一个混合循环神经网络和优化框架,用于智能移动机器人导航,用于智能制造
1Department of Computer Science and Engineering, Dr Mahalingam College of Engineering and Technology, Pollachi, Tamilnadu, India. radhacse.dpm@gmail.com.
Scientific reports
|November 26, 2025
概括
本研究介绍了智能制造中的移动机器人的智能导航系统. 它使用混合优化算法,在动态环境中实现高效,无碰撞的路径规划.
科学领域:
- 机器人和自动化 机器人和自动化
- 智能制造系统是一个智能制造系统.
- 工业应用中的人工智能
背景情况:
- 智能制造整合了自动化和数字化,以提高生产率.
- 移动机器人需要用于动态工业环境的先进导航系统.
- 协调人机交互是现代生产的关键.
研究的目的:
- 为移动机器人开发一个多目标的最佳导航系统.
- 为了提高路径规划效率和在动态设置中避免碰撞.
- 为了利用混合优化算法来实现卓越的机器人导航.
主要方法:
- 修改的动物迁移优化 (MAMO) 算法用于动态障碍数据和避免碰撞.
- 从可行的路径中进行深度特征提取.
- 混沌虫搜索 (CLS) 算法用于识别多个潜在路径.
- 使用循环神经网络 (HS-RNN) 进行超立方体搜索,以进行最佳路径选择和删除冗余.
主要成果:
- 拟议的系统在最佳路径生成方面表现出卓越的性能.
- 在动态环境中实现了有效的避免碰撞.
- 混合优化方法完善了路径规划过程.
结论:
- 开发的导航系统对动态工业环境中的移动机器人非常有效.
- 整合MAMO,CLS和HS-RNN算法为智能制造提供了一个强大的解决方案.
- 该系统验证了先进的人工智能技术在优化机器人导航和运营效率方面的有效性.


