基于折弯机器人的图形参数化编程及加工规划研究
这是一篇关于钣金折弯,图形参数化编程,折弯成型角度预测,人工势场法的论文, 主要内容为随着钣金折弯自动化的快速发展,当前钣金行业小批量、多品种、高效柔性化的生产需求日益增加。由于传统的人工折弯在可扩展性、鲁棒性、安全性等方面均表现欠佳,基于折弯机器人的图形参数化编程及加工规划研究是实现机器人钣金折弯自动化的重要方向。本文在分析当前国内外钣金折弯工艺与系统软件设计的基础上,设计了以图形参数化编程为交互方式、神经网络与路径规划算法为运算支撑的编程系统,主要研究和工作内容如下:(1)设计并开发了折弯机器人图形参数化编程系统。采用模块化的设计思想,以工艺参数连接各个模块,基于Solidworks二次开发、Any CAD三维显示引擎和Visual Studio开发平台开发机器人钣金折弯图形参数化编程系统,系统由钣金件读取模块、三维显示模块、参数提取模块、二维仿真模块、三维仿真模块和数据库管理模块组成,从底层设计研发应用于钣金折弯的图形参数化编程系统。(2)通过基于遗传优化的反向传播神经网络构建滑块下压量预测模型。建立了折弯加工环境的数学模型,设计了基于GA-BP神经网络算法的滑块下压量预测模型,以板材弹性模量、屈服强度、硬化系数、硬化指数、板厚、下模槽宽、下模倒角、上模圆角半径以及折弯成型角度为输入,滑块下压量为输出。针对多因素耦合容易出现较大误差的情况,设计了基于材料分类的5输入滑块下压量预测模型,将材料因素和工艺因素进行区分,优化针对不同材料场景下的预测模型。(3)通过基于离散主副计算的改进人工势场法构建折弯加工送料路径规划方案。分析了钣金折弯加工时钣金件与机床模具之间的位置关系,对现有路径规划算法进行分析,选择适合应用于折弯加工场景下的人工势场法,提出了基于离散主副计算的改进人工势场法(DMA-APF),采用主副离散点算法匹配钣金件姿态,添加了目标和物体距离的影响以及基于随机步长的局部极小点逃逸策略,并建立了折弯随动操作的数学模型。(4)针对折弯图形参数化编程系统和折弯送料取料任务的路径规划问题设计实验。实验结果表明:折弯图形参数化编程系统可通过图形界面方便地完成从钣金件三维模型到加工成型的设计流程。基于离散主副点计算的改进人工势场法对实验用四道钣金件作送取料规划,最小安全距离2mm,规划时长14.08s,有效提高了折弯加工的安全性和效率。基于GA-BPNN的折弯加工预测模型与折弯加工随动模型相配合,折弯成型后将板料安全无碰撞地移出折弯加工环境,折弯工步边误差在0.3mm以内,折弯成型角度误差在0.5°以内,满足折弯加工误差要求。
基于改进人工势场法的路径规划方法研究
这是一篇关于智能体,路径规划,人工势场法,快速扩展随机树,兵棋推演的论文, 主要内容为在人工智能迅速发展的今天,路径搜索规划技术问题一直是一个棘手的课题,智能体如何自主地规划出一条路径,保证其可以无阻碍地从出发点顺利抵达到目的地,是其在所处环境中需要自主完成的工作,并且这条路线应该是最优或者次优的。例如,在执行自动驾驶的任务时,如果车辆没有良好的路径规划能力,轻则会延迟抵达的时间,重则会发生交通事故,造成经济损失,甚至还会威胁到生命。在对智能体进行任务管理的过程中,智能体的避障能力、执行路径规划的效率决定了其任务执行的整体效率。因此,无论是在工业、民用还是军事领域,对执行任务的智能体进行合理的路径规划都起着决定任务成败的作用。在环境中预先验证的信息已知的情况下,传统的路径规划设计算法确实能够很好地规划并输出结果路径,但是在那些未知的环境中,尤其是那些具有各种不规则阻碍物的复杂环境中,许多规划算法很快就会已经失去了它们的用处。传统方法基于不完全信息条件得出的最优路径,无法保证在信息完全的情况下依然是最优甚至是可行的,不具有应对环境变化的反应能力,缺少健壮性,不符合“智能”的要求;另一方面,传统方法在应对静态环境时,可以不考虑时间消耗等其他因素,优化出一个静态环境中的最佳路线,但是当环境动态地不断改变时,传统算法的计算效率不足以赶上环境变化的脚步,规划出的路径是脱节的,没有使用的价值。