-
公开(公告)号：CN110703768B
公开(公告)日：2021-07-13
申请号：CN201911086247.9
申请日：2019-11-08
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明涉及一种改进型动态RRT*的移动机器人运动规划方法。该方法剔除了原RRT*算法中所有的碰撞检测，通过在代价函数中增加碰撞风险评估分量的方法控制代价函数值。当采样点或边与障碍物发生碰撞时，该分量将显著增大，促使代价函数值同步显著增大，抑制了发生碰撞的点和边继续扩张的可能性，从而使算法具有避障的能力。因本发明方法没有碰撞检测，在移动机器人运动规划问题上比RRT*算法收敛的速度更快，效率更高，在越复杂的环境中优势越突出。
-
公开(公告)号：CN110703768A
公开(公告)日：2020-01-17
申请号：CN201911086247.9
申请日：2019-11-08
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明涉及一种改进型动态RRT*的移动机器人运动规划方法。该方法剔除了原RRT*算法中所有的碰撞检测，通过在代价函数中增加碰撞风险评估分量的方法控制代价函数值。当采样点或边与障碍物发生碰撞时，该分量将显著增大，促使代价函数值同步显著增大，抑制了发生碰撞的点和边继续扩张的可能性，从而使算法具有避障的能力。因本发明方法没有碰撞检测，在移动机器人运动规划问题上比RRT*算法收敛的速度更快，效率更高，在越复杂的环境中优势越突出。
-
公开(公告)号：CN112286202B
公开(公告)日：2021-07-27
申请号：CN202011251462.2
申请日：2020-11-11
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明提出一种非均匀采样FMT*的移动机器人路径规划方法，包括如下步骤：步骤S1、地图初始化；步骤S2、建立广义Voronoi图，即GVG；步骤S3、寻找初始化路径并实现最优路径与初始路径同伦；步骤S4、安全隧道建立；步骤S5、非均匀采样；步骤S6、构造采样集合、探索集合、已探索集合；步骤S7、搜索采样集合的节点，组成集合；步骤S8、探索中点组成集合；步骤S9、计算所有点到点的代价，实现算法的渐进最优；步骤S10、判断与是否有障碍物并针对结果进行处理；步骤S11、将所需的Z从放入；步骤S12、若Z是是目标点则返回路径解，若否则返回步骤S7继续；步骤S13、机器人对可行路径解进行处理；本发明算法收敛速度快于FMT*，能快速得到最优解，在单查询规划中具有优势。
-
公开(公告)号：CN111723445A
公开(公告)日：2020-09-29
申请号：CN202010570810.6
申请日：2020-06-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于MMPSO算法的作业型飞行机器人逆解求取方法，首先，采用分离式的方法，对作业型飞行机器人的机械臂进行独立运动学建模，得到其正运动学齐次变换矩阵，设定目标点位置，确定适应度函数；然后，计算初始种群的个体适应度值，获得个体最优值和全局最优值；接着，设置适应度阈值划分种群，引入突变机制对某一粒子进行突变，对最差粒子进行取舍；使用随迭代次数而动态变化的惯性权重及学习因子，更新粒子群的位置和速度，计算更新后粒子的适应度函数；最后，根据适应度判断是否满足终止条件。本发明能够保持迭代中粒子的多样性，防止早熟和局部最优，维持了算法在寻优中在探索性和开发性寻优能力之间良好的平衡，提高了收敛速度。
-
公开(公告)号：CN111723445B
公开(公告)日：2022-08-09
申请号：CN202010570810.6
申请日：2020-06-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于MMPSO算法的作业型飞行机器人逆解求取方法，首先，采用分离式的方法，对作业型飞行机器人的机械臂进行独立运动学建模，得到其正运动学齐次变换矩阵，设定目标点位置，确定适应度函数；然后，计算初始种群的个体适应度值，获得个体最优值和全局最优值；接着，设置适应度阈值划分种群，引入突变机制对某一粒子进行突变，对最差粒子进行取舍；使用随迭代次数而动态变化的惯性权重及学习因子，更新粒子群的位置和速度，计算更新后粒子的适应度函数；最后，根据适应度判断是否满足终止条件。本发明能够保持迭代中粒子的多样性，防止早熟和局部最优，维持了算法在寻优中在探索性和开发性寻优能力之间良好的平衡，提高了收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN112286202A
公开(公告)日：2021-01-29
