重要现实意义,针对芯片表面印刷字符的检测,基于HALCON视觉软件开发平台研发了一套芯片字符识别系统。首先,采用灰度值投影法获得字符区域的行和列坐标分割点,进行字符分割。然后,利用形状匹配技术对欲检测芯片图像进行定位与校正,采用BP神经网络分类算法实现字符的识别。通过不同算法的对比实验分析,实验结果表明单张图片检测时间为42 ms,完整字符与缺陷字符的分割准确率均为100%,字符识别率达到99.5%。本系统能有效快速、准确的对IC芯片表面字符进行识别,检测精度满足要求。