导读:本文包含了机器人规划论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,机器人,路径,蜂群,步态,过渡性,神经网络。
机器人规划论文文献综述
刘晶,姚维,章玮[1]（2019）在《移动机器人全覆盖路径规划算法研究》一文中研究指出生物激励神经网络算法是一种路径规划算法,在用于全覆盖路径规划时,当前点的局部侧连接点,容易出现相同的神经元活性值。导致规划出的路径长度长、重复率高、转弯次数多,在遇到阻塞点时,容易陷入死区,或规划的逃离路线不是最优路径等问题。针对路径重复率高、转弯次数多等问题,提出移动规则法对机器人的移动方向进行引导,针对机器人陷入死区和无法规划最优逃离路线等问题,结合A*搜寻算法,让机器人能以最优的路径逃离死区。仿真实验表明,该改进方法是有效的。(本文来源于《工业控制计算机》期刊2019年12期）
李杰[2]（2019）在《机器人焊接路径规划》一文中研究指出在船舶、海工装备等大型构件的焊接过程中,具有构件类型多,焊缝种类多、空间分布复杂,焊接工艺要求严格等特点,使得机器人自动化焊接更加难以实现。本文针对大型构件机器人焊接过程中需要实现有向性焊接的工艺需求,提出一种融合叁角形边长定理的改进蚁群算法来实现叁维空间内有向焊缝弧焊路径规划。并在MATLAB环境下进行仿真,结果验证了该方法对叁维空间中需要实现方向性构件焊接的有效性。(本文来源于《电子世界》期刊2019年23期）
陈嘉林,魏国亮,田昕[3]（2019）在《改进粒子群算法的移动机器人平滑路径规划》一文中研究指出针对粒子群(PSO)算法在解决移动机器人平滑路径规划问题中出现的早熟现象,本文提出了一种基于种群进化状态的自适应粒子群算法(ES-PSO).本方法在不损害PSO算法快速收敛特性的前提下,通过粒子当前位置来判定种群动态进化状态,从而合理有效地评估种群进化能力.最后,根据具体应用场景,提出粒子初始化策略和带有惩罚函数的适应值函数优化策略,并应用所提改进粒子群算法和Bezier曲线方法解决移动机器人平滑路径规划问题.实验结果表明,该算法与传统算法相比较能够快速准确地寻找到机器人的平滑最优路径.(本文来源于《小型微型计算机系统》期刊2019年12期）
宋宇,王志明[4]（2019）在《基于改进遗传算法的移动机器人路径规划》一文中研究指出将遗传算法用于路径规划时,传统算法虽然简单,但不适用转弯情况较多的复杂地图。针对这一问题,首先将RRT算法用于栅格环境下产生初始路径,其次提出一种新的插入算子,最后进行路径优化。根据不同地图与其他文献中的改进遗传算法,进行对比研究与分析,制定路径长度与算法用时2个指标来评判算法的优劣。仿真结果表明,改进算法得到的路径长度缩短了70%,路径长度达到最优的用时减少了8%。(本文来源于《现代电子技术》期刊2019年24期）
王伟,储泽楠[5]（2019）在《六足机器人的步态规划研究》一文中研究指出文章以六足机器人作为研究对象,分析了六足机器人的步态运动及其在有障碍的复杂环境下基于蚁群算法的最短路径规划。通过实验验证了蚁群算法可以在复杂场景下对六足机器人的步态规划进行收敛评估,并给出最短路径。(本文来源于《计算机时代》期刊2019年12期）
卢俊华,朱海飞,梁经伦,管贻生[6]（2020）在《双足爬壁机器人叁维壁面环境全局路径规划》一文中研究指出为求解双足爬壁机器人在叁维壁面环境中的全局路径,提出了一种结合壁面可过渡性分析、全局壁面序列搜索和壁面过渡落足点优化的规划方法.首先,为得到双足爬壁机器人在壁面间过渡的可行性,通过机器人可达工作空间与壁面简化处理将其转化成几何图形相交测试问题.然后,用图搜索方法找出全局壁面序列,再以路径最短为目标建立数学模型优化求解壁面序列中相邻壁面间最优过渡落足点,最终得到最优全局路径.以双足爬壁机器人W-Climbot为对象做仿真验证,仿真结果表明该方法在5至20个壁面构成的叁维环境中,机器人在不同壁面间的可过渡性分析与全局壁面序列搜索过程平均耗时只需2 ms,求解得到优化全局路径的比例为95%,平均耗时均在4 s以内.该方法可以为双足爬壁机器人提供优化的全局路径并为其下一步的运动规划奠定基础.(本文来源于《哈尔滨工业大学学报》期刊2020年01期）
万逸飞,彭力[7]（2019）在《改进A~*蚁群算法求解机器人路径规划问题》一文中研究指出针对蚁群算法收敛速度慢、效率低以及易陷入局部最优的一系列问题,提出改进的A~*蚁群算法。为降低蚁群死锁、停滞的概率,先将栅格地图进行处理。其次为了提高蚁群的效率,引进A~*算法确定蚁群的初始信息素,同时改进蚁群信息素更新方式,从而提高算法的收敛速度;针对局部最优的问题,提出将蚁群中的启发函数进行改进,不仅考虑到可行栅格中的最短距离,还考虑到目标点的位置,并且引入简化算子对蚁群的路径进行优化。通过4组仿真对比,改进的A~*蚁群算法效果显着。(本文来源于《传感器与微系统》期刊2019年12期）