传统方法基于静态环境规划出的最优路径,有可能在实际运行途中会和障碍物产生碰撞;即使在获取到环境变化后使用传统路径规划方法进行紧急避障,也会因为死锁或低效等问题造成反应不及时,导致任务失败。不断发展的科学技术,对路径规划技术的动态性和准确性的要求不断增高,因为传统路径规划方法已经难以应对当下智能规划问题中的不断提高的复杂性和和其不断增大的应用领域。特别是在军事对抗的过程中,在动态不完全信息的环境下进行路径规划是无时无刻不存在的问题,而传统的方法难以应对这种对动态性和准确性严苛要求的挑战,在反应过来时已经作战单元很可能已经被摧毁。例如,在军事的应用中,对于静态环境的路径规划难以保证作战单元在行进途中不会遇到危险,因为进行路径规划前所获得到的环境信息通常是不完全的;同时,在行进途中如果遭遇突袭,预先规划的路线也无法帮助作战单元迅速、及时、安全地撤离,可能会造成“出师未捷身先死”的败局。经典的人工势场法(Artificial potential field,APF)是一种利用势能函数,构造虚拟的势场的方法,在虚拟的势场中,智能体被势能差驱动而本能地进行位移。具有计算量小、实时性高、规划路线轨迹平稳等优点的传统人工势场法在智能体的局部实时路线避障中被广泛应用,但其同时存在两个固有的技术缺陷:一个是局部最小值问题,另一个是目标不可达的问题。本文提出了一种引入了与智能体和移动目标的相对移动距离有关的势能调节控制因子的方法,保证了目标点始终是势场中全局势能最小点,解决了局部最小值的问题。同时,本文还提出了基于智能体运动步数和位移的检测方法和临时子目标的逃离策略,解决了因吸引力和斥力平衡所导致的目标不可达问题。此外,本文在使用人工势场法进行全局路径规划的过程中引入了快速扩展随机树(Rapidly Exploring Random Tree,RRT)方法,这是一种同时具有概率完备性和良好的收敛性能的基于随机采样的方法。通过分析算法扩展的原理,在对现有的人工势场法的改进的基础上,提出了APF-RRT这一融合了目标导向性和随机性的、能够解决上述局部极小值问题的方法。另一方面,对人工势场法的引入,降低了RRT方法的搜索空间。最后,针对兵棋推演平台提供的态势原始数据不便于直接使用的特点,本文提出了一种面向兵棋推演平台的路径规划问题求解框架,框架由三个独立的模块组成,分别负责对态势的编码、求解路径规划问题和对态势的解码,从而实现对兵棋推演平台的路径规划问题的快速求解。在该框架的基础上,本文利用兵棋推演平台将本文所提的方法和传统的路径方法进行对比,再次说明了本文所提的方法的优点。简言之,针对人工势场法潜在的死锁问题和快速扩展随机树搜索效率低下的问题,本文提出了APF-RRT融合方法,并且在兵棋推演平台上验证了所提出的APF-RRT路径规划方法,还将该方法与路径规划中常用的A*方法进行对比,验证了本文提出的方法的可行性和有效性。
拒止环境下多无人机协同搜索系统研究
这是一篇关于拒止环境,视觉惯性里程计,协同搜索,人工势场法的论文, 主要内容为无人机定位技术作为拒止环境下协同搜索的关键技术,主要分为单机定位和协同定位两方面。传统的视觉SLAM方案在特征稀疏情况下容易丢失定位,且构建的无人机地图之间坐标系相互独立,无法进行有效的位置交互。针对这一问题,本文采用视觉惯性紧耦合的定位技术和协同SLAM方案提供有效的定位信息,并在此基础上,设计一种考虑内部避碰的改进粒子群搜索策略,在保证系统安全的前提下,提升集群搜索效率。本文选题于电子信息重点实验室预研项目《面向未知环境的多智能体协同搜索技术研究》,聚焦于设计多无人机协同搜索系统,实现拒止环境下通过多无人机视觉定位技术和协同搜索算法完成对目标的搜索任务。论文主要工作如下:(1)多无人机定位算法设计。针对纯视觉方案的定位丢失问题,将惯性数据短时估计与视觉长期跟踪进行融合,设计视觉惯性联合定位算法提供稳定定位。针对视觉定位建立的子地图之间无法进行位置交互问题,设计了服务器端统一地图融合方案,提供集群相对位置信息,为无人机协同搜索提供保障。