A Linear Interpolation-Based Algorithm for Path Planning and Replanning on Girds

Field D* algorithm is widely used in mobile robot navigation since it can plan and replan any-angle paths through non-uniform cost grids. However, it still suffers from inefficiency and sub-optimality. In this article, a new linear interpolation-based planning and replanning algorithm, Update-Reducing Field D*, is proposed. It employs different approaches during initial planning and replanning respectively in order to reduce the number of updates of the rhs-values of vertices. Experiments have shown that Update-Reducing Field D* runs faster than Field D* and returns smoother and lower-cost paths.

基于MOEA/D算法的三陷波超宽带天线设计

为实现超宽带通信中对WIMAX(3.3~3.7 GHz)、WLAN(5.150~5.825 GHz)和ITU(8.01~8.50 GHz)频段干扰的抑制,提出了一种基于MOEA/D算法优化设计的具有三陷波特性的超宽带天线。天线采用T形结构作为辐射贴片,通过改变贴片形状等方法实现在3~12 GHz的超宽带。在辐射贴片上刻蚀两个U形缝隙和在传输线两侧加载C形开口环,对天线进行陷波设计。利用MOEA/D算法对陷波结构的结构参数和加载位置进行优化,实现了在3.31~3.69 GHz、5.25~6.13 GHz和8.01~8.51 GHz频段的陷波效果,成功抑制了频段干扰。与传统扫频优化的设计方法相比,采用MOEA/D算法设计的天线在陷波频带内增益低至-19 dB,各陷波频带准确度误差均在3.6%以下,提高了天线的设计效率,具有一定的工程应用价值。

基于非线性动态重心粒子群优化的分数阶PI^(λ)D^(μ)控制器设计

针对现有Oustaloup滤波器拟合精度不佳、结构复杂的缺点,提出了最优精简Oustaloup滤波器。针对粒子群优化算法整定分数阶PI^(λ)D^(μ)控制器参数时学习能力不充分、迭代收敛乏力的问题,提出了一种改进的粒子群优化算法。该算法设计了双异步非线性动态学习因子,以提高粒子的思考能力与信息共享能力,并增加了粒子群质量重心项,用以加速收敛过程。将改进的算法结合最优精简Oustaloup滤波器应用于分数阶PI^(λ)D^(μ)控制器的设计过程,选取了2个分数阶系统模型进行仿真验证。结果表明,改进的算法收敛速度更快且不易陷入局部最优,所设计的控制系统超调量更小、调节时间更短、稳态误差更小,提高了系统的抗干扰能力。

改进D^(*)算法的未知场景机器人运动规划

随着机器人技术不断发展,自主移动机器人的应用已拓展到复杂未知环境中。针对传统运动规划算法在复杂未知环境中存在搜索盲目、计算效率低、难获得安全轨迹等问题,本文提出了一种基于改进D^(*)算法的运动规划方法。其中,前端路径规划使用融合跳跃点搜索(JPS)思想的D^(*)算法,后端轨迹优化基于B样条构建二次规划问题。利用矩阵实验室(Matlab)与机器人操作系统(ROS)的仿真平台进行实验,结果表明,改进D^(*)算法在30×30的栅格地图中,相比传统D^(*)算法、FocussedD^(*)、有向D^(*)算法搜索耗时减少0.297、0.269、0.191s;动态障碍物存在时,可使移动机器人快速、安全运动至目标点。

基于d-q变换及WOA-LSTM的异步电机定子匝间短路故障诊断方法

为了实现对异步电机定子绕组匝间短路故障的可靠在线诊断,提出一种基于d-q变换及鲸鱼优化算法(WOA)优化的长短期记忆网络(LSTM)的故障诊断方法。通过理论推导可知,d-q变换可有效提取定子电流中的特征频谱数据。采用鲸鱼优化算法对长短期记忆网络中的3个关键参数进行优化,建立WOA-LSTM故障分类模型。为了验证基于d-q变换和WOA-LSTM故障诊断方法的有效性,分别以小波变换、快速傅里叶变换及d-q变换提取电流频谱数据作为输入数据集,以一台YE2-100L1-4型异步电机为实验对象进行实验验证。研究结果表明:相比于小波变换及快速傅里叶变换,采用d-q变换能更准确的提取出定子电流中的故障特征,更精确地反映电机故障状态,有助于提高故障分类准确率;相比于传统的LSTM算法,经WOA优化后的LSTM算法分类准确率可达98.3%,能可靠地实现不同程度匝间短路故障的诊断。