马洪涛[8]（2020）在《排球运动规划在采摘机器人识别定位中的应用》一文中研究指出为对采摘机器人的识别与定位功能进行优化,将排球机器人的运动规划原理与采摘机器人的控制要求相结合进行应用探讨。通过搭建采摘机器人对果实的识别定位理论模型,运用核心图像识别与处理算法,硬件配置动作执行协调及软件系统后台指令控制,实现多功能性传感装置信息数据的合理性采集与传输,达到实时定位目标。进行了采摘机器人的识别与定位试验,结果表明:在排球机器人运动规划与控制机理下,通过目标与定位图像的有效抓取,采摘定位时间可控制在0.6s左右,综合定位准确率保持在93.8%以上,最高定位准确率可达95.7%,满足采摘机器人作业需求,验证了设计理念的可行性,可为类似农业设备定位开发提供思路。(本文来源于《农机化研究》期刊2020年06期）
张苏英,赵国花,郭宝梁,于佳兴,刘慧贤[9]（2019）在《基于改进的蚁群算法的移动机器人路径规划》一文中研究指出针对移动机器人路径规划中的传统蚁群算法收敛精度低、易陷入局部最优等问题,提出一种改进蚁群算法。首先,对算法的转移概率进行改进,加入转向代价,减少不必要的转折,并针对启发函数启发性能不够强,对路径启发信息进行改进;然后,提出一种自适应的参数调整伪随机状态转移策略,动态改变参数值,避免过早陷入搜索停滞,增强搜索的全面性,同时对信息素更新方式进行改进,调整信息素挥发系数,保持蚂蚁发现最优路径的能力;最后,通过Matlab与其他算法进行对比分析。仿真结果表明,改进的蚁群算法收敛速度快,且路径长度和算法迭代次数有明显减少,能得到全局最优路径。改进蚁群算法具有可行性、有效性,在移动机器人路径规划中有一定的应用价值。(本文来源于《河北工业科技》期刊2019年06期）
薛阳,俞志程,吴海东,张宁[10]（2019）在《基于IACO-ABC算法的变电站巡检机器人路径规划》一文中研究指出目前,变电站智能巡检机器人的路径规划中,各种智能算法如ACO(蚁群优化)、 ABC(人工蜂群)等应用较为广泛,但传统ACO算法存在容易陷入局部最优值、收敛速度较慢等问题。为此,在对传统ACO算法进行改进的基础上,结合ABC算法的优势,提出IACO-ABC(改进蚁群-蜂群融合)算法,将其应用到变电站巡检机器人路径规划中,以提高路径规划算法的鲁棒性,并解决算法陷入局部最优的问题。采用栅格法建立工作环境进行仿真,结果表明采用该算法能够有效解决上述问题,在复杂环境下的规划能力和鲁棒性能较好,并提高了路径质量以及算法效率。(本文来源于《浙江电力》期刊2019年11期）
机器人规划论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在船舶、海工装备等大型构件的焊接过程中,具有构件类型多,焊缝种类多、空间分布复杂,焊接工艺要求严格等特点,使得机器人自动化焊接更加难以实现。本文针对大型构件机器人焊接过程中需要实现有向性焊接的工艺需求,提出一种融合叁角形边长定理的改进蚁群算法来实现叁维空间内有向焊缝弧焊路径规划。并在MATLAB环境下进行仿真,结果验证了该方法对叁维空间中需要实现方向性构件焊接的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机器人规划论文参考文献
[1].刘晶,姚维,章玮.移动机器人全覆盖路径规划算法研究[J].工业控制计算机.2019
[2].李杰.机器人焊接路径规划[J].电子世界.2019
[3].陈嘉林,魏国亮,田昕.改进粒子群算法的移动机器人平滑路径规划[J].小型微型计算机系统.2019
[4].宋宇,王志明.基于改进遗传算法的移动机器人路径规划[J].现代电子技术.2019
[5].王伟,储泽楠.六足机器人的步态规划研究[J].计算机时代.2019
[6].卢俊华,朱海飞,梁经伦,管贻生.双足爬壁机器人叁维壁面环境全局路径规划[J].哈尔滨工业大学学报.2020
[7].万逸飞,彭力.改进A~*蚁群算法求解机器人路径规划问题[J].传感器与微系统.2019
[8].马洪涛.排球运动规划在采摘机器人识别定位中的应用[J].农机化研究.2020
[9].张苏英,赵国花,郭宝梁,于佳兴,刘慧贤.基于改进的蚁群算法的移动机器人路径规划[J].河北工业科技.2019
[10].薛阳,俞志程,吴海东,张宁.基于IACO-ABC算法的变电站巡检机器人路径规划[J].浙江电力.2019
论文知识图
