-
公开(公告)号：CN115743086A
公开(公告)日：2023-03-07
申请号：CN202211318614.5
申请日：2022-10-26
申请人： 安徽工程大学 , 芜湖锋驱动力科技有限责任公司
摘要： 本发明公开了一种具备高可靠性的增程式串联混合动力控制方法及系统包括，动力电池发生故障时，整车控制器通过控制高压配电箱将动力电池及管理系统断开；通过低压电池经双向直‑直变换器升压后获取启动发电机的电源；将所述电源接入所述高压配电箱中，重新代替常规系统进行供电，实现增程式串联混合动力控制。本发明在动力电池失效后仍可通过低压电池进行起动，不会导致整车动力中断，另外，恒压控制策略有效保证电驱动正常行驶过程中的驱动功率跟随，避免制动能量回馈引起系统过压故障。
-
公开(公告)号：CN115328161B
公开(公告)日：2024-04-26
申请号：CN202211120479.3
申请日：2022-09-15
申请人： 安徽工程大学
摘要： 本发明涉及一种基于K视界的改进蚁群算法的焊接机器人路径规划方法，S1、创建机器人工作环境地图起始点与目标点；S2、初始化节点实际视界矩阵v_matrix；S3迭代开始：S3.1、将第i只蚂蚁放至起点寻路；S3.2、根据公式(1)计算节点的选择概率，用轮盘赌法选择下一节点并移动；S3.4、若所有蚂蚁都完成寻路任务，S3.5、更新信息素浓度矩阵；S3.6、判断当代最优路径长度lb是否小于Lb，更新Lb与nodeb为当代最优解；S3.7、以nodeb节点列表为依据，用式(2)和式(3)对所有节点的实际视界进行更新；S3.6、若当前迭代次数小于最大迭代次数；S4、循环T代后输出全局最优解。视界使蚂蚁有效排除无效选项，提高算法解决问题的效率。
-
公开(公告)号：CN116205292A
公开(公告)日：2023-06-02
申请号：CN202310081103.4
申请日：2023-01-16
申请人： 安徽工程大学
IPC分类号： G06N3/126 , G06Q10/04 , G06Q10/0631 , G06Q50/04
摘要： 本发明公开一种求解柔性作业车间调度的改进遗传算法，包括：S1、算法参数初始化；S2、使用分治贪婪初始化策略生成初代染色体，S3、将随机数小于cp的个体取出作为交叉算子的父代种群，依次从该种群中取出两个染色体作为交叉父代chro1与chro2，使用改进POX算子来生成交叉子代child1与child2；S4、将随机数小于mp的个体取出作为变异算子的父代种群，将变异个体加入子代种群列表childList中；S5、将子代种群childList中的染色体并入总种群列表chroList中；S6、根据锦标赛选择法选择出下一代的父代；S7、将temp数据赋值给总种群列表chroList；输出全局最优解。本发明的有益效果是分治贪婪初始化策略初始化初代个体以保证生成较优的初始解，并提出一种最优匹配交叉方法来改进传统POX交叉算子，加速算法的收敛速度，提高算法的寻解效率。
-
公开(公告)号：CN118963333A
公开(公告)日：2024-11-15
申请号：CN202410476820.1
申请日：2024-04-19
申请人： 安徽工程大学
摘要： 本发明涉及一种基于IBA*‑DWA融合算法的机器人路径规划，包括：S1、初始化相关参数；S2、根据改进后的启发函数同时开始前向和后向搜索，从相遇点开始，提取出完整的路径；S6、从改进后双向A*算法得到的完整路径中提取出关键节点；S9、对于每个候选速度，计算机器人制动距离打分，根据机器人动态模型和避障策略，以评价函数公式评估生成的轨迹的优劣，从评估后的轨迹中选择最优轨迹作为机器人要执行的行动；S10、模拟机器人在环境中的移动更新其状态，动态更新障碍物的位置；S11、记录机器人轨迹判断是否到达终点，如果是停止仿真。本发明解决了机器人陷入局部最优无法到达终点的问题，提高路径质量，降低机器人的能耗。
-
公开(公告)号：CN116560364A
公开(公告)日：2023-08-08
申请号：CN202310505847.4
申请日：2023-05-05
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 一种基于IACO‑GA融合算法的机器人路径规划方法，S1、初始化算法相关参数；S2、根据地图数据绘制地图；S3、开始种群初始化循环；S4、算法迭代循环开始；S5、用轮盘赌法选出可行节点列表open中的一点为下一个节点，根据点到直线的距离公式判断所选节点与当前节点的连线是否经过障碍物。S6、按照适应度计算每条路径的选择概率，用轮盘赌法选择1个个体存入子代列表children中；S7、执行交叉算子；S8、执行变异算子；S9、更新种群；S10、计算最后一代种群个体的适应度，输出适应度最小的个体即最短路径。本发明提高了初始种群的质量，摆脱了交叉操作对于路径重合点的依赖性，提高交叉操作效率，算法求解速度加快。
-
公开(公告)号：CN115344050A
公开(公告)日：2022-11-15
申请号：CN202211120498.6
申请日：2022-09-15
