基于硬注意力机制下的鱼群涌现自动建模方法

生物集群的协同智能可用于启发人工复杂系统调控,但是现有的自动建模方法往往不符合生物集群信息的处理特点,导致单体的信息交互建模仍充满挑战。不失一般性,借助红鼻剪刀鱼的集群运动数据设计符合生物硬注意力机制的深度网络模型,该结构能强制单体考虑至多两个以内的邻居信息,并能显现出高影响力邻居经常出没的隐藏位置,说明硬注意力模型符合生物集群的信息处理机制。实验结果表明:所提硬注意力模型具有较为良好的稀疏信息解耦能力、较为鲁棒的集群运动指标以及较为优秀的集群规模泛化性能,为复杂系统的多层次行为分析提供了有力的工具支撑,该方法对集群机器人的分布式控制具有较强的启发意义。

基于鱼群涌现行为启发的集群机器人硬注意力强化模型

生物集群运动模型能使集群机器人涌现秩序,但是所形成的机器人自然集群秩序难以有效地被人工控制,为此提出鱼群硬注意力模型来解析实验鱼群数据中的交互行为。该模型通过编码器网络、图注意力网络、信息聚合网络、预解码网络以及最终解码网络等结构来获取焦点单体的重要邻居;再利用深度确定性策略梯度技术设计轨道强化网络与安全强化网络,以实现集群的人工控制。多智能体仿真与集群机器人实验结果表明:所提方法能够实现集群的人工轨道、安全控制,重要邻居信息为解决集群运动的强化学习难题提供了新思路,所提控制模型在无人机群空中协作、智慧农机集群作业、物流仓储多体搬运等领域具有较大的应用潜力。

多机协同智能发展战略研究

多个自主智能系统通过信息、行为交互构成的多机协同智能,代表着未来智能系统的必然发展趋势,是我国新一代人工智能规划部署的主攻方向,也是支撑国防、社会安全的核心技术和推动制造业由大到强的必由之路。开展突破多机协同智能技术发展研究,对于推动我国军事智能、智能产业高质量发展、加快工业转型升级具有重要意义。本文基于多机协同智能系统当前面临的难以适应复杂任务这一挑战,从基础理论和核心关键技术两个层面出发,系统地梳理了多机协同智能的研究现状,分析了制约基础理论与关键技术发展的主要瓶颈性问题,并以多机协同智能制造为典型应用,剖析理论与技术发展中存在的问题。研究认为,多机协同智能将朝着人机群组智能的方向发展,为抢占发展先机,需及早布局人机群组智能的基础理论探索,加速核心技术突破,并加快应用示范。

基于柯西迁移烟花算法的仓储群机器人任务分配

为提升智能仓储调度中群机器人任务分配的效率,提出一种柯西迁移烟花算法。综合考虑群机器人完成任务的行走距离、耗费时间、任务分配均衡性,构造适应度函数。以机器人电量作为约束条件,将群机器人动态任务分配建模为适应度函数优化的烟花模型,并引入柯西迁移变异火花和基于适应度函数的选择策略。最后,与常用的其他算法进行对比仿真实验。结果表明,柯西迁移烟花算法改善了易陷入局部最优和收敛速度慢的问题,用于群机器人任务分配的效率较其他算法更有优势。

基于粒子群优化算法的农业机器人控制策略研究

介绍了粒子群优化算法的概念,并由数学模型、边界约束和环境约束对农业机器人优化约束模型进行了分析,实现了对农业机器人的动态避障和路径规划。仿真实验表明:针对复杂的作业环境,农业机器人可以进行最优避障路径规划,且算法收敛速度较快,能够满足设计要求,证明系统具有一定的可行性。

改进粒子群算法的机器人避障偏差控制方法

为针对巡检机器人避障偏差进行良好控制,提升避障效果,提出改进粒子群算法的机器人避障偏差控制方法设计。先分析巡检机器人正向动力学和逆向动力学,获取双走轮坐标系下机器人的运动情况,建立机器人运动学方程。然后以此为基础,在双走轮坐标系中,通过改进粒子群算法确定巡检机器人全局避障最优路径,采用改进人工势场法完成局部避障路径规划,最后采用前馈补偿控制器为动力学方程和最优路径建立动态补偿,根据控制器输出的训练结果,实现巡检机器人避障偏差自动控制。实验结果表明:所提方法避障规划能力及避障运动控制能力均较强,避障偏差控制效果好,具有一定应用价值。

