多移动机器人路径规划研究算法——基于分布式实时仿真系统

采摘机器人路径规划是采摘机器人研究领域的核心内容之一,具有复杂性、约束性和非线性等特点。蚁群算法是最近发展起来的仿生优化算法,在解决许多复杂问题方面已经展现出优异的性能和巨大的发展潜力。为此,将蚁群算法引入到了多采摘机器人路径规划系统中,并利用分布式实时仿真系统对其可行性进行了仿真计算。结果表明:采用蚁群算法可以实现多采摘机器人的路径规划,且与遗传算法相比计算速度更快、精度更高,将其引入到采摘机器人的路径规划系统中,对于实现采摘机器人群体导航能力具有重要的作用。

智能RGV的动态调度策略

针对2018年全国大学生数学建模竞赛B题,本文通过建立三种不同情况下的RGV动态调度模型,编写相应的求解算法,给出了RGV的调度策略和系统的作业效率,并对模型的实用性和算法的有效性进行了检验.任务1中,针对一道工序的情况,引入固定起点的最短路径问题和动态规划等数学思想,建立基于动态路径的调度模型和编写RGV实时路径仿真算法.针对两道工序的情况,在动态规划中增加相应约束条件的同时,通过增加RGV状态变量,优化了模型和算法.针对出现故障的情况,建立基于空闲时间插入法的故障扰动模型,缩小了RGV决策集,从而实现了相关算法.任务2中,通过算法程序,得到了RGV的旅行轨迹和一定时间内加工的工件数,从而得出了RGV调度策略和系统作业效率.