工业机器人的最优时间与最优能量轨迹规划

提出一种工业机器人的最优轨迹规划方法。将机器人的轨迹视为由机器人关节空间中一系列的关键点构成,关键点两两之间通过三次多项式曲线进行连接。通过使用加权系数法定义代价函数,从而使机器人运动过程中的总动作时间和消耗能量在某种程度上达到综合最优,同时考虑关节速度、加速度、二次加速度以及力或力矩等约束条件。在代价函数的设计中,采用一种新颖的罚函数排序形式来处理约束问题。提出基因环境双演化免疫克隆算法对所定义的代价函数进行优化。以上策略的采用,使算法具备一定的学习能力,增强算法的全局搜索能力,从而提高解的质量和算法效率。对斯坦福机器人的仿真结果表明了本文方法与现有方法相比,具有更高的搜索效率,能得到性能更良好的解。

环境变异免疫克隆算法解决有约束优化问题

为了克服免疫克隆算法搜索效率低、无法直接对进化经验学习等缺点,设计了环境变异免疫克隆算法,在普通免疫克隆算法中引入环境变异算子,通过环境变量积累进化过程中的经验,使算法具备了一定的学习能力;重新设计了代价函数,采用一种新颖的罚函数排序形式来处理由于约束条件造成的解集空间不连续问题,进而提高了算法的搜索效率及稳定性。通过对13个常用有约束优化问题测试函数的仿真实验,表明了环境变异免疫克隆算法在有约束优化问题上具有很好的性能。

城市道路交叉口信号配时多目标优化方法研究

针对目前交叉口信号配时优化目标单一、综合运行效率不高的问题,提出一种交叉口信号配时多目标优化方法。考虑绿灯时间、周期长度和饱和度等约束条件,通过加权系数法定义代价函数,使交叉口的延误时间、停车次数和通行能力在某种程度上达到最优。基于免疫克隆算法在处理多目标问题中具有最优解分布宽广性、均匀性好等特点,引入环境变异算子,提出环境变异免疫克隆算法对模型求解,增强了算法的全局搜索能力,提高了解的质量。仿真结果表明,与传统配时方法和改进粒子群算法相比,该文方法能有效减少信号交叉口的延误时间和停车次数,提高交叉口的运行效率。

工业机器人的最优能量轨迹规划

对于工业机器人而言最优能量路径规划时现代机器人发展的重点方向之,本文综合参考了大量国内外工程经验以及相关参考文献,提出了基因环境双演化免疫克隆算法。利用这一套算法对工业机器人的轨迹进行优化升级的问题进行了一定的研究,以达到最优时间和最优能量轨迹的目的。