一种可变构型六足机器人设计

针对野外复杂地形的探测任务,提出了一种可变构型六足机器人。该机器人通过腿部形态变化,可实现爬行和滚动两种运动模式的切换,兼具快速通过性和良好环境适应性。以前腿为研究对象进行了运动学分析,推导出其位置正反解公式以及雅可比矩阵;随后,利用蒙特卡洛法求解出足端工作空间。为综合评估机器人性能,以工作空间、机构灵巧度及刚度为性能指标进行分析,提出了一种多目标优化设计模型,并据此开展尺度综合优化,获得最优结构尺度参数。研究结果表明,优化后,前腿工作空间增大了1.28%,全域灵巧度增大了22.50%,刚度增大了42.80%。最后,根据优化结果制作了样机,为后续研究奠定了基础。

康乃馨扦插机器人设计与试验

针对康乃馨自动化标准扦插作业需求,解决现有人工扦插模式劳动强度大的问题,该研究设计了一种抓取-扦插一体化作业的扦插机器人系统。以康乃馨生根用插穗为对象,根据插穗物料特性参数和高产栽培农艺要求,提出辅助栽植式末端执行器作业方式和抓插协同运动规划模型,基于YOLOv5s深度学习网络构建多目标插穗检测模型,建立扦插机器人运动学模型,提出基于MD-H(modified denavit-hartenberg)规则的逆运动学建模方法和时间最优轨迹规划算法。仿真结果表明,改进后的逆解算法和轨迹规划算法的运行时间与常规算法相比分别降低了38.3%和72.5%。搭建扦插机器人试验台,进行定位误差及整机性能试验。试验结果表明,抓取作业时X、Y方向的平均定位误差分别为2.33和2.38 mm;扦插作业时X、Y、Z方向的平均定位误差分别为2.21、2.25和2.05 mm;机器人单株平均作业总时间为14.787 s,其中识别抓取平均工作周期为6.803 s,占作业总时间的46.01%,扦插作业的平均工作时间为5.104 s,占作业总时间的34.52%;插深合格率为88%,扦插直立度为92%,漏插率和根部损伤率分别为5%和2%,基本满足自动化标准扦插作业要求。研究结果可为温室标准化扦插设备的研发与应用提供参考。

基于RFID信息约束平台的群体机器人防拥堵算法

拥塞是群体机器人导航中的一个常见现象,特别容易发生在大量机器人从四面八方朝同一目标移动时,为此提出一种分布式协调算法来解决目标点拥堵问题。该算法引入了人类交通中的变道行为,基于概率有限状态机,通过局部通信和感知,使机器人之间形成一种状态约束,然后设计了考虑区域划分的RFID信息平台来进一步控制目标区域流量。利用QT程序框架对群体机器人场景进行多组仿真实验,并搭建一个小型群体机器人实物平台,以验证提出的防拥堵策略的有效性和可靠性。结果表明,具有约束规则的机器人系统能更好地缓解拥堵现象,特别是机器人数量较多时,其工作量显著下降,导航效率得到极大提升。

基于改进粒子群算法的机械手抓取力自整定模糊PID控制

为提高欠驱动机械手在易碎零件分拣过程中的稳定性,通过改进粒子群算法,给出一种优化其抓取性能的模糊PID控制算法。首先,分析欠驱动机械手抓取力控制系统的特性,提出粒子群算法与模糊PID抓取力控制系统相结合的具体策略。其次,将动态惯性权重等方法引入粒子群算法中,以提高其迭代速度并防止其陷入局部最优。在此基础上,利用改进后的粒子群算法优化模糊PID控制器的相关参数,实现了对模糊规则权重及量化因子的在线自整定,解决了PID参数无法动态调整的问题。最后,对其进行仿真分析。结果表明:该控制算法可以在0.8 s内达到稳定抓取力,稳态误差小于0.2%,扰动整定时间为0.262 s,系统的瞬态响应速度、控制精度以及稳定性均有明显提高。

