基于改进人工势场法的多自由度机器人最优移动路径选择

由于传统的多自由度机器人最优移动路径选择方法空间识别能力较差,导致机器人无法到达目标点。因此,提出基于改进人工势场法的多自由度机器人最优移动路径选择方法。通过机器人末端运动速度与机器人关节速度之间的关系,完成多自由度机器人运动学分析;在此基础上,使用改进人工势场法,对机器人运动空间中的障碍物与目标点进行计算;引用蚁群算法结合目标点与障碍点的位置,实现路径最优选择算法设计与应用,至此,基于改进人工势场法的多自由度机器人最优移动路径选择方法设计完成。构建仿真实验环节,设定仿真实验环境,通过与传统方法对比可知,此方法选择的路径优于传统方法选择的路径,且路径选择耗时较少。综上可知,所提方法的使用效果较好,更适用于复杂环境的机器人运动路径规划。

基于移动参考节点的无线传感器时钟同步方法

现有对无线传感器网络节点中的时钟同步方法往往通过固定参考节点传递同步信息完成同步。对于固定参考节点通信范围外的节点,需要同步信息在节点间的多跳传输,这造成时间误差的累积以及节点多跳传输的能量损耗,从而影响同步的精度和网络能耗。为解决此问题,提出了基于移动参考节点和最优移动路径的时钟同步方法。首先,采用正六边形的蜂窝覆盖技术选取最优的时钟同步点。其次,结合最优覆盖和选址问题的数学模型,设计最短移动距离的路径。最后,提出了基于MAC层标记多个时间戳实现低能耗单跳同步的机制。与现有方法的实验对比表明,该方法提高了同步时间精度,并降低了通信能耗。

稀疏无线传感网络的移动感知覆盖方法仿真

为解决稀疏无线传感网的区域感知全覆盖问题,利用传感节点的移动,提出了一种稀疏无线传感网络的移动感知覆盖方法(MSC)。在MSC方法中,将整个监测区域划分为多个大小相同的网格,建立权衡丢包率和传输时延的优化模型,提出细菌适应度函数并采用修改的细菌觅食优化算法求解,获得移动传感节点的最优移动路径方案。仿真表明:MSC方法通过移动传感节点的位置、数据存储容量和传输数据时间等信息,能寻找一条全覆盖整个监测区域的最优移动路径,从而降低数据丢包率和数据传输时延。在一定条件下,MSC方法比RAND_D、HILBERT和TCM方法更优。