钢铁物流中基于D^(*)的路线规划算法

物流企业通过路径规划工作实现车辆巡径,以完成在工作场景中实时规划出便捷可靠的车辆工作路线。因此本文面向钢铁物流配送场景,设计一种基于改进D*的路径规划算法。算法对候选子节点进行约束以禁止车辆斜穿两个障碍物间的狭缝,并且引入拐点惩罚因子以避免规划出与理想路径偏差较大的路径,尽可能避免拐动行为。此算法可避免车辆的非必要转弯,提高大型装卸车辆配送效率和安全性。使用随机障碍物的方法进行仿真测试,仿真结果表明,该路径规划算法所设计出的路径安全性优于已有算法。本文旨在将此算法应用于钢铁物流配送中,以提升钢铁企业物流配送效率。

D^(*)算法在喷浆机器人路径规划中的应用研究

路径规划是喷浆机器人自主行走过程中的重要环节,针对传统A^(*)算法在路径规划中的不足,研究采用实时性更强且可以躲避动态障碍的D^(*)算法。利用MATLAB建立栅格地图并进行仿真,结果表明:D^(*)算法路径规划的时间短、效率高,适用于喷浆机器人在陌生环境或有动态障碍的场景中规划路径。

基于分解多目标进化算法(MOEA/D)的建筑节能设计方法

建筑能源消耗量大,为提高建筑节能设计水平,文章提出基于多解多目标进化算法(MOEA/D)的设计方法,根据模糊决策确定折衷解选择方案。结合单房间办公建筑和多房间居民建筑实例进行分析,根据HV值、SC值、折衷值对比MOEA/D算法和典型NSGA-II算法的设计效果,检验设计方法的可行性。研究表明,基于MOEA/D算法的设计方法在收敛性和分布性两方面均占优,能够降低建筑能耗,改善建筑居住环境,符合绿色生态建筑工程理念,综合设计效果良好,是一种可行的建筑节能设计方法,对建筑设计有一定的参考价值。

激光雷达与RGB-D相机融合的SLAM建图

对二维激光雷达与RGB-D相机联合标定,采用改进的ORB-SLAM2算法实现稠密的点云地图、八叉树地图、栅格地图的构建。提出了一种将Cartographer算法与改进的ORB-SLAM2算法融合建图的改进算法。实验结果表明,相比传统的ORB-SLAM2算法,改进的融合算法在建图过程中障碍物的识别率达到了96.8%,绝对位姿误差减小了53.2%,提高了建图的精确性和鲁棒性。

基于RGB-D视觉信息融合的带式输送机煤流量检测方法研究

在煤矿中,精确测量带式输送机煤流量对于煤矿生产和管理至关重要。为了进一步提高通过机器视觉方式检测带式输送机煤流量的精度,提出一种基于RGB-D视觉信息融合的煤流量检测方法,使用RGB-D相机采集煤流信息后,利用RGB图像对深度图像从不同尺度进行增强,运用K-means聚类算法,结合RGB图像对预分割的煤料区域深度图像进一步分割,基于微元法建立煤堆体积计算模型计算煤流量。实验结果表明,该方法的平均检测误差为1.57%,平均耗时263.77 ms,满足实际生产要求,为带式输送机煤流量检测提出了一种新的有效途径。

基于云模型和改进D-S证据理论的浓香型白酒发酵质量评估方法

黄水是浓香型白酒发酵特有的副产物,黄水参数一定程度反映了发酵质量。基于黄水的酸度、还原糖、酒精度等关键参数,采用云模型与改进的D-S(Dempster-Shafer)证据理论,实现对白酒发酵质量的定量评估。基于黄水关键参数建立隶属度云模型,使用云模型判定样本在各发酵质量判定区间的隶属度情况。同时对D-S证据理论的冲突系数计算方式进行改进,使得信息融合结果更具代表性。提出一种浓香型白酒发酵质量的综合评估方法,降低了人工判别的主观性。

