基于改进人工蜂群算法的移动机器人路径规划研究

为了进一步提升基于人工蜂群(artificial bee colony,ABC)算法机器人路径规划的科学性,文章在建立路径规划实验模型基础上在ABC算法中引入了混沌映射产生初始解和反轮盘赌机制进行并行选择,提出等距分布式并行搜索,同时在全局更新机制中引入势场作用,进而得到了一种改进人工蜂群的(improved artificial bee colony,IABC)算法。将IABC算法应用于路径规划,并利用Taguchi正交试验选取实验参数值与目标函数参数值进行基于ABC算法与IABC算法的路径规划对比实验,实验结果表明,IABC算法规划出的路径质量较佳,能够提升规划效率。     

基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题，文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界，设立虚拟目标点来摆脱局部最优，建立道路环境模型；为了根据周边环境和车辆状态进行实时规划，设计分层避撞路径规划控制器，将道路环境模型引入上层路径规划器的目标函数中，利用模型预测控制(model predictive control, MPC)的优化算法规划出局部避撞路径，再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明，该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径，保证车辆行驶的稳定性和安全性。     

基于量子粒子群算法的无人水面艇路径规划

为了获得无人水面艇航行的最优路径，提高航行的安全性和航行路径的平滑度，提出一种基于量子粒子群优化的无人水面艇路径规划算法。首先，通过引入动态控制参数来提高该算法的寻优能力和搜索精度，并由测试函数验证其可行性；然后，在航行安全的前提下，以路径长度和路径平滑度为规划目标，在不同环境下对无人水面艇进行路径规划仿真实验。仿真结果表明，该算法在路径长度、路径平滑度及路径安全性方面表现较好，能找到全局最优路径。     

FDM技术中路径规划对成型件力学性能影响

目的研究FDM技术中路径规划对于成型件力学性能影响,找出力学性能最佳的路径规划方式,分析不同路径规划成型件之间力学性能差异的原因.方法以切片软件Slicr3中直线式、同心式、蜂窝式、希尔伯特曲线式、阿基米德曲线式路径规划方式为例,使用PRUSA型串联式3D快速成型机制备不同路径规划方式的实验试样,分别对各路径规划方式的试样进行了拉伸实验和弯曲实验;建立各路径规划试样理论模型,分析理论模型内部结构差异及计算各模型的内部材料覆盖面积;最终将力学实验结果和理论模型分析结果进行对比分析.结果得出同心式路径规划的试样力学性能最佳,其抗拉强度为44. 77 MPa、拉伸断后伸长率为4. 64%,弯曲强度为69. 87 M Pa;同心式路径规划试样的理论模型内部材料覆盖面积为18. 10 mm2,大于其他4种路径规划试样.结论成型件的力学性能和路径规划有着密切的关联,而造成各路径规划成型件之间力学性能差异的原因就是其内部材料覆盖面积的不同.     

基于四叉树和改进蚁群算法的全局路径规划

为解决机器人在大范围二维平面区域内的路径规划问题,提出一种四叉树和改进蚁群算法相结合的路径规划方法.基于四叉树分解法,对路径规划的二维区域进行环境建模,在环境建模的基础上,采用改进蚁群算法进行高效的路径规划.四叉树在完整地记录环境信息的同时对环境信息进行了高效地压缩,改进蚁群算法可以规划出与障碍物保持一定安全距离的路径,提高了规划出的路径的实用性.仿真实验表明,提出的路径规划方法在执行效率和路径的实用性上取得了良好的平衡,可以高效地对大区域进行路径规划.     

基于遗传算法的水下机器人大范围路径规划

智能水下机器人（AUV）研究领域中的一个重要问题是全局路径规划，它的目标是在已知障碍物的环境中寻找一条从起始状态到达目标状态的无碰路径。提出一种分层遗传算法来解决大范围海洋环境下AUV的路径规划问题。详细介绍了算法的实现，并进行了仿真实验，仿真结果证明了该算法的有效性。     

基于混合蛙跳算法的层次化群体路径规划

在复杂的群体运动场景中,传统路径规划方法具有计算量大、耗时长、效果生硬等缺点。为此笔者提出了一种层次化路径规划方法,将群体路径规划问题分为两个层次,在底层使用A*算法进行全局路径搜索,规划出一条从起始点到目标点的全局最优路径,使群智能算法进行上层局部路径规划时只考虑上层粒子间的碰撞;在上层采用混合蛙跳算法并结合多线程技术进行个体路径的动态规划。仿真实验结果表明：所提出的方法有效降低了群体路径规划中的算法复杂度和时间复杂度,在较为复杂场景下能够逼真和高效地进行群体运动仿真。     

