基于滚动窗口的移动机器人路径规划

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的移动机器人路径规划问题。提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,并通过有效的场景预测 ,以滚动方式进行在线规划 ,结合了优化和反馈机制 ,具有计算量小、反应迅速的特点。大量仿真结果表明 ,该方法能很好地适应动态不确定环境。     

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。     

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search, CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%～83.67%,二叉约束树(constraint tree, CT)拓展量为CBS算法的60.14%～71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。     

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。     

动态环境下基于子目标的移动机器人路径规划方法

在移动机器人路径规划领域中,沿墙行走策略是解决人工势场法局部极小问题的一种简单但有效的方法。然而,已有的沿墙行走方法往往只适用于静态环境。为了在解决人工势场法局部极小问题的同时,保证其在动态环境中的有效性,本文对沿墙行走方法进行了改进,提出了一种基于子目标的方法,利用机器人周边的动态斥力势场调节沿墙运动的距离,通过设置子目标引导机器人躲避运动障碍物。仿真研究验证了该方法的有效性。     

基于双重遗传算法机制的路径规划

静动态障碍物同时存在的复杂环境下进行路径规划是一个比较难解决的课题.引入双重的遗传算法机制,提出了第一重遗传机制负责静态障碍物的避碰,第二重遗传算法机制以第一重机制规划出的最优路径为基础,负责动态障碍物的避碰的方法;设计优化算子,引入自适应技术提高路径的生成速度.实验表明,该方法能综合考虑多种因素,收敛到全局最优路径.     

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     

动态环境中基于模糊神经网络的AGV路径规划

动态环境中AGV路径规划是一较难解决的问题,针对该问题提出了一种基于速度障碍、碰撞危险度概念的动态环境模型,并在此基础上结合模糊神经网络给出了AGV的路径规划方法。最后给出了在有静止和运动障碍物的动态环境中路径规划仿真结果,结果表明该方法是可行的。     

基于蚁群算法的水下潜器全局路径规划技术研究

全局路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。文章使用蚁群算法对水下潜器三维空间全局路径规划问题进行了研究,讨论了三维空间的抽象环境建模方法,依据安全性、经济性和路径最短原则设计了算法适应值评价函数,综合利用迭代最优和全局最优信息设计了信息素更新规则,仿真结果验证了算法的正确性和有效性。     

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。     

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.     

面向复杂系统运动仿真的信息物理融合建模

传统运动仿真的虚拟建模缺少针对复杂系统中信息子系统与物理子系统的动态性融合建模。融合传统运动学虚拟建模与信息计算的优势，针对运动仿真的精度和实时性难以满足实际工业制造需求的问题，提出面向复杂系统运动仿真的信息物理融合建模方法，并以机械臂的运动学控制为仿真案例进行验证，解决了实际环境中机械臂的驱动与仿真环境虚拟机械臂运动不一致的问题。搭建了复杂系统运动仿真虚实映射平台，集成了虚拟建模环境CoppeliaSim，融合实际机器人的运动反馈，和虚实映射计算模型，确定工业机器人运动方程的唯一位姿解。实验结果表明本文提出的方法实现了工业机器人的虚实映射实时运动仿真。     

基于神经网络和PSO的机器人路径规划研究

提出一种神经网络和粒子群算法相结合的移动机器人路径规划方法。采用小波网络和RBF网络相结合的四层神经网络结构,克服了传统神经网络方法进行路径规划时对每个障碍均设计一些特定的隐节点,当障碍较多且环境动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断改变的缺点。利用粒子群对神经网络的参数进行训练,在规定的代数内对网络参数优化,使得机器人在移动过程中能够快速响应环境的变化。通过对移动机器人在动、静态不同环境下的仿真实验,证明了方法的有效性。     

模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

基于LSTM神经网络的短期轨道预报

针对基于动力学模型的轨道预报方法对卫星自主轨道预报与大量非合作目标轨道预报中存在建模成本过高和缺少目标空间环境信息的问题,提出一种基于误差数据驱动的神经网络轨道预报方法.该方法在解析法动力学模型的基础上,使用长短期记忆神经网络对历史轨道预报的误差进行学习,预测未来短期动力学模型的预报误差,以此对预报结果进行修正.选用A...     

社会行为驱动的疏散仿真方法研究

在紧急疏散场景中,个人具有的典型社会属性会对其疏散行为产生影响。将个体对环境的熟悉程度和个体所属团队这2种社会因素引入并应用到人群疏散仿真中,提出一种疏散仿真方法。利用RVO库的实时避碰技术模拟人群的动态运动过程,通过添加局部目标点以及对局部目标点的选择机制来动态模拟人群不同的社会行为。通过对不同熟悉度的人群以及不同团队数量的人群进行仿真实验,实验结果表明环境熟悉程度和团队因素对疏散时间存在一定影响,仿真结果具有较高真实性。     

空间绳系机器人释放动力学与控制仿真研究

空间绳系机器人作为一种新型空间飞行器,为近距离目标捕获提供了一种全新的捕获方式。作为关键技术之一的空间绳系机器人释放动力学与控制目前尚未引起广泛关注。通过建立空间绳系机器人释放动力学模型,研究了绳系机器人稳定释放的控制技术。对非线性释放动力学模型全局反馈线性化,设计了绳系机器人释放的主动学习控制器,控制器根据规则在线学习自整定控制器参数,使绳系机器人沿切向稳定快速释放,解决了绳系机器人沿切向释放不稳定的问题。机器人作为一个独立的控制系统,可完成沿任意方向的释放。数字仿真验证了机器人能够满足释放过程中对主动控制律的要求,说明稳定释放控制策略的有效性。