混合D-H参数法与改进CSA的康复机器人在老年人体育锻炼中的应用

针对当前康复机器人轨迹规划优化算法优化性能不足,导致康复机器人对老年人体育锻炼的辅助效果不显著的缺陷,提出一种结合D-H参数法和改进乌鸦搜索算法来进行康复机器人轨迹规划的优化方法.首先,基于D-H参数法对康复机器人进行运动学和动力学建模,在此基础上构建目标函数;然后,引入Levy飞行机制和Tent混沌映射策略来优化乌鸦搜索算法;最后,再利用改进乌鸦搜索算法来实现康复机器人轨迹规划优化.实验结果显示,改进乌鸦搜索算法完成收敛需要迭代39次,在函数f1上GD值为0.0020,比WOA算法低0.0005;在函数f2上GD值为0.0020,优于其他算法.结果表明,结合D-H参数法和改进乌鸦搜索算法能够有效优化康复机器人轨迹规划,从而提高老年人体育锻炼的辅助效果,对老年人的生活质量提升有积极作用.

基于改进MOEA/D的模糊柔性作业车间调度算法

针对实际生产车间中加工时间的不确定性,将加工时间以模糊数的形式表示,建立以最小化模糊最大完工时间和模糊总材料消耗为优化目标的多目标模糊柔性作业车间调度问题数学模型,提出一种改进基于分解的多目标进化算法(IMOEA/D)进行求解。该算法基于机器和工序两层编码并采用混合的初始化策略提高初始种群的质量,利用插入式贪婪解码策略对机器的选择进行解码,缩短总加工时间;采用基于邻域和外部存档的选择操作结合改进的交叉变异算子进行种群更新,提高搜索效率;设置邻域搜索的启动条件,并基于4种邻域动作进行变邻域搜索,提高局部搜索能力;通过田口实验设计方法研究关键参数对算法性能的影响,同时得到算法的最优性能参数。在Xu 1~Xu 2、Lei 1~Lei 4和Remanu 1~Remanu 4测试集上将所提算法与其他算法进行对比,结果表明,IMOEA/D算法的解集数量和目标函数值均较优,在Lei 2算例获得的解集个数为对比算法的2倍以上。

基于改进MOEA/D的车联网通信资源分配算法

为获得车联网通信资源分配的最优解,提出一种基于改进MOEA/D的车联网通信资源分配优化算法。将车联网资源请求的阻塞率和资源请求成功的总成本这2个相互冲突的网络通信资源分配要素作为网络通信资源分配的2个优化目标,根据车联网中行驶车辆的特点,对请求资源车辆和提供资源车辆设置约束条件。在此基础上,采用自适应邻域策略平衡进化过程中种群的收敛性和分布性,并将迭代次数引入自适应度,调节交叉算子和变异算子,使种群中较差的个体也具有遗传性,从而保证种群的多样性。同时,随着迭代次数的增加,种群中较差个体遗传性降低,较好个体遗传能力增强,从而保证种群的优化。仿真结果表明,该算法针对最小化阻塞率和最小化成本这2个目标能够获得满意的优化效果,在迭代次数、车辆数和资源请求数变化情况下都存在最优解,在相同迭代次数下,与基于支配的多目标算法SPEA2和NSGA-II相比具有较低的阻塞率和较好的收敛性。

基于自适应MOEA/D的柔性车间多目标联合优化调度

为了实现柔性作业车间完工时间、机器负荷、交货延期时间、车间能耗等多个目标的联合优化,提出了基于自适应惩罚MOEA/D(multi-objective evolutionary algorithm based on decomposition)的柔性车间多目标调度方法。对具有多个生产机床、多个加工任务、多道工序的柔性车间调度问题进行了描述并建立了优化模型。给出了基于MOEA/D算法的柔性车间调度方法,针对常值惩罚因子无法满足不同邻域对收敛性和染色体多样性不同调整需求的问题,提出了能够随邻域染色体密度自适应调整的惩罚因子,并制定了基于自适应惩罚MOEA/D算法的柔性车间调度流程。在具有8个机床、8个工件共28道工序的生产调度实验中,自适应MOEA/D算法搜索的Pareto前沿解能够支配标准MOEA/D和改进NSGA-Ⅱ算法的Pareto前沿解;在等权重最优解的生产实验中,自适应MOEA/D算法调度方案的完工时间、机器负荷、交货延期时间、车间能耗均小于标准MOEA/D算法和改进NSGA-Ⅱ算法。实验结果证明了自适应惩罚MOEA/D算法在柔性车间调度中的有效性和优越性。