面向城市超低空物流场景的最小风险路径规划算法

随着城市超低空物流运输场景的迅速发展,无人机路径规划的安全性显得尤为重要,针对现有路径规划算法无法满足超低空物流运输无人机在密集障碍物场景下进行安全轨迹规划的问题,本文基于A*算法,将三维环境依据飞行高度划分为多个高度层,以规划风险最小轨迹为目标,从时间、风险两个维度对A*算法的成本估计函数进行重构,从而提出面向城市超低空物流场景的最小危险路径规划算法。仿真实验一表明,本文提出的最小风险路径规划算法在3种不同城市场景,15种不同运行环境中,相比于传统轨迹规划算法,规划得到的路径安全距离平均增加60%,安全性显著提高;本文也将该算法应用于多无人机多高度层的复杂城市场景中,实验结果表明,本文提出的最小风险路径规划算法在兼顾航程的同时可以为多架无人机规划安全性更高的路径;在实验三中运用蒙特卡洛法证明本文算法在路径规划算法中的可靠性与鲁棒性,为城市超低空物流场景提供了安全性更高的路径规划方法。     

基于改进A~*算法的室内移动机器人路径规划

针对移动机器人在室内定位的特点,在结构化环境下,开发了机器人路径规划系统。在阐述了全局地图构建方法基础上,根据移动机器人的实际运行环境采用栅格法构建了环境地图。利用A*算法进行初步路径规划,其不足之处是路径规划数据中包含了所有规划点的坐标,冗余点较多,且移动机器人无法在拐点处调整自身姿态。针对这些不足,提出了能够计算出拐点、旋转方向及旋转最小角度的A*路径规划改进算法并进行了实验。移动机器人定位实验结果表明:利用改进后的A*路径规划算法不仅简化了路径,而且在拐点处移动机器人能够调整自身姿态,可以较好地满足室内移动机器人全自主运动的要求。     

一种基于遗传算法的机器人加工路径规划方法

针对传统机器人加工路径规划采用示教再现方法很难适应复杂变化任务的问题 ,提出了基于遗传算法的路径规划方法 ,研究了遗传算法中的编码方式、交叉算子和变异算子的改进方法 .仿真实验表明 ,采用遗传算法进行机器人加工路径规划是可行的和有效的 .     

基于运动微分约束的机器人纵横向路径规划研究

传统机器人路径规划方法未解决机器人和局部路径连接处的运动微分约束问题;且可选路径均为近似结果,影响路径规划结果。为此,提出基于运动微分约束的机器人纵横向路径规划方法。利用微分约束设计纵横向协同三层规划方法,在进行局部规划的过程中,依据运动微分方程形成一段时间内的可行路径;在运动微分约束下,采用机器人与障碍物间的相对距离以及相对速度规划策略实现纵向规划,引入预瞄思想实现横向规划。按照纵横向规划结果及全局路径曲率设计纵横向综合控制器,使机器人实际运行路径与规划路径相同,以此实现机器人在复杂环境中的整体规划。实验结果表明,所提方法能够避开障碍物,规划路径短,机器人运行路径和规划路径偏差小。     

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划, 提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法. 首先, 建立差速驱动机器人运动模型, 用于操控左右两个驱动轮线速率, 完成机器人转弯及非匀速运动; 其次, 利用Bézier曲线描述路径状态, 将路径规划问题转换为产生Bézier曲线有限点方位优化问题, 提升机器人的运动平滑性; 最后, 引入遗传算法将二维路径编码简化为一维编码问题, 将路边约束、 动态避障需求及最短路径需求混合成适应度函数, 使机器人尽快脱离局部极小解, 成功绕过障碍物抵达目标点. 仿真实验结果表明, 该方法的避障路径规划效果较好, 避障路径距离为30.19 m, 且避障用时低于对比方法, 最长避障用时为5.3 min.     