基于人工免疫-改进粒子群优化算法的机械臂轨迹规划研究

焊接机器人运动轨迹复杂、控制精度要求高。提出了一种满足多目标约束的轨迹规划方法。针对机器人轨迹平滑性要求,以5次非均匀有理B样条(Non-Uniform Rational B-Splines,NURBS)曲线为基础,对笛卡儿空间路径点进行参数化表达;根据工业机器人路径约束及工况需求,选取时间、能耗、跃度3个运动学指标作为目标优化函数,采用人工免疫双态粒子群进行轨迹优化;为了平衡粒子“探索”与“利用”,增加双模态模型,引入人工免疫系统,提升了粒子多样性与后期收敛能力;根据Pareto解集得到满足约束的焊接机器人各关节最优轨迹,通过Matlab仿真证明了方法的有效性;最后,针对空间相贯曲线焊缝进行了焊接试验。结果显示,规划的轨迹符合实际工程需求。

基于区块链声誉管理的拜占庭机器人识别方法

基于区块链技术,提出具有身份认证和任务监管的声誉管理系统(Reputation Management System with Identity Authentication and Task Supervisor,RMS-IATS),解决群机器人内拜占庭机器人的识别问题,避免拜占庭机器人对群机器人造成安全威胁.首先,改进经典的基于区块链的群机器人声誉管理系统(Reputation Management System,RMS),引入惩罚因子,针对长期存在拜占庭行为的机器人实施更严厉的声誉值惩罚.其次,为了加快拜占庭机器人的识别速度,设计一种身份认证协议,将身份非法的机器人赋予一个较低的初始声誉值.再者,设计一种双层通信网络,用于机器人间的通信,解决群机器人系统因采用区块链技术带来的通信延迟问题.最后,通过仿真实验验证基于区块链的RMS-IATS和双层通信网络的有效性.相比经典的群机器人RMS,RMS-IATS在仿真模拟中识别不同类型拜占庭机器人所需的时间更短.相比使用区块链技术,在系统中使用双层通信网络进行通信时,可大幅减少系统的最大通信延迟.

采用改进BP-PID控制的机器人避障仿真研究

针对移动机器人避障过程中行驶路径长、寻路速度慢等问题,提出了一种改进反向传播-比例-积分-微分(BP-PID)控制器,并对移动机器人避障效果进行仿真验证。利用移动机器人在二维坐标系的避障简图,得出了移动机器人运动方程式。引用比例-积分-微分(PID)控制器和3层BP神经网络结构,利用BP神经网络的学习能力调整PID控制器参数。引用粒子群算法进行改进,通过改进粒子群算法在线优化BP-PID控制器,确保移动机器人BP-PID控制器收敛于全局最优值,从而使移动机器人避障效果更好。在不同环境中,采用Matlab软件对移动机器人避障效果进行仿真,比较改进前和改进后的移动机器人避障效果。结果显示:在不同环境中,改进前和改进后的BP-PID控制器均能使移动机器人安全地躲避障碍物;但是采用改进的粒子群算法优化BP-PID控制器,可以使移动机器人运动路径更短,迭代次数更少,搜索时间更短。采用改进BP-PID控制器,能够提高移动机器人避障过程中寻路速度,缩短行驶路径,效果更好。

一种面向异质多移动机器人的改进猫群算法

目前的多移动机器人群组很难做到成员的真正同质,现有的群智能算法也很难包容团队的异质性。关注多移动机器人的异质性协同,提出母子机器人概念。为实现群智能算法在异质多移动机器人中的应用,改进了基本的猫群算法。定义了猫群的子域和邻域,提出了搜索方向的优先级、机器人的扩展轨迹跟踪、搜索空间的吸引力和候选搜索区域等8个方面的猫群算法改进。实验结果表明:母子机器人概念可以实现异质多移动机器人的目标搜索,可以包容团队成员的异质性,验证了改进猫群算法的适用性和有效性。