基于点面特征融合的RGB-D SLAM算法

传统的视觉SLAM算法主要依赖于点特征来构建视觉里程计,而在人造环境中通常存在一些点特征不足但结构特征丰富的场景,此时基于点特征的视觉里程计方法容易出现跟踪失败或位姿估计精度降低的问题。提出一种融合点面特征的RGB-D SLAM算法,利用人造环境中的平面特征提高SLAM算法定位与建图的精度与鲁棒性。使用AGAST特征点提取算法并采用四叉树的方式进行改进,使特征点在图像中均匀分布以减少点特征提取的冗余度。同时,在传统点特征方法的基础上添加平面特征,使用连通域分割算法从点云中获取平面特征,并构建伪平面特征,结合AGAST特征点构建点面特征融合的结构约束因子图,添加多重约束关系用于图优化。实验结果表明,该算法AGAST特征点提取效率优于ORB-SLAM2算法,融合的点面特征使其在室内环境下的定位和建图精度更高,绝对轨迹误差减小约20%,相对轨迹误差减小约10%,单帧跟踪耗时减少约7.3%。

基于Kinect的3D全景图像扫描重建技术

为解决传统的迭代最近点(ICP)算法耗时长的问题,基于K-D树改进ICP算法,通过Kinect对室内场景进行三维重建。利用加速鲁棒性特征(SURF)算法提取特征点,分别使用传统的ICP和基于K-D树改进ICP算法完成多帧点云数据的配准,对比单一场景和多场景下的模型重建效果。结果表明,在面积为30 m^(2)的房间三维模型重建中,传统ICP算法处理时间分别为1.31 min(单一场景)和8.06 min(多场景),而改进ICP算法处理时间为0.67 min(单一场景)和5.23 min(多场景)。改进后的ICP算法三维重建速度较快,没有明显的物品位置错乱等情况,能满足日常需要。

基于改进D^(*)Lite算法的移动机器人路径规划

针对在动态环境下采用D^(*)Lite算法进行移动机器人路径规划时存在的搜索效率低、路径不平滑、容易与障碍物顶点碰撞等问题,提出一种基于危险因子和三次均匀B样条曲线的改进方法。首先,进行函数优化,当扩展邻节点时,将传统启发函数计算方法改为对角线距离,以提升规划效率,并在节点代价中融合危险因子,以避免机器人斜向移动时斜穿障碍物尖角而与其发生碰撞;其次,结合三次均匀B样条曲线对路径进行拟合优化,使路径更加平滑。针对上述改进,采用PyCharm软件进行仿真,结果表明,改进后的算法有效提升了路径规划的效率及路径的安全性、实用性。

基于双向D^(*)算法的履带机器人路径规划

传统的D^(*)算法在第一次规划路径时遍历节点和路径的拐点较多,不适用于机器人实体移动,为了让履带机器人可以在部分已知的环境下自主移动,提出了改进双向D^(*)算法,通过元胞自动机中的扩展Moore型邻居结构降低角度变化的最小增量,避免履带底盘无效转向带来的成本;针对其收敛速度较慢的现象,融合双向搜索规则来减少算法的搜索时间,使得机器人较原D^(*)算法规划路径更加快速,避障更加高效;最后利用二阶贝塞尔曲线方程优化路径,使得路径无明显拐点。仿真结果表明,在不同环境情况下的仿真实验中,改进后的D^(*)算法在规划时间上缩短了30%左右,搜索的元胞数量减少量近50%。并且该改进算法具有良好的安全性以及全局最优性。

基于运动试验平台的MOEA/D改进洗出算法仿真及试验

洗出算法参数的调整很大程度上影响其性能,针对目前经典洗出算法应用于飞行模拟器时参数调整的不足,提出一种基于MOEA/D多目标优化的改进洗出算法。将人体感知误差、洗出位移、模拟加速度误差作为优化目标,以运动空间为限制条件,采用基于分解的多目标优化算法对洗出算法参数进行同步寻优,并利用模糊隶属度函数得到最优解。为验证其有效性,建立飞行模拟器运动试验平台,将采用不同优化方法的洗出算法应用其中进行对比分析。仿真及试验结果表明,改进洗出算法归位反应时间最短,相位延迟降低3.5 s,稳定性提高30%,且修正了感觉峰值,优化了54.6%的工作空间,实现了模拟器在模拟极限运动时有足够的运动空间和更高的动感逼真度。