地图加权遗传算法的油井自动巡检机器人路径规划

针对油井巡检机器人与障碍物的接触率高,造成设备故障率高增加石油生产成本问题,提出基于地图加权的遗传算法。首先将地图进行栅格化,建立栅格地图模型,并进行加权设置。其次引入遗传算法模型进行路径规划,将每次路径规划结果存入染色体中并计算路径长度,最后筛选最大权值中的路径最短染色体,并绘制路线。在参数设定相同的条件下,采用基于地图加权的遗传算法、经典遗传算法进行比对实验,仿真结果表明,基于地图加权的遗传算法优先选择了不靠近障碍物的栅格的情况下完成了路径规划任务,机器人与障碍物的接触率下降了74.91%,时间和路程仅增加0.3179 s与32%。     

动态环境中基于遗传算法的机器人路径规划

为解决动态环境中足球机器人的路径规划问题,采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,建立了以路径最短、避障为优化目标的遗传算法个体评价函数.采用轮盘赌选择、重合点交叉、多种变异结合等方法完成了遗传操作.针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了复原操作和重构操作,使改进后的遗传算法收敛于全局最优.仿真结果表明:该算法能够成功地在动态环境里规划出一条近似最优的路径,算法是有效的     

个体机器人局部路径规划的人工力矩方法

针对个体机器人的局部路径规划问题,定义了最优路径代表点、危墙代表点等概念,以优化路径和避障.设计了吸引矩、排斥矩两种人工力矩函数,其中吸引矩常使机器人的基本运动方向线(PMDline)指向最优路径代表点而排斥矩则总使机器人的PMDline背向相应的危墙代表点.基于两种人工力矩,设计了机器人运动控制器.在机器人通向目标的路径被障碍阻断时,该控制器总使机器人沿其PMDline以最大步幅运动,所以无论环境多复杂,机器人也不会停止运动,即不会被陷住.还给出了最优路径代表点的求解算法、局部路径规划的一般步骤及一个仿真.仿真结果表明,给出的方法是可行且有效的.     

基于行为的多自由度机器人运动规划

提出了一种有效的基于行为的多关节机械手的运动规划。该规划将低级的运动规划和高级的行为决策结合在一起，在将位于机器人工作空间中的障碍物快速映射到姿态空间中的算法基础上，通过传感信息来计算局部障碍物的信息，从而形成姿态空间中障碍物的模型。定义了几种类型的行为来描述机械手的运动，并给出了选择行为的规则。而这些行为都是用基于姿态空间的算法可实现的。该方法适于多关节机器人在非确定环境中实时规划的要求。     

基于椭圆建模和NLP算法的移动机器人路径规划研究

针对移动机器人在未知环境中探测和规避障碍物困难等问题,提出一种基于椭圆建模和自然语言处理(nataral language processing,NLP)算法的移动机器人路径规划方法。首先将激光采集的点信息进行分类和最小椭圆包围,建立障碍物的椭圆模型并估算出障碍物的速度。然后采用NLP算法,把移动机器人在未知环境中的路径规划问题,描述成了满足一组非线性约束和目标函数最小的非线性规划问题,从而实现复杂未知环境下机器人的路径规划。最后进行物理与仿真实验,验证了该方法的有效性。     

基于改进萤火虫算法与动态窗口法融合的移动机器人动态路径规划

针对传统萤火虫算法无法有效躲避未知障碍物、收敛速度慢、易陷入局部最优等问题,对其进行了改进,并将其与动态窗口法相结合,从而提出了一种移动机器人动态路径规划新算法。通过三种策略对萤火虫算法进行了改进：首先,采用Skew Tent混沌映射产生混沌序列对萤火虫种群进行初始化,提高萤火虫算法的全局收敛速度;其次,引入自适应步长平衡萤火虫算法全局和局部最优;最后采用差分进化算法通过变异、交叉和选择操作加强萤火虫算法的搜索能力。然后将改进萤火虫算法与动态窗口法相结合,使移动机器人在全局最优路径的基础上进行实时动态路径规划,在能保证全局最优路径的基础上有效躲避未知障碍物。本文基于MATLAB进行了仿真,仿真结果验证了所提算法的有效性。     

基于超声的非完整移动机器人避障控制

介绍了路径规划的发展状况,并对非完整移动机器人的模型进行了讨论.为实现非完整移动机器人的自主避障,给出了移动机器人的超声定位结构,并提出一种基于超声避障的控制策略,对不同方向上的障碍作不同的考虑,突出正前方的障碍.将避障策略应用于实验平台,结果表明,移动机器人能在布满障碍的环境中有效实现避碰.     

已知环境下一种高效全覆盖路径规划算法

提出一种基于栅格表示的非结构化环境下移动机器人的高效全覆盖路径规划算法.移动机器人采取内螺旋算法从起始点进行覆盖,当陷入覆盖死角时,采用野火法搜索周边离它最近的未覆盖点,找到后按A*算法规划出一条路径到达新的覆盖起点,直到全部覆盖为止.仿真结果表明该算法的覆盖率达到100％,重复率较其他算法低.而且从理论上进一步证明了...