机器人曲面零件抛光粗糙度预测模型研究

为提高抛光后曲面零件的表面质量,应建立粗糙度模型选取合理工艺参数,因此本文提出一种基于支持向量机(SVM)的建模方法。通过对机器人抛光过程及抛光工艺参数的研究,将刀具转速、抛光力、行间距、机器人进给速度等作为输入量,粗糙度作为输出量。结合粒子群算法(PSO)与SVM建立曲面零件抛光粗糙度预测模型,并与回归分析方法作对比。试验结果表明:回归分析方法的预测误差较大,而基于SVM建立的曲面零件抛光粗糙度预测模型与试验结果高度吻合,试验测量值与预测值间的平均相对误差为2.84%。最后,通过全局寻优获得最佳工艺参数组合,该模型为合理选择抛光工艺参数提供了依据。

基于蝙蝠优化算法的智能机器人路径规划方法

为了解决智能机器人规划路径时,由于未能获取机器人信号目标强度,路径规划存在适应度值低和规划时间长的问题,提出基于蝙蝠优化算法的智能机器人路径规划方法。建立机器人模型并获取机器人目标信号强度,利用粒子群算法搜索机器人移动目标,结合蝙蝠算法和黄金正弦算法获取种群平均位置,通过分阶段搜索流程,实现机器人移动路径规划。结果表明:所提方法的路径规划时间仅为2.0 s,适应度达到了24.1,不可行解个数为零,该方法有效提高了适应度值,降低了规划时间,具备可行性和实际应用价值。

基于改进Bytetrack的群体机器人跟踪算法

针对群体机器人在实际跟踪场景中常常受到遮挡、目标密集、尺度变换等因素的影响导致漏检、轨迹中断和ID频繁跳变等问题,基于Bytetrack跟踪算法,改进了卡尔曼滤波的状态变量,提出了噪声尺度自适应卡尔曼算法(NASA-Kalman),并在卡尔曼滤波中引入加速度参数(AMA)提高跟踪的准确性。实验表明,在MOTA、MOTP方面相较于原算法均有所提高。为了进一步验证跟踪算法的有效性,在MOT20数据集上对算法进行了评估,在MOTA、MOTP方面分别提高了0.65%和1.26%。

基于改进机器学习的图书馆机器人自主避障控制研究

为控制图书馆机器人在行进过程中自动躲避障碍,达到理想工作效果,提出基于改进机器学习的图书馆机器人自主避障控制方法;采集图书馆机器人与目标障碍物距离信息,感知环境特征向量,当成卷积神经网络输入,经卷积、池化等操作,输出图书馆机器人对当前环境感知结果,该结果经输入输出变量模糊化、模糊推理以及输出变量解模糊等操作后,实现图书馆机器人自主避障无冲突运行;实验结果表明:该方法自主避障控制效果较好,避障行驶距离短,高速运行时反应更快,能够避开多个障碍物,识别分类结果与实际感知环境类型一致。

虚拟信息素在群体机器人防拥堵中的研究

为解决群体机器人导航时的拥堵问题,在分析防拥堵方案的基础上,借鉴蚁群算法以及蚂蚁觅食行为,提出了一种基于虚拟信息素的分布式协调算法,使用概率有限状态机协调机器人以避免拥堵。开发了一套群体机器人实验系统与实验平台,使用自主研发的群体机器人对算法进行验证分析。结果表明,该算法能使群体机器人实现更高效、更平滑的导航,算法具有可靠性和实用价值,为应用于实际场景、解决拥堵问题提供了参考依据。

基于粒子群优化算法的焊接机械臂轨迹规划

针对焊接机械臂轨迹规划问题,提出了一种改变传统粒子群优化算法中学习因子的方法。传统粒子群算法的粒子学习因子在迭代过程中取0到1之间的随机数,这极大地影响算法的计算速度。本文首先按照焊接机械臂的作业背景构造函数,使学习因子随着迭代次数有序取数,极大地提高了算法计算速度,从而减少了机械臂的轨迹规划和运动时间。其次构建焊接机械臂模型,搭建机械臂的D-H参数轴和各杆件坐标系,并建立机械臂的运动学方程。最后通过MATLAB进行轨迹规划和运动学仿真得到了改进前后的机械臂收敛速度对比图。结果表明:传统粒子群算法的寻路时间约为9.0 s,而改进后的粒子群算法寻路时间约为2.1 s,优化时间为6.9 s,机械臂寻找目标物的效率大大提高。本研究对于提高焊接机械臂轨迹规划的效率和精度具有重要的意义。