遗传算法在AUV局部路径规划中的应用研究

利用遗传算法（GA）实现AUV（自主水下机器人）对于运动目标的自主避碰,根据前视声纳信息探测到的障碍物距离信息,AUV的运动信息以及航迹规划信息.算法采用了二进制编码规则,并把避碰、航迹跟踪等约束条件作为适应度函数的影响因子,将AUV的下一步的航向和速度作为避碰算法的输出结果.仿真表明,AUV对动目标的自主避碰效果良好、避碰和航迹回归路径平滑.     

基于双层协调体系的多移动机器人路径规划方法

针对多移动机器人系统中路径规划全局最优与局部协调的兼容性需求,提出了一种基于双层协调体系的路径规划方法。结合路径组亲和度评价提出改进的免疫协同进化算法并完成全局路径规划,提高了规划效率和全局路径质量;根据初始条件和全局路径信息,判断系统中各机器人可能出现碰撞的位置,提出基于优先级机制的动态窗口法在相应位置附近完成路径的局部协调;最终在全局最优路径基础上实现机器人的局部路径协调避碰。试验结果表明,该路径规划方法使机器人沿全局最优路径行驶时,仍能进行灵活有序的局部路径协调,有效提高了系统的路径规划性能。     

一种移动机器人动态环境下的路径规划

一种动态环境下自主机器人路径规划的方法由趋于目标的全局运动规划和躲避障碍物的局部运动规划两部分组成.首先通过栅格法建立机器人的工作环境,利用蚁群算法初步规划出机器人的全局优化路径;在此基础上,采用滚动窗口的方法进行局部环境探测和碰撞预测,对动态障碍物实行局部避碰,使机器人安全顺利地到达目的地.该方法适用于环境中同时存在静止和动态障碍物的情况.仿真结果证明该方法有效.     

基于速度障碍和行为动力学的动态路径规划

针对基本行为动力学在解决多机器人动态路径规划中存在的问题,充分考虑运动障碍物和其他机器人的速度信息,利用速度障碍为机器人规划了避障和避碰区域.根据路径规划的要求,利用行为动力学设计了奔向目标行为、避障行为和避碰行为3个基本行为,并提出利用粒子群优化方法对基本行为进行融合.利用Matlab对所提出的算法进行仿真,结果表明利用速度障碍、行为动力学和粒子群相结合的方法可以实现多机器人系统的动态路径规划,且方法简单,路径光滑.     

避免路径规划NA算法局部极小值的仿真试验

针对已知障碍物形状和位置环境下的机器人全局路径规划问题 ,提出利用神经网络路径规划算法进行路径规划。为解决神经网络路径规划算法的局部极小值问题 ,提出针对障碍物的形状设定各条边的模拟退火初始温度。采用此方法仿真试验的结果表明 ,该方法能够避免某些局部极小值情况 ,规划的无碰路径达到了最短无碰路径     

基于异源信息融合的无人水面艇动态路径规划

为解决无人水面艇自主避碰决策中的动态路径规划问题,提出一种基于电子海图与雷达图像融合环境建模的改进人工势场动态路径规划方法.对电子海图中静态环境数据和动态雷达图像数据进行提取,采用Hausdorff距离匹配算法对异源信息进行融合,建立无人水面艇路径搜索空间的动态环境模型,并在动态感知环境信息的基础上,利用改进的人工势场法进行路径规划的仿真验证.仿真结果证明了基于电子海图与雷达图像信息融合的无人艇动态路径规划方法的合理性和有效性.     

船舶自主避碰的慎思型轨迹规划

基于快速扩展随机树(RRT)算法,提出一种适用于船舶自主避碰的慎思型轨迹规划(DTP)算法,能够耦合处理静态障碍物约束、船舶操纵性约束、轨迹最优性等限制条件,在两个长程路径点之间完成全局轨迹规划,以保证规划轨迹的可行性、完备性和最优性.通过一条案例三体船的自主避碰仿真及航行试验,从多方面验证了所提DTP算法的有效性、优越性和稳定性,对研究船舶自主避碰系统及其应用前景具有重要的意义.     

气象不确定下的船舶避台路径优化

为减小船舶在海上航行时遭遇台风的高风险,设计了兼顾全局与局部规划的避台路径优化方案,运用A*算法与人工势场法(APF)并加以改进,分别应用于全局规划与局部规划中.在A*算法的代价函数中加入了来自燃油消耗与安全性带来的影响,并采用路径更贴近实际航路的24邻域节点扩展法;另外,解决了 APF中局部极小值与不可达的问题,并引入了信息熵的概念来解决气象因素不确定的问题.测试结果表明,该方法在船舶即将遭受台风影响且台风预报存在不确定性情况下,可以设计一条合理的避台路径.该避台路径优化方法在安全性的基础上兼具经济性与稳定性,能够为船舶安全航行避障提供新的方法.     

