摘要：针对喷涂机器人迷彩涂装作业过程中边缘混色、圆弧过渡和无法实现多色精细化喷涂的问题,设计了一种具有直角边界、可防过喷的矩形喷枪,建立其涂料沉积模型。喷枪性能实验结果表明,改进后的矩形喷枪涂层厚度均匀,满足数码迷彩喷涂工艺需求。其次,采用角点检测算法提取数码迷彩图案角点坐标,同时以角点坐标为基础,建立数码迷彩图案的平面栅格地图。然后,提出改进的生物激励神经网络(BINN)方法,引入融合数码迷彩喷涂工艺的机器人移动规则,将神经元活性传播方向限定为互相正交的4个方向,以缩小神经元动态激励场景范围,降低其计算复杂度。最后,采用基于矩阵变换的方法,将2维路径映射至车辆模型表面,生成3维迷彩喷涂路径。通过仿真与数码迷彩喷涂实验验证了所提方法的有效性,降低了生物激励神经网络的计算复杂度,解决了机器人喷涂过程中油漆过喷与数码迷彩喷涂路径难以规划的问题。

摘要：针对目前多机器人全覆盖算法存在任务分配不均、对机器人起始位置和终点位置选择的灵活性考虑不充分、算法求解目标单一以及对复杂不可行域地图覆盖不灵活等问题。将改进的免疫遗传算法结合求解多旅行商问题的综合方法,应用于立面维护作业的多机器人全覆盖路径规划中。该方法利用一种依靠不可行域分布的区域分解方法,将待覆盖区域分解为若干个子区域。以使用动态均分算子均分覆盖任务并考虑立面维护作业机器人起点位置和终点位置的任意性特点为前提,设计具有多机器人工作中最大的工作时长最小和多机器人总工作量最小两个求解目标的适应度计算方法。同时利用结合了动态规划算法的阶梯型克隆选择算子寻找全局近似最优解,再利用具有启发式的优秀染色体片段移植算子加快算法收敛速度。通过复杂地图的仿真实验以及对比实验,验证算法有效性和稳定性以及算法的运算质量。

摘要：利用激光雷达采集的数据构建全覆盖路径规划策略环境地图模型,以无人船为主体,建立了人工蜂群法结合神经网络的决策模型进行无监督训练,从而提升无人船在不同环境下工作的可操作性与可移植性。在此基础上提出一种评估全覆盖路径规划效果的评价方程,在训练中自动评估生成全覆盖路径的质量。仿真结果表明,改进后的全覆盖路径规划算法在执行无人船全覆盖航行任务时具备更高的航行效率。

摘要：针对大多数扫地机器人在进行全覆盖路径规划时,普遍存在重复率偏高和覆盖率偏低问题,并且在遇到密集零散的障碍区域时,会产生线路规划凌乱甚至不能覆盖的问题,设计一种基于分治思想的全覆盖路径规划算法,通过在地图上构建若干线段序列,按照线段序列端点间曼哈顿距离最小原则对局部路径线段进行相连,形成若干弓形线路块;然后采用分治算法实现全局各弓形线路块间最近端点对的匹配,并进行衔接,最终生成路径均匀的全覆盖线路。通过与牛耕式单元分解结合生物激励神经网络覆盖算法进行场景实验对比,分析表明在密集零散的障碍区域中,本文算法仍能规划出整齐平滑的可通行路径,覆盖率仍能高达91.3%,重复率下降约39.3%,时间花销约降低28.1%。

摘要：针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法。该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作。针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算法寻找逃离死区的最优路径,从而保证机器人实现路径全覆盖,并使覆盖路径的重复率尽可能小。仿真实验中,通过与传统算法比较,验证所提算法能在保证面积覆盖率为100%的同时,降低了死锁次数和轨迹重复率,从而提高了机器人工作效率。

摘要：为保证机器人的行驶轨迹可以全方位地覆盖地图的全部坐标点,并降低路径重复率,基于鱼群算法设计了智能机器人全覆盖路径规划方法;建立了智能机器人死区脱困模型,以此为依据计算了栅格地图模型中的目标活性值,获取整体栅格数量,根据地图中栅格状态得到了脱困时的行驶角度差;基于鱼群算法设计了全路径覆盖判定方法,根据不同目标鱼个体之间的距离,在三重移动目标坐标系下获取了元素坐标向量,并建立了每个目标点的求解代价和,计算得到下一个目标点行驶的最小距离;设计了机器人全覆盖路径规划算法,以判断当前位置是否为死区,获取了路径规划的全局最优解,实现了智能机器人的全覆盖路径规划;利用Matlab仿真软件进行了智能机器人全覆盖路径规划实验;结果表明,在简单环境下,该路径规划方法覆盖率为100%,重复率为5.23%,路径长度为15.36 m;在复杂环境下,该路径规划方法的覆盖率为100%,重复率则为10.24%,路径长度为20.34 m;由此证明了该方法具有较好地规划效果。

摘要：各种应用型移动机器人的设计是目前研究的焦点,它具有广阔的科研价值和市场前景,而路径规划技术是其中关键技术之一。本文系统总结了当前全覆盖路径规划算法的主要研究成果,并在覆盖效率、算法实现难易等指标方面进行比较剖析,探讨了各种算法的优势和不足。最后,提出进一步研究的方向。

摘要：油罐清洗机器人全覆盖遍历路径规划要求机器人以尽可能低的重复率遍历油罐底部的全部无障碍油泥区。提出一种非结构化环境下油罐清洗机器人的高效全覆盖路径规划算法:首先采用区域分割法进行工作环境的建模,其次油罐清洗机器人采取内螺旋算法从起始点进行单个油泥区覆盖,最后以图的深度优先搜索算法和邻接矩阵确定这些油泥区的衔接顺序和最短路径,进行所有油泥区的遍历。算法在虚拟环境中进行了仿真实验,并利用实验结果和评价指标评估了其可行性和有效性。

摘要：为了实现机器人对工作区域的全覆盖,提出了基于生物激励神经网络-元胞自动机系统的全覆盖路径规划方法。介绍了生物激励神经网络算法的基本原理,分析了该算法在机器人陷入死区时无法逃逸的问题。基于元胞自动机系统设计了机器人逃逸机制,包括逃逸点的确定和逃逸路径的规划方法。在仿真环境下,将元胞系统逃逸机制与基本RRT、文献[10]的BINN-RRT逃逸机制进行对比,结果表明元胞系统逃逸机制的规划时间比基本RRT小2个数量级,比BINN-RRT小1个数量级,且逃逸路径短于另外两种方法,验证了元胞系统逃逸机制的有效性和优越性。基于BINN和元胞系统的全覆盖路径比BINN-RRT规划路径更加平滑,验证了全覆盖方法的优越性和有效性。

摘要：为解决传统子区域覆盖路径规划方法的环境普适性不足等问题,课题组设计了专门的头脑风暴-遗传算法BSO-GA。对原始头脑风暴算法个体更新方式进行了改进,单个个体更新采用遗传算法移位、倒位和换位算子的思想,混合个体更新采用贪心交叉算子。实验结果表明:BSO-GA在距离、运行时间上均优于头脑风暴算法、遗传算法、模拟退火算法和遗传-模拟退火算法;无论在普通作业环境还是特殊作业环境,该算法覆盖率均能达到100%,且没有路径交叉及重复现象,能够较好地完成覆盖任务。