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 本发明设计一种基于改进的聚类算法堆垛机路径规划方法，S1、初始化算法相关参数与数据；S2、根据式(1)将所有节点映射到时间域中；S3、根据式(2)计算所有出库任务相对入库任务的时间尺度距离Lt；S4、根据所得Lt数据将所有出库任务聚类于最近的聚类中心；S5、检测是否存在分配冲突的类，S6、取出一组存在冲突的类进行下述冲突消除操作；S7、计算该类中所有出库任务与其他聚类中心的Lt；S8、找到Lt结果中最小的对应出库任务节点，并分配给相应的新聚类中心，将旧聚类中心添加进该节点的禁忌表中；S9、输出聚类结果完成路径规划任务。本发明在解决堆垛机路径规划上的效果明显，规划速度明显优于穷举算法、启发式算法以及其他文献改进算法。
-
公开(公告)号：CN115328161A
公开(公告)日：2022-11-11
申请号：CN202211120479.3
申请日：2022-09-15
申请人： 安徽工程大学
IPC分类号： G05D1/02
摘要： 本发明涉及一种基于K视界的改进蚁群算法的焊接机器人路径规划方法，S1、创建机器人工作环境地图起始点与目标点；S2、初始化节点实际视界矩阵v_matrix；S3迭代开始：S3.1、将第i只蚂蚁放至起点寻路；S3.2、根据公式(1)计算节点的选择概率，用轮盘赌法选择下一节点并移动；S3.4、若所有蚂蚁都完成寻路任务，S3.5、更新信息素浓度矩阵；S3.6、判断当代最优路径长度lb是否小于Lb，更新Lb与nodeb为当代最优解；S3.7、以nodeb节点列表为依据，用式(2)和式(3)对所有节点的实际视界进行更新；S3.6、若当前迭代次数小于最大迭代次数；S4、循环T代后输出全局最优解。视界使蚂蚁有效排除无效选项，提高算法解决问题的效率。
-
公开(公告)号：CN118810783A
公开(公告)日：2024-10-22
申请号：CN202410958915.7
申请日：2024-07-17
申请人： 安徽工程大学
IPC分类号： B60W30/18 , B60W40/10 , B60W40/105 , B60W40/107 , B60W40/109 , B60W40/112 , B60W50/00 , B62D6/00 , B62D101/00 , B62D103/00 , B62D137/00
摘要： 本发明涉及车位定位技术领域，具体涉及一种后轮转向控制方法及装置，为解决现有技术采用一个执行器跟随另一个执行器的运动控制方案会导致两者存在执行周期误差，产生左右后轮转向同步误差，导致车辆的动态操控性降低的问题。该控制方法包括获取车辆信息包；判断车辆所处的运动场景；根据车辆所处的运动场景选择相应的后轮转向算法，计算输出后轮转向参数；将对输出的后轮转向参数进行数据裁决，对超过安全阈值的参数进行限制，对后轮转向与其他功能模块进行协作仲裁；将裁决后的参数发送至虚拟主执行机构；虚拟主执行机构将后轮转向参数同时发送给两个从执行器，两个从执行器执行操作。
-
公开(公告)号：CN115344050B
公开(公告)日：2024-04-26
申请号：CN202211120498.6
申请日：2022-09-15
申请人： 安徽工程大学
IPC分类号： G05D1/43
摘要： 本发明设计一种基于改进的聚类算法堆垛机路径规划方法，S1、初始化算法相关参数与数据；S2、根据式(1)将所有节点映射到时间域中；S3、根据式(2)计算所有出库任务相对入库任务的时间尺度距离Lt；S4、根据所得Lt数据将所有出库任务聚类于最近的聚类中心；S5、检测是否存在分配冲突的类，S6、取出一组存在冲突的类进行下述冲突消除操作；S7、计算该类中所有出库任务与其他聚类中心的Lt；S8、找到Lt结果中最小的对应出库任务节点，并分配给相应的新聚类中心，将旧聚类中心添加进该节点的禁忌表中；S9、输出聚类结果完成路径规划任务。本发明在解决堆垛机路径规划上的效果明显，规划速度明显优于穷举算法、启发式算法以及其他文献改进算法。
-
公开(公告)号：CN115454070B
公开(公告)日：2024-04-05
申请号：CN202211120826.2
申请日：2022-09-15
申请人： 安徽工程大学
IPC分类号： G05D1/43 , G05D1/633 , G05D1/644 , G05D1/648 , G06F18/24 , G06F18/23213 , G06N3/006 , G05D109/10
摘要： 本发明涉及一种K‑Means蚁群算法多机器人路径规划方法，S1、初始化相关参数与变量；S2、调用改进的K‑Means聚类算法进行聚类任务，S3、分别对聚类结果每一类节点使用蚁群算法进行路径规划：S3.1、将第i只蚂蚁放至起点开始寻路；S3.2、计算节点的选择概率，使用轮盘赌法选择下一节点并移动，记录所有寻路结果；S3.3、更新各节点的信息素浓度；S3.4、循环最大迭代次数T代后结束循环，输出全局最优解；S4、将每一类的路径规划结果组合并输出完成多机器人路径规划任务。仿真结果表明本发明在多机器人路径规划问题上的效果明显，能耗的均衡性较好，整体性能优于基本蚁群算法和改进的蚁群算法。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.074 秒)