基于改进粒子群算法的移动机器人全局路径规划

提出了一种新的移动机器人全局路径规划算法．该算法首先建立机器人工作空间障碍物顶点模型,根据障碍物顶点信息构造一个移动机器人从始点到终点的无碰距离函数,然后用改进的粒子群算法对此路径进行优化, 得到全局最优路径．     

基于混合粒子群算法的船舶避碰决策

为解决船舶在开阔水域中的避碰决策问题，提出基于混合粒子群算法的船舶避碰决策方法。首先，针对粒子群算法在迭代后期容易陷入局部最优的局限性，引入高斯位置变异概念，扩大粒子的搜索广度，利用自适应策略对惯性权重进行改进，在保证粒子多样性的同时，提高粒子的局部搜索能力；其次，基于多目标优化方法构建目标函数，引入基于模糊综合评价策略构建的船舶碰撞危险度模型，统筹考虑《国际海上避碰规则》、海船船员通常做法、航行安全性与经济性，实现了多船会遇态势下的避碰路径规划；最后，通过Matlab仿真实验验证了该算法的有效性。相比标准粒子群算法，本文船舶避碰决策效果显著提高。     

无人驾驶拖拉机实时避障路径规划算法

为了实现无人驾驶拖拉机在直线作业时的实时避障路径规划功能,提出一种在改进最短切线法的基础上用五次多项式函数规划路径的避障路径规划算法。针对最短切线法规划的路径曲率不连续、难跟踪控制的问题,首先采用改进最短切线法求相关坐标点,然后基于求得的坐标点用五次多项式函数求解路径,最后得到由两段五次多项式函数曲线和直线组成的曲率连续的避障路径。对避障路径规划算法进行仿真,结果表明,该算法生成路径长度短、实时性好、安全性高。基于常州东风无人驾驶拖拉机的运动学模型设计一种模型预测控制器,在Simulink与CarSim联合仿真平台上对无人驾驶拖拉机的避障路径规划及跟踪控制进行联合仿真,结果表明：与改进最短切线法相比,基于五次多项式函数的路径规划算法规划的路径跟踪控制精度更高,更易于跟踪控制。     

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.     

楼梯清洁机器人休息平台路径规划研究

楼梯清洁机器人的工作不仅是楼梯清扫,而且还要完成休息平台的遍历.犁田算法可使楼梯清洁机器人以最短路径覆盖楼梯休息平台,但机器人长方形的壳体不利于转身运动,需要与障碍物留出更多的安全距离,导致清扫覆盖率下降.针对这一问题,该文提出了一种基于犁田算法的改进路径规划,使机器人按"N"字形行走:当机器人遇到障碍物时,旋转一个角...     

基于改进双向A星和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划,并提出基于碰撞检测的动态步长和双向去除冗余点方法,在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性.仿真实验表明,所提方法规划的路径长度短、耗时少,并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。     

基于贝塞尔曲线的智能商用车换道避障轨迹规划

智能车辆的安全避障是实现自动驾驶技术的基础,针对智能商用车高速行驶中的避障问题,建立相应的避障策略,结合高速公路实际工况,对智能商用车的换道避障轨迹进行规划,分为路径规划与速度规划两方面。基于车辆的横向稳定性,结合鱼钩实验得到商用车高速转向时路径曲率的最大值,提出基于贝塞尔曲线的轨迹规划算法,对曲率进行约束,利用遗传算法选取最优避障路径。并基于车辆安全距离模型确定避障车速,规划出一条满足动力学约束以及瞬态侧翻阈值约束的避障轨迹,利用Trcksim软件对避障轨迹的可行性进行验证,结果表明智能商用车能够安全、高效的进行换道避障。     

D*算法在柔性输送系统路径规划中的应用研究

针对柔性传输系统(FTS)对于最短路径规划问题的要求,提出将D*算法移植并嵌入到柔性传输机器人模型的控制系统中。简要介绍并分析了D*算法的基本原理,以位置已知、环境相对确定和最低路径代价为约束条件,建立FTS的最优路径规划模型,并进行仿真实验。实验结果表明,D*算法具有较好的避障自适应性能力、较高的柔性和动态响应特性,较之Bug算法、概率路标算法(PRM)和Bellman-Ford算法等,D*算法具有较快的收敛速度和较少的计算量,适合环境相对确定、多品种小批量柔性传输系统。     

坡道行驶车辆通过性分析与路径优化

以测距传感器采集的坡道信息为基础设计了一种坡度识别算法,建立了坡道最优通过路径规划模型。首先推导测距传感器采集量与坡度的函数关系,进而通过最小二乘法拟合得到坡度;然后获取车辆几何失效系数,确定汽车失效的临界条件;最后将采集的坡道信息转化为障碍空间进而建立避障模型,利用A~*算法规划最佳路径。试验结果表明:试验规划路径与理论最优路径的误差在1°内的置信概率为96.7%,该系统能够快速准确地实现预定功能。     

基于出行偏好和路径长度的路径规划方法

针对基于最短路径的路径规划方法只关注路径长度, 而基于轨迹的路径规划方法过度依赖用户偏好的问题, 提出一种同时考虑用户出行偏好和路径长度的路径规划方法. 首先, 利用长短期记忆模型从历史出行轨迹中提取用户的出行偏好; 其次, 采用Markov链Monte Carlo采样技术将用户的出行偏好引入启发式搜索算法A*中, 在道路网络中搜索得到符合用户出行偏好且较短的路径; 最后, 以北京市路网和出租车轨迹数据作为测试数据, 将该方法与基于最短路径的规划方法和基于轨迹的路径规划方法进行实验对比. 实验结果表明, 该路径规划方法更稳定, 并且其规划的路径具有较高的准确度、 较短的行驶距离和行程时间.     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

改进的A~*算法在虚拟人路径规划中的应用

自动计算生成虚拟人的最优路径是虚拟人路径规划研究中的关键问题之一,针对这一问题对A*算法进行了分析、实现和改进.通过对估价函数进行加权处理,缩短了搜索路径,减少了搜索时间;并且引入"人工搜索标志"避免了重复搜索无效区域,能有效快速地逃离障碍物陷阱,使算法在未知环境中有效准确地找到可行性路径,进而对可行性路径进行优化得到最短路径,解决了虚拟人避障与导航问题.