为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine...为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine Optimizer,CPO)的机械臂路径规划方法。通过引入动态种群收缩策略,在迭代过程中缩减种群规模,减少计算成本,使用末位淘汰机制及对算法结构改良提升全局寻优能力,增加个体多样性,并引入动态调整因子λ_t改进第一防御策略,平衡算法在不同阶段的探索与优化比例。通过Lindenmayer系统及UR5机械臂构建茶叶采摘仿真场景,进行仿真路径规划实验。在10个不同环境中,改进CPO算法相比原算法,平均计算时间减少4.7%,平均路径长度缩短0.78%;与灰狼优化(Grey Wolf Optimizer,GWO)、蜣螂优化(Dung Beetle Optimizer,DBO)、快速扩展随机树(Rapidly-exploring Random Trees,RRT)等算法相比,平均耗时相较GWO、DBO分别下降25%、24%,路径长度相较RRT算法减少23%、平均规划成功率高28%。改进CPO算法相较其他算法耗时更短,同时具有更好的路径质量及规划成功率,验证了其在茶叶采摘机械臂路径规划问题上的实用价值。展开更多
为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰...为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰撞检测验证路径的可行性。改进的RRT算法采用基于概率的控制机制来优化随机点生成策略,结合路径平滑算法减少路径节点,同时引入三维碰撞检测技术以确保路径的有效性和安全性。试验结果表明:该方法在二维和三维复杂场景中均能显著提升路径规划效率,成功率和路径平滑性明显优于传统算法。研究成果可为冗余机械臂在复杂环境中的路径规划提供高效、可靠的解决方案,有助于进一步提升其在实际应用中的稳定性和适用性。展开更多
文摘为了同时优化质子交换膜燃料电池(proton exchange membrane fuel cells,PEMFC)系统的效率和输出功率,文章首先建立PEMFC系统的机理模型,并分析系统效率和输出功率特性;其次针对传统灰狼算法(grey wolf optimizer,GWO)的初始化种群不均匀和易出现早熟收敛的问题,引入佳点集种群初始化策略和非线性收敛因子策略,并由此提出一种改进多目标灰狼优化算法(multi-objective grey wolf optimizer,MOGWO),有效改善了灰狼算法的搜索精度和收敛性能;然后针对改进多目标灰狼优化算法求得的Pareto最优解集,使用TOPSIS评价法得出逼近理想解的最佳解,确定PEMFC系统的最佳运行条件;最后对所提出的MOGWO算法进行仿真验证,结果表明该算法能够有效提高PEMFC系统在实际运行中的输出功率和系统效率。
文摘为推动名优茶叶采摘自动化,茶叶采摘机械臂快速、高质量路径规划是实现高效采摘的关键。针对传统群智能优化算法在茶园复杂环境及约束条件下存在的路径质量差、算法耗时长及规划不稳定等问题。提出一种改进豪猪优化器(Crested Porcupine Optimizer,CPO)的机械臂路径规划方法。通过引入动态种群收缩策略,在迭代过程中缩减种群规模,减少计算成本,使用末位淘汰机制及对算法结构改良提升全局寻优能力,增加个体多样性,并引入动态调整因子λ_t改进第一防御策略,平衡算法在不同阶段的探索与优化比例。通过Lindenmayer系统及UR5机械臂构建茶叶采摘仿真场景,进行仿真路径规划实验。在10个不同环境中,改进CPO算法相比原算法,平均计算时间减少4.7%,平均路径长度缩短0.78%;与灰狼优化(Grey Wolf Optimizer,GWO)、蜣螂优化(Dung Beetle Optimizer,DBO)、快速扩展随机树(Rapidly-exploring Random Trees,RRT)等算法相比,平均耗时相较GWO、DBO分别下降25%、24%,路径长度相较RRT算法减少23%、平均规划成功率高28%。改进CPO算法相较其他算法耗时更短,同时具有更好的路径质量及规划成功率,验证了其在茶叶采摘机械臂路径规划问题上的实用价值。
文摘为了解决冗余机械臂在复杂环境中的路径规划和避障问题,提出一种基于改进快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法与三维碰撞检测的高效路径规划方法。利用改进算法生成无碰撞的平滑路径,对机器人姿态进行求解,并通过碰撞检测验证路径的可行性。改进的RRT算法采用基于概率的控制机制来优化随机点生成策略,结合路径平滑算法减少路径节点,同时引入三维碰撞检测技术以确保路径的有效性和安全性。试验结果表明:该方法在二维和三维复杂场景中均能显著提升路径规划效率,成功率和路径平滑性明显优于传统算法。研究成果可为冗余机械臂在复杂环境中的路径规划提供高效、可靠的解决方案,有助于进一步提升其在实际应用中的稳定性和适用性。
