针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。

大型三维复杂构件是船舶、海洋装备、集装箱等的重要组成部分,其焊缝种类较多、空间分布复杂,部分焊缝存在协同同步弧焊焊接、焊接方向等特殊焊接工艺约束,现有协同焊接规划方法难适用于这类复杂场景。提出全局与局部相结合的双机器人协同焊接路径规划多阶段寻优方法;建立复杂构件三维空间焊缝模型以及双焊接机器人协同模型;根据协同同步焊焊缝的数量将构件划分出相应数量的分块,通过蚁群算法求解每一焊接分块的局部路径规划近似最优解;通过遗传粒子群算法进行多分块间的全局路径规划。仿真结果表明:通过分块划分多阶段寻优的方法可以有效地解决特殊焊接工艺约束下的大型三维复杂构件双机器人同步焊接路径规划问题。

为提高物料运输调度效率,减少作业时间,将2批次物料投递问题划分为3个阶段,将3个阶段的总作业时间最少作为目标函数,提出了一个混合整数规划模型。通过定义单双向车道约束和运输车辆路口会车约束,并引入多种群遗传算法,研究了多台物料运输小车的物料投递作业调度模型及算法。与单种群遗传算法和某公司历史数据相比,结果表明:该算法可在避免局部搜索的基础上大幅度提高系统的运算精度与速度,减少物料配送时间,可靠性高。该研究结果为提高企业的经济效益提供了参考,也为多批次物料投递作业优化及决策提供了新的思路。

为实现未知环境下,移动机器人自主定位和导航,构建精准的环境地图,提出移动机器人导航系统设计方法。采用蒙特卡洛算法对机器人进行定位,通过栅格地图扫描匹配方法进行地图构建,利用Dijkstra算法对当前地图进行路径规划。将上位机和下位机串口通信,把上位机路径规划的Twist消息发送给下位机,采用底层控制器来控制电机,实现移动机器人自主运动。实验结果表明:在实际环境中,移动机器人能够从起始点出发,自主绕过障碍物到达目的地,验证了该移动机器人自主导航系统设计方法的有效性。

为提高KR16-2机器人在实际工作中的效率,通过改进的D-H法,建立KR16-2的运动学方程并构建模型。采用五段位置S曲线插补法对轨迹进行优化处理,提高机器人运动的平稳性。提出适应度的多重控制方法,结合对各类算子的重新标定,得到该机器人工作的最优平滑路径。仿真实验表明:采用此方法该机器人获得了较平滑且距离最优的路径。

针对移动机器人在路径规划过程中路径曲率不连续,避障能力差等问题,提出了一种将改进A^*和动态窗口法(DWA)相结合的路径规划方法。首先,在传统的A^*算法基础上,将传统的8个搜索方向改为5个,提高搜索效率;其次,将Floyd算法思想引入A^*算法中,设计了一种新的启发式搜索函数,实现了无斜穿障碍物顶点,增加了路径的平滑度;最后,融合改进算法以及动态窗口法,构造了新的评价函数,在保证规划路径全局最优性的基础上达到避障效果。仿真结果表明:该研究对于移动机器人自主导航的应用具有一定的参考价值。

深入研究工业机器人通过协作与变位机进行船形焊接的路径规划。考虑到船形焊接工艺要求,设计在焊枪姿态约束下的机器人运动平稳性能评估指标,并作为评价焊接目标函数;利用灰狼优化算法对协作焊接路径进行目标寻优,使得焊缝中所有焊接点处于最优的船形焊接位姿且焊枪处于理想焊接姿态。结果表明:整个焊接过程中机器人与变位机的轨迹都十分平滑,可有效保障焊接质量并提高生产效率。

针对传统A*算法在AGV路径规划中存在搜索范围大、转折多、实时性差等缺点,以A*算法为基础,通过建立栅格地图,改进启发函数,去除多余节点和提高避障安全性。针对AGV在复杂环境下的动态路径规划问题,将改进A*算法与动态窗口算法进行融合,规划出一条具有实时性的最优路径。通过仿真实验,验证了改进算法的有效性与可行性,实现了路径优化。通过机器人操作系统进行实验,结果表明AGV运行时的路径规划合理,满足实际应用需求。

针对传统蚁群算法因初期信息素分布不均导致算法初期路径选择概率随机性大、搜索速度慢等缺陷,设计一种使用混合参数的蚁群改进算法。在算法开始阶段引入遗传算法,对遗传算法的适应度函数进行改进;设置一个评价点使遗传算法在合适的时机进入蚁群算法,并对算法的信息素挥发因子p采用一种自适应调整方式;对遗传算法的交叉率和变异率以及蚁群算法的信息因子和期望因子采用变异的混合参数,发挥4个参数因子在算法中的优点;在蚁群算法后面设置一个路径进化率的评价点判定是否再次进行遗传变异操作,目的是使蚁群算法跳出局部最优;算法最后引入B样条曲线光滑机制。实验结果表明:改进算法在简单和复杂的环境里找到的路径长度和路径拐点数明显减少,有比其他3种算法更快更准的寻找全局最优能力。

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。