(2)多无人机协同搜索策略设计。针对协同SLAM需要初始化且长时间运行服务器负载大的问题,将信息素机制引入粒子群搜索算法并开发一款地面站软件,将搜索任务分成地面站预规划和无人机协同搜索两部分,减少搜索时长,提高搜索效率。针对实际搜索任务后期无人机空间分布密集的问题,采用人工势场法为无人机设置斥力场,调节无人机之间距离,提高搜索系统安全性。(3)系统搭建与实验验证。对三个子系统进行联调,进行了无人机平台、机载平台和服务器平台选型与调试,开发了系统通信方案、底层算法程序和地面站程序,完成协同搜索系统搭建,并对系统功能进行测试,完成功能验证。实验结果说明,本文设计的系统能够有效实现自身位置估计以及集群位置交互,避免集群内部碰撞并完成搜索任务。
北极冰下小型巡航器避障控制系统设计与开发
这是一篇关于北极冰下,小型巡航器,避障控制,人工势场法,传感器的论文, 主要内容为近十年间,北冰洋海冰融化的趋势越来越强,北极天气的细微变动都会引起整个北半球乃至全世界气候环境的变动,在北极地区进行科学考察任务以及气候观察工作对于认识我国气候变化以及经济的长期发展有着十分明显的推动作用。小型巡航器可以帮助科研人员在未知水域、低能见度水域以及重度污染水域进行水下长期科研任务。保证小型巡航器安全完成水下巡航作业的前提是其能够实现自主避障。课题在工业与信息化部高技术船舶项目“极地探测WRQQ研制”项目专题六“极地冰下环境条件探测技术研究”的资助下,对北极冰下小型巡航器的避障控制系统进行研究与开发,给北极冰下小型巡航器及携带设备与传感器在冰下进行科学考察作业提供运行安全保障。为了实现北极冰下小型巡航器的避障控制系统所有功能,主要针对以下几个方面展开了研究:(1)根据北极冰下小型巡航器运动时的冰下环境设计了巡航器的舱体。设计的北极冰下小型巡航器采用传统艇体的设计思路,基于Nystrom流线形回转体形式,艏部进流段采用半椭圆结构,艉部去流段采用低阻性型线,中部舱段采用平行中体。整体结构包括控制舱、动力舱、转向舱、浮力舱、电池舱、观测舱、平衡舱、把手和外设支架等。(2)设计的北极冰下小型巡航器避障控制系统主要功能有运动控制、姿态信息数据采集解析分析、障碍物信息数据采集解析分析以及自主避障等。避障控制系统的子模块有主控芯片模块、运动控制模块、电源模块、姿态数据采集模块以及障碍物检测模块。运动控制模块包含推进系统、升降系统以及转向系统。姿态数据采集模块包含九轴传感器、GPS定位系统以及压力传感器等。主控芯片模块中采用STM32单片机并设计4路串口通讯接口。电源模块中的降压电路将电源电压转换为各模块部件所需要的工作电压。障碍物检测模块采用水下声呐和水下视觉系统。为了方便主控芯片对障碍物信息的处理,提高避障的效率,将声呐检测的障碍物信息转化为数字信号。水下视觉系统采用深海摄像机以及深海照明灯,通过CLAHE算法对采集的水下图像进行增强处理,便于科研人员分辨水下目标信息。(3)设计一种适用于北极冰下小型巡航器的改进人工势场避障算法。为了克服传统的人工势场避障方法有引力过大、目标不可达以及局部最小等缺点,通过修改引力势场函数与斥力势场函数从而改进人工势场算法,并通过MATLAB软件对其进行了模拟和分析,观测到改进后的避障方法不会陷入局部最小并可以准确到达目标点,经过现场实验可以观察到小型巡航器能够安全稳定的躲避障碍物,达到了项目研究的预期目标。
基于改进人工势场法的路径规划方法研究
