果蔬采摘机器人如何在复杂多变作业环境中,特别是多丘等特殊地理面貌中,能够快速选择最佳路径实现安全避障完成作业任务,就涉及到果蔬采摘机器人路径规划问题。针对基本蚁群算法(Traditional Ant Colony Algorithm,TACO)搜索效率低、易...果蔬采摘机器人如何在复杂多变作业环境中,特别是多丘等特殊地理面貌中,能够快速选择最佳路径实现安全避障完成作业任务,就涉及到果蔬采摘机器人路径规划问题。针对基本蚁群算法(Traditional Ant Colony Algorithm,TACO)搜索效率低、易陷入局部最优及易出现早熟收敛等缺陷,提出一种基于改进蚁群算法(Improved Ant Colony Algorithm,IACO)的果蔬采摘机器人路径规划方法。首先,采用栅格法建立4种不同规格环境模型;其次,为缩减路径搜索初期时间消耗、加快搜索速度和扩大全局寻优能力,综合考虑搜索路径上当前节点、下一节点和目标节点间的几何关系,设计新的启发函数因子,并在此基础上对状态转移规则进行改进;为保留每次循环最优路径的信息优势,增加路径选择多样性和改善算法收敛性能,通过引入精英策略和信息素局部与全局相结合的更新策略对信息素更新规则进行改进。最后,通过与其他算法仿真试验结果比对分析,证实改进算法在解决复杂特殊地理环境下果蔬采摘机器人最优避障路径规划具有有效性和优越性。展开更多
果蔬采摘机器人一般采用移动式机器人,虽有着强大的计算能力和移动性,但其感知能力的局限性限制了其智能的发展。为了提高果蔬采摘机器人的智能移动性能,使其拥有更好的实现自主导航的能力,采用(system on a programma-ble chip,SOPC)...果蔬采摘机器人一般采用移动式机器人,虽有着强大的计算能力和移动性,但其感知能力的局限性限制了其智能的发展。为了提高果蔬采摘机器人的智能移动性能,使其拥有更好的实现自主导航的能力,采用(system on a programma-ble chip,SOPC)微处理器系统设计了一种新的智能移动式机器人控制系统,并采用神经网络算法对其进行了优化,大大提高了机器人移动的精确性,增强了输入和输出的线性关系,使控制系统在单片芯片上实现了复杂系统的全部功能。通过测试发现:机器人的移动躲避障碍物时速度的稳定性较好,移动误差较低,实现了果蔬采摘无人控制下的智能移动。展开更多
文摘果蔬采摘机器人如何在复杂多变作业环境中,特别是多丘等特殊地理面貌中,能够快速选择最佳路径实现安全避障完成作业任务,就涉及到果蔬采摘机器人路径规划问题。针对基本蚁群算法(Traditional Ant Colony Algorithm,TACO)搜索效率低、易陷入局部最优及易出现早熟收敛等缺陷,提出一种基于改进蚁群算法(Improved Ant Colony Algorithm,IACO)的果蔬采摘机器人路径规划方法。首先,采用栅格法建立4种不同规格环境模型;其次,为缩减路径搜索初期时间消耗、加快搜索速度和扩大全局寻优能力,综合考虑搜索路径上当前节点、下一节点和目标节点间的几何关系,设计新的启发函数因子,并在此基础上对状态转移规则进行改进;为保留每次循环最优路径的信息优势,增加路径选择多样性和改善算法收敛性能,通过引入精英策略和信息素局部与全局相结合的更新策略对信息素更新规则进行改进。最后,通过与其他算法仿真试验结果比对分析,证实改进算法在解决复杂特殊地理环境下果蔬采摘机器人最优避障路径规划具有有效性和优越性。
文摘果蔬采摘机器人一般采用移动式机器人,虽有着强大的计算能力和移动性,但其感知能力的局限性限制了其智能的发展。为了提高果蔬采摘机器人的智能移动性能,使其拥有更好的实现自主导航的能力,采用(system on a programma-ble chip,SOPC)微处理器系统设计了一种新的智能移动式机器人控制系统,并采用神经网络算法对其进行了优化,大大提高了机器人移动的精确性,增强了输入和输出的线性关系,使控制系统在单片芯片上实现了复杂系统的全部功能。通过测试发现:机器人的移动躲避障碍物时速度的稳定性较好,移动误差较低,实现了果蔬采摘无人控制下的智能移动。
