可变洋流环境中自主水下航行器动态路径规划的改进QPSO算法

为更好地完成水下探测任务,提升潜行效率,本文提出了自主水下航行器(autonomous underwater vehicle,AUV)在可变洋流中的全局路径规划方法.首先,识别潜行区域地形与静态障碍物,建立以三维空间路径最短与路径平滑度最大为约束的多目标函数,利用提出的改进QPSO算法求解,生成初始路径;其次,考虑水下环境中不确定障碍物的存在和时变洋流的干扰,将动态障碍物信息更新在控制图上,用高斯噪声对洋流速度进行估计,确保AUV实现动态躲避与适应洋流变化以输出稳定的速度;最后,建立观测与惩罚函数来实时调整初始路径,得到更为科学合理的潜行路径.仿真结果表明,本文提出的全局规划方法求解的路径能使AUV潜行更加平稳与安全,使其具有更好的自主能力;所提改进算法与常规算法对比,改进的QPSO算法求解多目标离散问题所得解的精度与质量更好.     

基于冲突搜索算法的多机器人路径规划

针对冲突搜索法（conflict-based search,CBS）在多机器人路径规划（multi-agent path finding,MAPF）过程中规划路径过长、单向搜索运行时间长等缺陷,从搜索方向和搜索方式提出一种改进的双向A*焦点搜索来优化冲突搜索算法。将次优因子ω引入冲突搜索算法的底层搜索函数中,以提高路径搜索的效率;将冲突搜索算法中的单向搜索优化为双向A*搜索。实验结果表明：改进的冲突搜索算法的路径成本缩短了14.82%,总运行时间缩短了10.63%。     

基于HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性.针时这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法.算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点.当发生下降阻碍时,则仅对需要的范围传播权值变更信息.算法适用于大范围的时变环境,并具有良好的收敛性.仿真实验验证了算法可行性和正确性.     

基于改进单元分解法的全覆盖路径规划

传统的单元分解法在静态已知环境中进行全覆盖路径规划时，若障碍物分布不规则或具有较多的凹形障碍物，则所得的单元数量较多，这导致最终路径易出现较多的冗余和不必要的转向。首先，将栅格地图分解为若干个路径片段，每个路径片段由位于同一行且左右相邻的栅格组成；然后，合并这些路径片段以生成单元；再基于贪心算法和拓扑地图三次求解单元间的遍历顺序，合并减少了单元数量，并对局部路径进行了优化，最终完成遍历路径的规划。仿真结果验证了所提算法的有效性，且规划的路径具有更少的冗余和转向次数。     

移动机器人在线路径规划算法研究

主要讨论了不确定环境下移动机器人运动路径的在线规划算法。在此方法中 ,预定目标被定为吸引子 ,而障碍物被定为排斥子。这样 ,路径规划就转换为应用牛顿定理进行迭代计算。该算法简便 ,实时性强 ,能自动地适应工作环境中障碍物的位置变化和随机出现 ,使机器人准确避开障碍 ,安全到达目的地。实验结果表明 ,此算法效果良好。     

一种三维虚拟场景自动漫游的快速路径规划算法

针对三维虚拟场景自动漫游的路径规划问题,提出了一种快速路径规划算法：橡皮筋算法。首先,介绍了基于栅格的环境信息表示,场景中的障碍物在场景投影图矩阵中以不同的颜色值表示并求得其绕障包围路线,在此基础上来求得局部避障路径,生成基本路径后用橡皮筋算法进行优化处理,求得从起始点到结束点的一条最优路径。该算法可用于复杂形体和运动物体的实时避障,且具有稳定性好、求解实际问题效率高的特点。     

双臂空间机器人的通用运动学路径规划算法

提出了一种基于通用运动学模型的双臂空间机器人在自由浮游状态下捕捉目标并避免碰撞障碍物的路径规划算法。过去的双臂空间机器人路径规划问题主要研究双臂的避碰问题 ,而忽略了机器人本体的避碰问题。实际上 ,当机械臂运动时 ,机器人本体也在相对运动 ,这个相对运动随机械臂质量与本体质量之比的增大而增大。利用通用运动学模型计算出双臂空间机器人的各点 (包括本体 )的速度 ,并在路径规划过程中根据机器人本体的速度计算出本体平动的距离 ,克服这个平动来避免与障碍物碰撞。最后 ,通过路径规划算法的计算机仿真结果证明了所提出路径规划算法的可行性     

多无人机3D侦察路径规划

针对现有路径规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪,而导致规划路径不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题。首先,提出将侦察区域重要性作为必要优化指标,与无人机能耗和飞行风险值等7个优化指标加权联合,构成路径优化过程中评估生成路径的多目标效用函数,从而使得规划路径可以反映侦察区域优先级特性。然后,提出了基于事件检测的侦察区域重要性值更新机制以提升路径规划方案对动态环境的适应性。最后,采用粒子群算法求解最优路径。仿真结果表明,利用所提路径规划方案生成的侦察路径能最大限度优先覆盖重要侦察区域,并且所提更新机制能够跟踪侦察区域中发生的新事件。     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

基于深度学习的机器人局部路径规划方法

为了将视觉信息融入到机器人导航过程中,提高机器人对各类障碍物的识别率,减少危险事件的发生,设计了基于二维CNN及LSTM的局部路径规划网络。提出了基于深度学习的局部路径规划方案。利用机器人视觉信息及全局路径信息推理产生机器人在当前时刻完成避障导航任务所需转向角度;搭建了用于对规划器核心神经网络进行训练和验证的室内场景;提出了以路径总长度、平均曲率变化率及机器人与障碍物之间的距离为性能指标的路径评估方案。实验表明：该方案在仿真环境及真实场景中均体现了较优秀的局部路径生成能力。     

