为了提高车间内机器人导航规划的实时性、减少导航路径长度,提出了混沌狼群围捕算法。建立了工作环境的矢量模型与路径的适应度函数;在狼群围捕算法基础上,使用Tent混沌映射改进了狼群初始化方法,使狼群初始分布更加均匀,有利于算法初期对整个工作区域的遍历式搜索;鉴于levy飞行长时间短距离来回搜索与偶尔长距离搜索相互穿插的特点,将其应用于改进围捕步长,有利于算法长期的细致搜索并保持跳出局部极值的能力;借鉴遗传思想改进狼群进化方法,将算法向收敛的方向进行引导;基于以上改进,提出了混沌狼群围捕算法。在车间环境下进行仿真验证,与传统狼群围捕算法相比,混沌狼群围捕算法的导航规划用时减少了37.5%,最优导航路径长度减少了16.7%。

为了降低移动机器人工作路径长度、减少算法迭代次数、提高路径平滑性,提出了多种群博弈蚁群算法的规划方法。建立了机器人工作环境的栅格模型;提出了由1个主种群和2个从种群组成的多种群蚁群算法;将博弈论应用于种群的协同与竞争中,设计了合作博弈机制、奖惩机制、针锋相对机制和协调博弈机制;针锋相对机制和协调博弈机制应用于从种群间的交流与竞争,以帕累托最优为目的提高整个从种群的搜索多样性;合作博弈机制和奖惩机制应用与主从种群之间的交流与合作,使从种群将搜索经验和较优路径片段传递给主种群,从而提高主种群搜索效率和质量。经仿真验证,多种群博弈蚁群算法的路径多样性在迭代过程中保持较高水平;多种群博弈算法规划的路径长度比最大最小蚂蚁系统减小了5.98%,搜索迭代次数和路径平滑性也优于最大最小蚂蚁系统,证明...

为了减少机器人导航路径长度和路径规划时间,提出了基于自主选择搜索策略蜂群算法的规划方法。分析了人工蜂群算法原理,依据蜜蜂从自身认知、种群认知和其他个体认知等多种环境认知方式,对应给出了多种蜜源搜索方式;通过建立不同蜜源搜索方式的即时价值和后效价值模型,计算了蜜蜂选择不同蜜源搜索方式的概率,从而给出了蜜蜂对蜜源搜索方式的自主选择策略,在以上基础上提出了自主选择搜索策略蜂群算法。使用坐标旋转法将二维路径规划问题转化为一维,设计了两种环境下的导航路径规划仿真实验,在两种环境下自主选择搜索策略蜂群算法规划的路径长度均远远小于人工蜂群算法,且搜索到最优值的迭代次数也远远小于人工蜂群算法,充分证明了自主选择搜索策略蜂群算法在导航路径规划中的有效性。

为了减少机器人导航路径长度和优化时间,提出了基于蛙跳多种群粒子群算法的路径规划方法。建立了机器人工作环境的Maklink模型,首先使用MS算法搜索出若干最短路径,然后提出了蛙跳多种群粒子群算法进行路径二次优化。将蛙跳算法的深度搜索思想引入到粒子群算法中,提出了多种群粒子群算法的分群方法、更新策略和合作机制,进而给出了基于蛙跳多种群粒子群算法的机器人导航路径优化方法。经过仿真验证,蛙跳多种群粒子群算法具有最佳的优化效果,最短路径长度比MSCPSO算法减少了3.82%,比PSO算法减少了5.46%;另外,蛙跳多种群粒子群算法的运行时间比MSCPSO算法减少了25.53%,比PSO算法减少了18.79%。

机器人导航是室内机器人的关键技术之一，是机器人实现智能化首要解决的问题。针对传统室内家庭服务机器人导航方法存在传感器价格昂贵、动态环境适应能力不足等缺点，提出基于多传感器相结合的机器人导航算法。该算法利用RGB—D视觉传感器和超声波传感器分别获取数据，通过数据融合获得障碍物的三维信息，建立障碍物的三维模型，通过启发式最佳搜索算法对导航路径进行了优化，较好的实现了机器人导航路径的绘制，这为后期研究机器人的智能化打下了坚实的基础。