森林防火机器人轨迹寻踪技术研究

蚁群算法是解决森林防火机器人轨迹寻踪问题的有效方法,针对传统蚁群算法收敛速度慢、容易陷入局部最优解的不足,本文设计一种自适应的蚁群算法。信息素启发因子α与期望启发因子β共同起引导蚂蚁搜索的作用,动态调整两者在搜索过程中的取值,提高收敛速度;基于地图位置信息设计改进型的启发式函数,提高前期搜索效率;依据蚂蚁的行进意图扩展禁忌表内容,避免路径交叉,减少蚂蚁的迷失数量;在信息素更新函数中导入转角指标,并通过信息素浓度对比试验确定权重系数的最优取值,使路径更平滑;基于Matlab平台搭建林区仿真地图,对比测试自适应蚁群算法性能。试验结果表明,自适应蚁群算法具有自适应调节能力、不会出现交叉路径,与传统蚁群算法相比,在收敛速度与搜索结果方面有着较好的改善。

基于修正PRM算法的智能车辆路径规划研究

针对概率地图算法(Probabilistic Road Map, PRM)存在选取采样点缺乏导向性、路标图复用率低和算法搜索效率低等问题,设计一种以空间主轴线为参照轴的伪随机采样策略,优化采样点的生成方式,去除冗余采样点;设置路点之间距离阈值,采用双向递增方法进行碰撞检测,优化碰撞检测调用次数,提取规划路径的关键路点作为贝塞尔曲线的离散控制点,对路径进行平滑处理,使生成的路径更加符合车辆的行驶工况,利用Matlab、ROS搭建试验平台对修正PRM算法的正确性进行验证分析;对比基本PRM算法,修正PRM算法在路标图的构建速度、路径规划速率和路径长度3方面具有明显的优势。

生物群体智能算法在移动机器人路径规划中的应用研究综述

移动机器人路径规划是指在有障碍物的环境中,规划出一条连接起始点与目标点的无碰撞路径,是移动机器人进行导航和运动控制的基础,生物群体智能算法因种群的智慧和择优特性而被广泛地应用于移动机器人、无人机、无人船和无人车的路径规划中。本文依据不同生物种群的仿生原理,将生物群体智能算法分为功能仿生算法、信息仿生算法和成分(化学)仿生算法,在研究分析各类算法的基础上,对生物群体智能算法在实现移动机器人路径规划过程中存在的问题、解决方案和性能进行综合。基于移动机器人路径规划的准确性和实时性的要求,提出生物群体平衡自适应搜索算法、边缘算法和云网融合技术将是移动机器人路径规划的研究热点。

基于RRT改进的智能车辆路径规划算法

针对RRT算法随机性大、收敛速度慢和偏差性的问题,采用双向随机树和多棵局部随机树的探索与合并。增加引力分量,使双向随机树朝着各自目标方向生长,减少了算法的随机性。基于障碍物周围均匀生成若干根节点,对根节点增加斥力分量,生成多棵局部随机树。快速寻找可通行的路径,减少扩展过程中对障碍物的检测时间,加快算法的收敛速度,改善了算法的偏差性。用MATLAB进行虚拟仿真,验证了该算法的正确性。

基于改进A*算法的无人车路径规划研究

随着汽车保有量的不断增加,交通故障和事故也随之增多,无人驾驶技术在降低道路交通事故发生率方面有着重要的研究意义和实际应用价值。无人车进行路径规划时可用的算法较多,在静态环境中,A*算法是搜索最短路径最有效的方法之一。针对传统A*算法本身为有损算法无法得到最优解、搜索路径耗时长及路径转折点多等缺点,以传统A*算法为基础,通过建立栅格地图,提出一种新的搜索优先级启发式信息,并将该启发式信息引入传统A*算法的启发函数里,构成新的启发函数,即提出一种改进A*算法。通过对仿真实验结果进行分析比较,验证了改进算法的有效性,实现了路径优化的目标。

基于改进PRM算法的无人车路径规划研究

随着无人汽车、移动机器人智能设备的不断发展和应用,PRM路径规划算法应用越来越广泛,PRM算法是一种随机路标图法,传统的PRM算法会舍弃处于障碍物区域内的采样点,导致采样点不足,寻到次优路径甚至不能寻到路径,在均匀撒点的基础上引入人工势场,使落在障碍物内的点移动到自由空间内,达到增加自由空间内节点数的效果,再利用A*算法进行路径搜索,设计了一种基于人工势场法与A*算法相结合的路径优化算法。仿真结果表明,改进的PRM算法提供的路径合理,采样点的利用率高,实现了路径目标的优化。

半自动压销机控制系统设计

压销作业是传动轴装配的重要工序,是汽车万向传动装配作业中不可或缺的生产工艺,针对现有压销精度不高及效率低等问题,设计了一种以PLC为主控制器、触摸屏为人机界面的半自动压销机控制系统,系统可实现对万向传动轴的压管、打孔和冲铆,支持人工在触摸屏上设定压销机动作。实际应用表明,采用该系统后半自动压销机具有操作简单、工作稳定、压销效率高等特点。