复杂环境下六自由度机械臂路径规划的Biased-RRT修正算法

为解决复杂环境下六自由度机械臂的路径规划问题,提出一种基于采样规则目标导向设计、父节点重选的修正算法。该算法在原目标偏置策略的基础上对随机采样点的选取规则进行重新设定,以引导算法搜索树在尽可能向目标区域扩展的同时有效避开复杂障碍物。在节点扩展方面,依据新节点距离目标点的远近采用变步长扩展方式,即在距离远时选用大步长,加快搜索树扩展;进入目标区域后选用小步长,防止节点扩展陷入局部死循环。在路径优化方面,所提算法通过引入基于路径代价最小的重选父节点操作及多余路径节点剔除操作,来使规划出的路径相对优化。最后,利用三次样条插值技术为机械臂各关节规划出一条光滑、连续且无障的运动曲线。仿真结果表明,所提算法可有效缩短路径规划时间、减少路径长度,较好地完成了复杂环境下六自由度机械臂的预期路径规划任务。     

基于多旋翼无人机的输气管道巡检路径规划研究

为了解决多旋翼无人机在工业输气管道巡检的过程中快速规避障碍物问题,提出了一种基于快速扩展随机树(Rapidly-exploring Random Tree, RRT)的改进算法,针对传统RRT算法的随机性高、收敛速度慢和规划路径长且曲折问题,结合空间环境特点在随机点采样方式和路径优化两个方面做出了改进。首先,设置随机采样点的取值范围;然后引入目标偏向采样策略对随机树的扩展方向进行引导;最后对生成的路径进行裁剪和平滑处理,并通过在不同的数字模拟地图中与传统RRT算法、带路径修正的启发式RRT算法进行仿真实验比较。实验结果表明:改进后的RRT算法在执行输气管道巡检任务时能够快速地生成一条路径短且平滑的避障路径。     

基于改进RRT*FN的移动机器人路径规划算法

针对复杂环境下移动机器人的全局最优路径规划,提出一种基于目标偏置扩展和贝塞尔(Bezier)插值方法的改进RRT*FN路径规划算法.改进算法在未找到初始路径时采用一定概率进行随机点的目标偏置选择,确定初始路径后使用启发式采样方法,使随机采样点围绕初始路径进行迭代选择,提高路径规划的导向性.当改进算法还未找到初始路径时,删除树中远离目标点并且没有子节点的节点;当改进算法找到初始路径时,删除树中远离最优路径且没有子节点的节点,保留高性能节点,提高算法收敛到最优路径的效率.利用贝塞尔(Bezier)插值方法平滑路径.在MATLAB仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,结果验证了所提算法的有效性和优越性.     

基于GA-SA算法的无人机巡检输电铁塔三维航迹优化

无人机巡检输电铁塔本体和金具、绝缘子等附属部件的航迹优化属于典型的旅行商问题。由于巡检对象的结构复杂、巡检部件多,采用单一的启发式算法会造成航迹重叠、容易陷入局部最优解等问题。为此,考虑无人机航迹三维空间结构的特点,引入全局搜索能力强的遗传算法(genetic algorithm, GA)与局部收敛速度快的模拟退火算法(simulated annealing, SA)相结合的无人机三维航迹混合GA-SA寻优算法。以无人机巡检500 kV超高压交流双回鼓型塔为例,根据三维有限元仿真得到的无人机电磁防护安全距离为2 m,结合巡检对象及常见缺陷出现的位置确定了61个高空安全悬停点,分别采用GA、SA和混合GA-SA算法对无人机遍历高空安全悬停点的航迹进行优化。结果表明：混合GA-SA算法的迭代收敛次数相比GA和SA分别减小了45.6%与55.2%,最优航迹距离分别缩短了8.1%与8.9%,验证了所提方法的有效性。     