这是一篇关于智能体,路径规划,人工势场法,快速扩展随机树,兵棋推演的论文, 主要内容为在人工智能迅速发展的今天,路径搜索规划技术问题一直是一个棘手的课题,智能体如何自主地规划出一条路径,保证其可以无阻碍地从出发点顺利抵达到目的地,是其在所处环境中需要自主完成的工作,并且这条路线应该是最优或者次优的。例如,在执行自动驾驶的任务时,如果车辆没有良好的路径规划能力,轻则会延迟抵达的时间,重则会发生交通事故,造成经济损失,甚至还会威胁到生命。在对智能体进行任务管理的过程中,智能体的避障能力、执行路径规划的效率决定了其任务执行的整体效率。因此,无论是在工业、民用还是军事领域,对执行任务的智能体进行合理的路径规划都起着决定任务成败的作用。在环境中预先验证的信息已知的情况下,传统的路径规划设计算法确实能够很好地规划并输出结果路径,但是在那些未知的环境中,尤其是那些具有各种不规则阻碍物的复杂环境中,许多规划算法很快就会已经失去了它们的用处。传统方法基于不完全信息条件得出的最优路径,无法保证在信息完全的情况下依然是最优甚至是可行的,不具有应对环境变化的反应能力,缺少健壮性,不符合“智能”的要求;另一方面,传统方法在应对静态环境时,可以不考虑时间消耗等其他因素,优化出一个静态环境中的最佳路线,但是当环境动态地不断改变时,传统算法的计算效率不足以赶上环境变化的脚步,规划出的路径是脱节的,没有使用的价值。传统方法基于静态环境规划出的最优路径,有可能在实际运行途中会和障碍物产生碰撞;即使在获取到环境变化后使用传统路径规划方法进行紧急避障,也会因为死锁或低效等问题造成反应不及时,导致任务失败。不断发展的科学技术,对路径规划技术的动态性和准确性的要求不断增高,因为传统路径规划方法已经难以应对当下智能规划问题中的不断提高的复杂性和和其不断增大的应用领域。特别是在军事对抗的过程中,在动态不完全信息的环境下进行路径规划是无时无刻不存在的问题,而传统的方法难以应对这种对动态性和准确性严苛要求的挑战,在反应过来时已经作战单元很可能已经被摧毁。例如,在军事的应用中,对于静态环境的路径规划难以保证作战单元在行进途中不会遇到危险,因为进行路径规划前所获得到的环境信息通常是不完全的;同时,在行进途中如果遭遇突袭,预先规划的路线也无法帮助作战单元迅速、及时、安全地撤离,可能会造成“出师未捷身先死”的败局。经典的人工势场法(Artificial potential field,APF)是一种利用势能函数,构造虚拟的势场的方法,在虚拟的势场中,智能体被势能差驱动而本能地进行位移。具有计算量小、实时性高、规划路线轨迹平稳等优点的传统人工势场法在智能体的局部实时路线避障中被广泛应用,但其同时存在两个固有的技术缺陷:一个是局部最小值问题,另一个是目标不可达的问题。本文提出了一种引入了与智能体和移动目标的相对移动距离有关的势能调节控制因子的方法,保证了目标点始终是势场中全局势能最小点,解决了局部最小值的问题。同时,本文还提出了基于智能体运动步数和位移的检测方法和临时子目标的逃离策略,解决了因吸引力和斥力平衡所导致的目标不可达问题。此外,本文在使用人工势场法进行全局路径规划的过程中引入了快速扩展随机树(Rapidly Exploring Random Tree,RRT)方法,这是一种同时具有概率完备性和良好的收敛性能的基于随机采样的方法。通过分析算法扩展的原理,在对现有的人工势场法的改进的基础上,提出了APF-RRT这一融合了目标导向性和随机性的、能够解决上述局部极小值问题的方法。另一方面,对人工势场法的引入,降低了RRT方法的搜索空间。最后,针对兵棋推演平台提供的态势原始数据不便于直接使用的特点,本文提出了一种面向兵棋推演平台的路径规划问题求解框架,框架由三个独立的模块组成,分别负责对态势的编码、求解路径规划问题和对态势的解码,从而实现对兵棋推演平台的路径规划问题的快速求解。在该框架的基础上,本文利用兵棋推演平台将本文所提的方法和传统的路径方法进行对比,再次说明了本文所提的方法的优点。简言之,针对人工势场法潜在的死锁问题和快速扩展随机树搜索效率低下的问题,本文提出了APF-RRT融合方法,并且在兵棋推演平台上验证了所提出的APF-RRT路径规划方法,还将该方法与路径规划中常用的A*方法进行对比,验证了本文提出的方法的可行性和有效性。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:源码码头 ,原文地址:https://bishedaima.com/lunwen/55444.html