基于双向汇聚引导蚁群算法的机器人路径规划

路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

基于改进蚁群算法的建筑火灾疏散路径规划研究

针对综合建筑火灾中人员疏散路径动态规划问题,以待疏散人员所需逃生时间最短为目标,考虑火灾产物和人群密度对人员逃生速度的影响,构建基于改进蚁群算法的人员疏散路径规划模型。建立由障碍物顶点栅格构成的疏散网络数据模型,改进蚁群算法的启发函数、死锁处理策略,引入烟花算法中的爆炸算子优化蚂蚁路径,以某综合建筑为例进行仿真实验。结果表明：该模型不仅能够避免疏散路径经过危险区域,还可根据建筑环境状况和人员分布情况实时调整疏散路径,提高了人员疏散路径安全性。     

基于改进鲸鱼优化算法的AUV三维路径规划

自主水下机器人(autonomous underwater vehicle, AUV)已成为不同领域多种水下作业最有效的装备之一。针对其全局路径规划问题，提出了一种基于改进鲸鱼优化算法的求解方法。首先对于建模问题，在环境模型中，鉴于三维空间中设置路径点的复杂性，给出了基于连接型快速扩展随机树(connected rapidly-exploring random tree, RRT-Connect)的建模方法；在数学优化模型中，综合了路径平滑度、下潜梯度和航行时间等3项评价准则，并考虑了强海流及障碍物带来的相关约束。然后针对上述模型，提出了一种改进的鲸鱼优化算法。引入了基于问题连接结构的优化思想，据此在线构建了关键子集族和有效子集族，用于实时发现关键度和有效度较高的连接集，并增大其重复利用率，以提高算法的收敛速度和精度。此外，为更全面有效地利用历史进化信息，设计了多学习集构造个体引领者及联合引导策略，以进一步增强算法的整体性能。最后根据实际海底地形信息和不同海流模型，设置了多种路径规划情形进行仿真实验。结果表明，相对于文献中其他鲸鱼优化算法和经典算法，所提算法在求解精度、收敛速度和稳定性...     

一种自主水下航行器路径规划算法

提出了一种自主水下航行器穿越雷区的路径规划算法。将路径规划分为全局路径规划和局部路径规划两个部分,建立了水雷分布的Voronoi图,采用遗传算法规划出初步的全局最优路径。自主水下航行器按照全局最优路径航行时,利用前视声纳作为探测仪器。根据所测得的障碍物相对于自主水下航行器的位置关系设计出一个模糊推理系统(FIS)求解其避障角度,完成局部路径规划。仿真结果表明了这种算法的有效性。     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

基于突发任务多无人作战飞机攻击多目标研究

针对无人作战飞机在动态不确定环境中任务执行的路径规划问题,提出了一种基于突发任务的路径规划方法。在单机路径规划中,通过建立Voronoi有向图,并根据Dijkstra算法为每架无人作战飞机寻找最优、次优路径,针对路径规划中的多目标攻击和协同的问题,设计了一种多目标攻击任务规划器,结合突发任务的情况,给出了多目标攻击策略。仿真的结果表明所提方法是可行的。     

复杂环境下基于A*算法的无人机路径再规划

针对实际战场环境中规避突然出现的危险/威胁区域或任务变更时的无人机(unmanned aerial vehicle, UAV)路径动态再规划问题,为了适应复杂动态环境下危险/威胁区域需建模为圆形、凹/凸多边形以及可能存在相邻危险/威胁区域的间距较小甚至重叠的情形,对基于A*算法的线段求交无人机路径规划方法进行改进以适应圆形、凹/凸多边形危险/威胁区域同时存在的情形,提出了子节点安全性检测策略,采用基于A*算法的两步寻优路径搜索策略,进行UAV路径动态规划。仿真结果表明,采用本文提出的改进方法可实现上述复杂环境下的无人机路径动态再规划。     

基于改进甲虫搜索算法的城市无人机路径规划

为提高无人机在城市多障碍物环境下执行任务时的安全性和路径平滑度，并获得最短路径，提出一种改进退火甲虫搜索算法。该算法在探索路径进行位置更新时不再完全依赖于甲虫左右触须的气味浓度差，而是在充分利用甲虫搜索算法较强的搜索能力的基础上，通过引入退火算法增加下一位置的邻域位置解，最终在邻域位置解中筛选得到下一步最佳位置。由退火算法的Metropolis准则对以上得到的最佳位置进行是否可以移动的判断，克服了经典甲虫搜索算法易陷入局部最优解的缺点。仿真结果表明：在城市多障碍物环境下，该算法在收敛速度和生成路径的安全性、平滑度和路径长度方面都优于甲虫搜索算法和蚁群算法。在当前多障碍物城市场景下，当初始步长和步长因子分别为16 m和0.99时，规划的路径最优。     

基于行为动力学的移动机器人安全导航方法

研究机器人行为动力学方法的导航问题,该方法在动态环境下存在碰撞危险。提出一种改进迭代最近点算法,可以在机器人导航过程中实时获取障碍物的位姿变化。根据位姿变化将障碍物分为静止障碍物、移动障碍物。结合环境信息的不完整性和运动障碍物速度信息,提出可感知速度障碍物（perceivable velocity obstacles, PVO）概念,该概念定义的障碍物是机器人感知障碍物区域沿其相对运动方向膨胀得到的避障区域,是一种虚拟障碍物。将PVO作为障碍物应用于行为动力学方法完成机器人导航控制。所提出的改进方法在不改变原有行为动力学方法的基础上,增加了安全导航功能,简单易用。仿真实例证实,在动态环境下,改进的行为动力学导航方法比经典的行为动力学导航方法更加安全。