遗传算法在机器人路径规划中的研究综述

遗传算法(genetic algorithm,GA)是一种在机器人路径规划中应用最广泛的智能算法。近年来,机器人路径规划问题是各行业实践应用的热点问题。在分析GA优缺点的基础上,对GA在机器人路径规划应用领域进行深入调查,论述了现阶段国内外各领域发展现状,并阐述了现阶段存在的技术难点。最后对GA在机器人路径规划的发展趋势进行了展望。

基于改进遗传算法的自动导引小车路径规划

为提高自动导引小车(AGV)在复杂码头环境下路径规划性能,对AGV路径规划中耗时较长和路径较长问题进行研究,提出了一种改进遗传算法。首先引入平滑的适应度函数来光滑和缩短路径;其次,用改进单点交叉方式和多向变异方式来增加种群多样性,避免陷入局部最优;最后对复杂码头环境进行二维和三维建模,并在此基础上对改进遗传算法、蚁群算法、快速扩展随机树算法和A~*算法进行静态和动态仿真。结果表明,该文提出的改进遗传算法与其他算法相比,路径长度最短;迭代次数最少;平均运行时间最短;可见改进后的遗传算法可使AGV在复杂码头环境下快速寻优和安全避障。

移动机器人避障的机器学习算法研究

为提高移动机器人的实时避障能力,采用机器学习算法建立机器人实时判别模型,可根据检测到的障碍物距离实时预测出机器人移动方向。通过对机器学习算法的综合评价指标进行研究,分析模型预测性能的好坏。同时,为防止模型过拟合,减小泛化误差,再对机器学习算法进行交叉验证。实验结果表明,随机森林算法的综合评价指标最高,均达到了99.9%,朴素贝叶斯综合评价指标最差,约在52.9%,机器学习算法在交叉验证之后可生成更加可靠稳定的实时判别模型。

基于视觉的机器人目标抓取研究

为了减少机械臂在产品分类和抓取过程中的执行时间,减少定位误差,提高生产效率,提出基于视觉反馈机制的机器人控制方法。针对传统机器人只根据待抓物体特征点进行识别的局限性,根据机械臂系统可同时检测对象颜色和形状属性,提出基于RGB颜色空间和surf算法结合的目标对象特征提取方法;结合机械臂空间移动过程方法的研究,从机械臂逆运动学的角度出发,对以完成位姿定位的物体进行抓取;使用众为创造科技有限公司生产的xArm机器人验证所提方法的有效性和鲁棒性,结果表明该视觉识别方法有效提高了机器人抓取的精准性。

基于机器学习算法的滚动轴承故障诊断研究

为了解决滚动轴承故障诊断过程中特征提取困难以及数据处理缓慢等主要问题,提出了基于5种机器学习算法且仅需提取4种简单特征的滚动轴承故障诊断方法。首先,对不同故障类型的滚动轴承振动信号的时域信号进行了分析,并提取时域信号的4种简单特征输入到分类模型,然后,采用机器学习算法对滚动轴承进行故障分类与诊断。实验结果表明,与传统的轴承故障诊断方法相比,用机器学习方法对轴承进行故障诊断更简单且具有更好的诊断效果。研究内容为以后用机器学习分类算法来研究轴承的故障诊断问题提供了参考。

基于RBF神经网络的六自由度机械臂轨迹优化

为了降低机械臂运动轨迹偏差、提高精确度,设计了六自由度机械臂模型并对末端执行器进行运动轨迹规划。从运动学出发建立机械臂的连杆坐标系并获得D-H参数,通过机械臂运动学公式求解得末端执行器位置和姿态;借助MATLAB中的神经网络工具箱设计RBF神经网络,利用轨迹离散转化得到的离散点训练RBF神经网络。仿真结果表明,采用RBF神经网络优划后得到的运动轨迹为平滑曲线、且在各坐标轴的趋近误差均低于±0.4 mm,降低了趋近误差,实现了机械臂在笛卡尔空间的轨迹优划。实验结果达到了预期效果,表明此次轨迹优化的合理性。对机械臂应用于生产中具有一定的指导意义。

基于改进的差分进化算法的双关节机械手最优轨迹控制

在工业生产线上,关节机器手的能量消耗问题严重影响了加工环境和生产效益。为了使运动过程中机械手的能量消耗达到最小,设计了一种双关节机械手控制系统的动态模型,并基于改进的差分进化算法(NDE),优化了机械手的最优轨迹控制参数。通过MATLAB仿真实验获得了目标函数的最优解以及该控制系统的最优轨迹。实验结果表明,改进的差分进化算法不仅提高了收敛速度并且避免了局部最优。