基于改进MOGOA的无人机群航迹规划研究

针对电子侦察系统中反辐射无人机群进行辐射源无源定位时机群的编队形式会对定位精度产生影响的问题,将克拉美-罗界(Cramer-Rao lower bound,CRLB)作为定位精度方面的优化目标,与其他优化目标、约束一起引入机群的航迹规划中,使无人机群运动过程中保持良好编队,确保无源定位精度.文中针对多优化目标复杂环境中航迹规划算法寻优能力不高的问题,提出了一种基于改进多目标蝗虫算法(IMOGOA)的无人机群3维航迹规划方法,通过对MOGOA的选择方式、收敛参数进行改进从而提高算法的收敛性能以及全局搜索性能.首先,建立无人机群航迹规划的运动学模型,并引入距离约束,除定位精度以外还引入了路程、威胁代价等作为航迹规划的优化目标函数,然后,对改进多目标蝗虫算法进行详细说明,最后设计基于IMOGOA的无人机群航迹规划方案的算法流程,并在设定场景中对该算法的性能进行了仿真分析.结果表明,所提出的IMOGOA能够成功地规划出无人机群从初始位置到辐射源位置处的3维航迹,同时使无人机群在运动过程中保持良好的定位精度,经IMOGOA规划的机群编队定位精度最高可达1.2%,性能明显优于正方形编队和随机编队,并通过将IMOGOA与原始蝗虫算法(GOA)、原始多目标蝗虫算法进行对比,结果表明IMOGOA的收敛速度比MOGOA快11.1%,搜索性能相较GOA提升13.8%.     

区域覆盖的多机协同探测任务分配策略

为满足战场环境下对兴趣区域进行覆盖探测的任务需求,提出了一种基于区域覆盖的多无人机协同探测任务分配策略。首先通过最小圆覆盖法确定无人机在兴趣区域中的目标航迹点,其次进行多机协同任务规划,在目标分配模型的基础上进一步建立时间分配模型,然后利用改进灰狼算法对任务分配模型进行求解,最终实现资源优化分配决策方案的获取。仿真结果表明,所提算法相比其他算法具有更快的收敛速度,能够更加有效地解决区域覆盖探测资源优化分配问题。     

基于改进灰狼优化算法的无人机三维航迹规划

为了解决三维复杂环境下的无人机航迹规划问题,提出一种基于改进灰狼优化算法的无人机三维航迹规划方法.模拟真实的地理环境,建立三维地形模型和禁飞区模型,构造合理的评价函数.在改进算法中,设计一种基于贪婪思想和变异策略的初始化方法,提升了初始种群的平均适应度值;将一种非线性递减函数引入距离控制参数,解决了灰狼优化算法开发能力不足的问题;设计一种动态加权平均和静态平均混合的位置更新策略,解决了灰狼优化算法位置更新策略不灵活的问题.仿真结果表明:该算法相比于其他几种相关算法,航迹代价较小、收敛速度较快且效果更稳定.     

基于改进蚁群算法的无人机航迹规划

针对无人机在指定地点执行侦察、 巡逻或攻击等任务, 将无人机执行任务的航迹代价模型转化为旅行商问题, 采用改进蚁群算法实现航迹规划。通过引入去交叉禁忌搜索策略, 对基本蚁群算法进行改进, 以解决在收敛后期易陷入局部最优的问题。同时, 利用数值仿真对所研究的基于改进蚁群算法的无人机航迹规划算法进行验证。仿真结果表明, 该算法能提高了无人机航迹优化能力。     

机器人路径规划中快速扩展随机树算法的改进研究

针对基本快速扩展随机树(RRT)算法在路径规划中具有树的扩展随机性大、冗余节点多、容易在目标点周围发生振荡、规划的路径较长等问题，提出了一种改进的RRT算法。该算法首先采用目标偏向策略，通过引入动态权重系数使树尽可能地在向目标点进行扩展的同时又能够即时地避开障碍物；利用自适应扩展步长减少树在目标点附近的振荡；最后，对路径进行剪枝处理，并用三次B样条曲线对剪枝后的路径进行平滑处理。仿真分析的结果表明，与基本RRT算法相比，改进的RRT算法有效减少了冗余节点数，规划的路径更短，减少了19.56%,同时规划时间大大降低，减少了54.08%,有效地提高了路径规划的效率。     

基于改进双向RRT算法的机器人路径规划

针对双向快速搜索随机树（BI-RRT）算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题,提出了一种改进BI-RRT算法。通过目标导向引导随机树更快朝向目标点生长,提高收敛速度。引入贪婪路径优化策略,有效减少路径拐点,提高了路径规划算法的效率。同时提出了一种圆盘碰撞检测的算法,并在多个场景中用Matlab平台进行了圆盘移动机器人的路径规划仿真实验,实验结果验证了所提出算法的可行性和有效性。     