申请号：CN202011251462.2
申请日：2020-11-11
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明提出一种非均匀采样FMT*的移动机器人路径规划方法，包括如下步骤：步骤S1、地图初始化；步骤S2、建立广义Voronoi图，即GVG；步骤S3、寻找初始化路径并实现最优路径与初始路径同伦；步骤S4、安全隧道建立；步骤S5、非均匀采样；步骤S6、构造采样集合 、探索集合 、已探索集合 ；步骤S7、搜索采样集合 的节点，组成集合 ；步骤S8、探索 中点组成集合 ；步骤S9、计算所有点 到点 的代价，实现算法的渐进最优；步骤S10、判断 与 是否有障碍物并针对结果进行处理；步骤S11、将所需的Z从放入 ；步骤S12、若Z是是目标点则返回路径解，若否则返回步骤S7继续；步骤S13、机器人对可行路径解进行处理；本发明算法收敛速度快于FMT*，能快速得到最优解，在单查询规划中具有优势。
-
公开(公告)号：CN108326833A
公开(公告)日：2018-07-27
申请号：CN201810330382.2
申请日：2018-04-13
Applicant: 福州大学
Abstract: 本发明涉及一种超冗余柔性机械臂及其使用方法，该机械臂包括自上而下依次连接并由柔性材料制成的第一节活动臂、第二节活动臂和第三节活动臂，所述第一节活动臂、第二节活动臂和第三节活动臂分别由三个互成120°并可分别独立控制运动的气腔组成，位于第三节活动臂的下端设置有用于夹取物品的末端执行机构，位于第一节活动臂的上端还设置有用于分别驱动各个气腔及末端执行机构的动力机构。结构紧凑，具有高灵活性，并可变形性可在狭小的空间内完成复杂的任务。
-
公开(公告)号：CN108326833B
公开(公告)日：2023-04-18
申请号：CN201810330382.2
申请日：2018-04-13
Applicant: 福州大学
Abstract: 本发明涉及一种超冗余柔性机械臂及其使用方法，该机械臂包括自上而下依次连接并由柔性材料制成的第一节活动臂、第二节活动臂和第三节活动臂，所述第一节活动臂、第二节活动臂和第三节活动臂分别由三个互成120°并可分别独立控制运动的气腔组成，位于第三节活动臂的下端设置有用于夹取物品的末端执行机构，位于第一节活动臂的上端还设置有用于分别驱动各个气腔及末端执行机构的动力机构。结构紧凑，具有高灵活性，并可变形性可在狭小的空间内完成复杂的任务。
-
公开(公告)号：CN112356031B
公开(公告)日：2022-04-01
申请号：CN202011220903.2
申请日：2020-11-11
Applicant: 福州大学
IPC: B25J9/16
Abstract: 本发明提出一种基于Kernel采样策略在不确定性环境下的在线规划方法，用于对机器人执行任务时的规划，在该不确定性环境中，表示为POMDP模型的不确定性是制约机器人可靠运行的主因；所述POMDP模型中，机器人可观测自身的部分状态，机器人通过不断的与环境进行交互来获得回报最大的策略；在所述在线规划方法中，处理可观测部分时，把机器人的状态表示为一个信念，记为belief，其属于一个状态的集合，以POMDP算法通过构建信念树的方式执行前向搜索，以此来获得当前信念下的最优策略；所述信念树的每一个节点代表一个信念，父节点与子节点通过行为‑观测分支连接；所述POMDP算法是在线POMDP规划算法Kernel‑DESPOT；本发明算法性能优于DESPOT和POMCP，在收敛速度以及质量上具有优势。
-
公开(公告)号：CN112356031A
公开(公告)日：2021-02-12
申请号：CN202011220903.2
申请日：2020-11-11
Applicant: 福州大学
IPC: B25J9/16
Abstract: 本发明提出一种基于Kernel采样策略在不确定性环境下的在线规划方法，用于对机器人执行任务时的规划，在该不确定性环境中，表示为POMDP模型的不确定性是制约机器人可靠运行的主因；所述POMDP模型中，机器人可观测自身的部分状态，机器人通过不断的与环境进行交互来获得回报最大的策略；在所述在线规划方法中，处理可观测部分时，把机器人的状态表示为一个信念，记为belief，其属于一个状态的集合，以POMDP算法通过构建信念树的方式执行前向搜索，以此来获得当前信念下的最优策略；所述信念树的每一个节点代表一个信念，父节点与子节点通过行为‑观测分支连接；所述POMDP算法是在线POMDP规划算法Kernel‑DESPOT；本发明算法性能优于DESPOT和POMCP，在收敛速度以及质量上具有优势。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.033 seconds)
