工厂自动化要求超可靠低时延通信,使控制中心能够可靠实时地向移动机器人传输控制指令。为此,面向移动机器人作业的工厂环境,提出基于深度增强学习的资源调度算法(DRL-RS)。DRL-RS算法由两个阶段构成在第一阶段,一起作业的移动机器人形成簇群,将簇群内多个移动机器人的指令包融合成一个包,再将此包传输至簇群的领导者;在第二阶段,领导者向它簇群成员广播指令包。DRL-RS算法引用深度增强学习算法优化资源调度。领导者扮演Agent,通过向环境学习,择优选择接入点以及子信道和传输功率,进而最大化向所有机器人传输指令包的成功率。性能分析结果表明,DRL-RS算法传输指令包成功率逼近于穷搜索法。

针对基本蚁群算法(ACO)收敛速度慢的特点,提出了一种移动机器人路径规划的蚁群优化改进算法。通过限制信息素的取值范围,扩大了搜索结果,从而避免了算法过早收敛,同时还提出了一种信息素挥发系数自适应调节的改进蚁群算法方略,意图通过自适应的调整信息素挥发系数来提高算法的全局性和算法的收敛速度。针对在栅格环境中蚁群算法规划出来的路径折线多,转角大的特点,提出了用贝塞尔曲线优化路径的方法。仿真结果显示,经过优化过后的平滑路径更加适合移动机器人的运行情况,在任意随机给定的环境中,算法能够迅速找出最优路径。

针对移动机器人在复杂环境下的路径规划与轨迹跟踪控制,提出了一种最优轨迹跟踪控制方法。首先,通过理论分析给出了移动机器人的运动学模型和对避障问题的描述,推导出了位置与姿态方程以及目标函数表达式;其次,介绍了萤火虫算法的寻优机制,并采用广义方向学习策略来改进原算法的性能;同时,引入NUBRS曲线来光滑处理局部路径,缩短总路径长度;进而,将移动机器人系统分成位置与姿态两个控制环,分别设计PD控制律来实现其稳定的轨迹跟踪控制;最后,通过仿真与实验验证了所提方法的有效性,结果表明(1)改进后的萤火虫算法能够为移动机器人规划出一条避障且可行走的轨迹;(2)基于PD控制策略,移动机器人能够有效地实现轨迹跟踪。

为了提高机器人工作路径质量并减少算法运行时间,提出了蜂巢栅格模型与动态分级蚁群算法结合的路径规划方法.建立了工作环境的蜂巢栅格环境模型,在转向角、避障路径比、路径质量等方面均优于传统方形栅格模型;将蜂群算法的分级思想引入到蚁群算法中,根据适应度将蚁群分为寻优蚁和侦查蚁两级;寻优蚁更加注重信息素的引导作用,利于算法收敛,侦查蚁更加注重启发信息的牵引作用,不断探索新的路径而增加路径多样性;提出了兼顾全局信息素更新和局部信息素更新的动态加权信息素更新方法.经仿真验证,动态分级蚁群算法在迭代过程中的路径多样性优于蚁群算法;将动态分级蚁群算法应用于路径规划,路径长度比蚁群算法降低了22.12%,平均运行时间减少了32.33%,充分证明了动态分级蚁群算法在路径规划中的有效性.

移动机器人控制网络中的异常参数特征无法形成可识别的非平稳输出信号,导致传统的基于局部均值分解的异常参数识别过程精度低.提出一种移动机器人路径控制网络的异常参数识别方法.以移动机器人路径控制网络中,电路异常量处理结果作为支持,根据机器人射频识别量计算原理,通过单片机异常参数整合的方式,计算移动机器人路径控制网络中的可疑异常参数特征.在此基础上,通过单分量控制信号模态分解、多分量控制信号模态分解的方式,计算模态频率的阻尼比数值,完成移动机器人路径控制网络中异常参数识别.比对实验结果表明,与局部均值分解手段相比,异常参数识别精准度提升,非平稳信号调幅周期缩短至0.90s,调频波总长度不超过11.4mm,机器人非平稳输出信号的振动响应属性得到有效控制.

为了减少机器人导航路径的长度和算法运行时间,同时提高算法规划稳定性,提出了蜂巢栅格环境下的动态分组蚁群算法规划方法。分析了方形栅格四叉树和八叉树工作模式的弊端,提出了改进蜂巢栅格的环境建模方法,蜂巢栅格避障时的有效路径比、安全性、转弯角大小、对圆形障碍物覆盖的有效面积比等多个角度均优于传统栅格。参考猫群算法的分群思想将蚁群分为跟踪蚁和搜索蚁,提出了动态分组蚁群策略和信息素的自适应扩散策略,从而给出了动态分组蚁群算法的执行步骤。经过算法的多样性和规划性能仿真分析,动态分组蚁群算法的路径多样性在迭代过程中保持较高水平,在相同环境下动态分组蚁群算法规划的最优路径长度比ACS蚁群算法减少了9.99%,搜索到最优路径时的迭代次数远远小于ACS蚁群算法,且从最优路径长度和迭代次数标准差看,动态分组蚁...

针对传统蚁群算法应用在机器人路径规划当中,容易出现搜索空间过大,容易陷入局部最优,搜索效率过低等缺陷,提出一种在传统蚁群算法基础上,加入伪随机因子,利用下一节点到目标节点的距离来修改期望启发函数,改变差路径信息素更新方式的算法(Improved ant colony algorithm based on grid model,IACA-GM),建立栅格环境模型进行模拟仿真,实验结果表明,IACA-GM算法有效地缩小了最优路径的搜索范围,减少了循环次数,加快了算法收敛速度,提高了机器人对最优路径的搜索效率。

针对轮式移动机器人的路径跟踪问题,提出了一种基于动态预瞄的移动机器人路径跟踪控制方法。根据差速轮式移动机器人运动学模型和实时位置信息,建立路径跟踪偏差模型,并采用构建虚拟运动路径的方式设计移动机器人路径跟踪控制方法,结合路径跟踪偏差模型,实时调整移动机器人的运动状态,不断缩小运动过程中的偏差,最终实现路径跟踪。实验结果表明,所设计的移动机器人路径跟踪控制方法能够实现高精度的路径跟踪控制,同时具有良好的可靠性,平稳性。

根据移动机器人的定位和建图需求,设计并构建了基于ROS操作系统和激光雷达的移动机器人系统。移动机器人系统采用小型工控机作为上位机,stm32单片机作为下位机,利用RPLIADR A2激光雷达获取环境信息,在ROS机器人系统分布式框架下进行开发,实现基于cartographer算法的同步定位与建图功能。仿真实验及实际环境测试结果表明,该移动机器人具有良好的建图精度和系统性能,具有拓展方便、模块化等优点。

移动机器人路径规划可分为两种类型:(1)全局路径规划;(2)局部路径规划.本文分析了Kohonen神经网络算法及其识别机理,提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法,最后给出了具体的算法,探讨了在神经网络技术中引入学习机制的特点.