改进RRT算法的机器人路径规划

机器人已被广泛应用于日常生活之中。路径规划作为机器人的主要技术之一，优秀的路径规划算法能提升机器人的工作效率、降低其使用成本，并为研究机器人的导航打下良好的基础。RRT(rapidly-exploring random trees)算法具有扩展性强的优点，但存在路径长度并非最优、光滑性差等不足，为此提出反向寻优和三次样条曲线插值以改进算法，并在MATLAB和ROS(robot operating system)系统中仿真。结果表明：改进后的RRT算法能降低路径长度，减少节点数目，提高光滑性，实现了算法的有效性。     

基于多优化快速扩展随机树算法的足球机器人路径规划

研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。     

PRM路径规划算法优化研究

针对限定环境下移动机器人路径规划问题,运用PRM(probabilistic roadmap method)算法进行初始路径规划,并提出一种基于改进的节点增强法与几何平滑策略的路径优化算法.利用节点增强法对初始规划路径进行优化处理,采用新增节点逐步取代原路径节点,减小路径中的拐点个数,从而缩短路径长度.同时采用一个基于几何平滑策略对优化路径进行平滑处理,以达到路径平滑的目的.仿真结果表明,该优化算法不仅能有效降低搜索路径的长度,而且能大幅度提高路径的平滑度.     

基于改进ACS算法的移动机器人路径规划研究

针对蚁群系统(Ant Colony System,ACS)算法存在收敛速度慢、路径不平滑、易陷入局部最优等缺点,提出了一种基于万有引力搜索策略的ACS算法.为了解决算法初期由于地图信息匮乏,导致蚁群寻路盲目性较大的问题,提出了简化ACS算法对初始信息素浓度进行更新.引入万有引力算法搜索策略,提升了算法收敛速度,且有效解决了局部最优问题.对每次迭代获取到的最优路径进行优化,减少了路径的转折点数量、提升了路径平滑性.仿真试验表明,改进算法能够有效提升算法的收敛速度、路径平滑性.将改进算法应用到实际的移动机器人导航试验中,试验结果表明,改进算法能够有效解决移动机器人的路径规划问题,且有效提升移动机器人的导航效率.     

一种双阶段多智能体路径规划算法

多智能体路径规划旨在解决多个智能体在同一工作空间内生成无碰撞路径的问题,是智能体无人化工作的关键支撑技术。基于回溯思想和自适应局部避障策略,提出了一种双阶段多智能体路径规划算法。在全局路径规划阶段,基于回溯思想改进的RRT~*(rapidly-exploring random trees star)算法(back tracking rapidly-exploring random trees star, BT-RRT~*),减少无效父节点,并确保各智能体生成优化的无碰撞路径。在协作避障阶段,智能体依据自身的任务优先级制定局部避障策略,避开动态障碍物和其他智能体。实验结果表明,该算法可成功寻找较优路径,还可降低避障时间。     

一种改进的双向快速搜索随机树算法

针对快速搜索随机树(RRT)算法随机性大、效率低的问题,提出了一种改进的双向RRT算法。该算法采用预生长机制,快速通过前期无障碍区域;以重要程度划分障碍物,减小势场计算规模,提高路径规划的避障效率;同时采用基于欧氏距离的筛选机制对随机点进行遴选,减少在低可能路径区域的生长。最后在仿真环境下进行实验,验证了所提算法的可行性和有效性。     

线性不等式约束优化问题的仿射内点不定dogleg算法

使用仿射变换内点回代技术的不定dogleg算法解线性不等式约束的非线性优化问题．通过对构造的仿射不定dogleg路径进行搜索得到迭代方向，结合线搜索内点回代技术获得可接受的步长因子，产生保证目标函数值单调下降的严格内点可行迭代序列．在合理的假设条件下。给出了不定dogleg路径的良好性质，从而证明了算法不仅具有整体收敛性，而且保持超线性收敛速率．数值计算结果表明了算法的有效性．