-
题名遗传算法在机器人路径规划中的研究综述
被引量：60
- 1
-
-
作者
李少波
宋启松
李志昂
张星星
柘龙炫
-
机构
贵州大学机械工程学院
-
出处
《科学技术与工程》
北大核心
2020年第2期423-431,共9页
-
基金
国家自然科学基金(9174620016)
国家智能制造新模式应用项目(工信厅装函[2017]468号,工信厅装函[2016]213号)。
-
文摘
遗传算法(genetic algorithm,GA)是一种在机器人路径规划中应用最广泛的智能算法。近年来,机器人路径规划问题是各行业实践应用的热点问题。在分析GA优缺点的基础上,对GA在机器人路径规划应用领域进行深入调查,论述了现阶段国内外各领域发展现状,并阐述了现阶段存在的技术难点。最后对GA在机器人路径规划的发展趋势进行了展望。
-
关键词
遗传算法
机器人
路径规划
应用领域
-
Keywords
genetic algorithm
robot
path planning
application field
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于RBF神经网络的六自由度机械臂轨迹优化
被引量：10
- 2
-
-
作者
柘龙炫
李少波
张星星
宋启松
-
机构
贵州大学机械工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2021年第6期17-20,共4页
-
基金
国家科技创新2030-重大项目(2018AAA0101803)
贵州省科技计划项目(黔科合人才[2015]4011,黔科合平台人才[2016]5103,黔科合重大专项字[2019]3003,黔教合KY字[2020]005)。
-
文摘
为了降低机械臂运动轨迹偏差、提高精确度,设计了六自由度机械臂模型并对末端执行器进行运动轨迹规划。从运动学出发建立机械臂的连杆坐标系并获得D-H参数,通过机械臂运动学公式求解得末端执行器位置和姿态;借助MATLAB中的神经网络工具箱设计RBF神经网络,利用轨迹离散转化得到的离散点训练RBF神经网络。仿真结果表明,采用RBF神经网络优划后得到的运动轨迹为平滑曲线、且在各坐标轴的趋近误差均低于±0.4 mm,降低了趋近误差,实现了机械臂在笛卡尔空间的轨迹优划。实验结果达到了预期效果,表明此次轨迹优化的合理性。对机械臂应用于生产中具有一定的指导意义。
-
关键词
六自由度机械臂
轨迹规划
RBF神经网络
-
Keywords
six-degree-of-freedom manipulator
trajectory planning
RBF neural network
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进遗传算法的自动导引小车路径规划
被引量：22
- 3
-
-
作者
宋启松
李少波
柘龙炫
李志昂
张星星
-
机构
贵州大学机械工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2020年第7期88-92,共5页
-
基金
国家智能制造新模式应用项目(工信厅装函[2017]468号)
贵州省科技计划项目(黔科合人才[2015]4011、黔科合平台人才[2016]5103、黔科合平台人才[2017]5788)。
-
文摘
为提高自动导引小车(AGV)在复杂码头环境下路径规划性能,对AGV路径规划中耗时较长和路径较长问题进行研究,提出了一种改进遗传算法。首先引入平滑的适应度函数来光滑和缩短路径;其次,用改进单点交叉方式和多向变异方式来增加种群多样性,避免陷入局部最优;最后对复杂码头环境进行二维和三维建模,并在此基础上对改进遗传算法、蚁群算法、快速扩展随机树算法和A~*算法进行静态和动态仿真。结果表明,该文提出的改进遗传算法与其他算法相比,路径长度最短;迭代次数最少;平均运行时间最短;可见改进后的遗传算法可使AGV在复杂码头环境下快速寻优和安全避障。
-
关键词
改进遗传算法
自动导引小车
路径规划
机器人操作系统
-
Keywords
improved genetic algorithm
automatic guided vehicle
path planning
robot operating system
-
分类号
TH166
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
-
题名基于机器学习算法的滚动轴承故障诊断研究
被引量：19
- 4
-
-
作者
张星星
李少波
柘龙炫
胡建军
宋启松
李志昂
-
机构
贵州大学机械工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2020年第7期36-39,44,共5页
-
基金
国家自然科学基金资助项目(51475097,91746116)
工信部资助项目(工信部联装[2016]213号)
贵州省科技计划项目(黔科合人才[2015]4011、黔科合平台人才[2016]5103、黔教合协同创新字[2015]02)。
-
文摘
为了解决滚动轴承故障诊断过程中特征提取困难以及数据处理缓慢等主要问题,提出了基于5种机器学习算法且仅需提取4种简单特征的滚动轴承故障诊断方法。首先,对不同故障类型的滚动轴承振动信号的时域信号进行了分析,并提取时域信号的4种简单特征输入到分类模型,然后,采用机器学习算法对滚动轴承进行故障分类与诊断。实验结果表明,与传统的轴承故障诊断方法相比,用机器学习方法对轴承进行故障诊断更简单且具有更好的诊断效果。研究内容为以后用机器学习分类算法来研究轴承的故障诊断问题提供了参考。
-
关键词
滚动轴承
故障诊断
机器学习算法
-
Keywords
rolling bearing
fault diagnosis
machine learning algorithm
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
