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。     

基于大范围海图数据的自主式水下潜器全局路径规划方法研究

在大范围海图数据环境中，应用遗传算法(GA)对自主式水下潜器(简称AUV)的全局路径规划问题进行了研究，介绍了基于栅格的环境模型及其数据结构，讨论了GA的染色体编码方式、基于知识的初始种群生成方法与适应度函数，基于领域知识设计了五种遗传算子。通过仿真结果可以看出：采用可变长编码方式使路径描述简单、清晰，算法具有收敛速度快、求解实际问题效率高的特点。     

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。     

海流建模及其在路径规划中的应用

对水下航行器进行路径规划时,除了要考虑所规划的路径长度外,还需要考虑所规划路径满足航行器能量消耗约束,其中海流是影响航行器能量消耗的重要因素,为考虑海流对路径规划的影响,这里提出了一种利用B样条曲面对动态海流环境进行建模的方法,并将海流对航行器能量消耗的影响作为约束函数应用到路径规划算法中,使航行器能够在路径的搜索过程中,综合考虑全局路径消耗和能量消耗,寻找能够实现目标函数最优的路径;另外考虑到海流各向异性、时变的特性,对路径规划算法进行改进,使航行器规划路径能够利用海流模型,避开局部湍流,并根据动态海流信息实时对所设计路径进行修正。通过仿真验证,将建立的海流模型应用到路径规划算法后,改进的路径规划算法可以利用海流减少航行器的能源消耗,根据海流的实时变化调整航行路径,航行器满足安全运动条件,并实现在满足能源消耗前提下的路径长度最优。     

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...     

面向虚拟装配的复杂产品装配路径规划技术研究

在对虚拟装配中的装配路径规划基本流程进行分析的基础上,指出了虚拟环境下进行装配路径规划的关键技术,并提出了基于有效采样点的装配路径优化方法,虚拟环境下基于几何约束的零件三维空间运动方法,集几何约束自动识别、交互式约束定义和位置约束为一体的混合模式的零部件精确定位方法。相关算法在自主开发的虚拟装配工艺规划软件VAPP中得到实施,并应用到航天产品的装配工艺设计中。     

基于决策效用分析的应急救援路径优化

效用最大化是应急救援决策中追求的首要目标。针对应急救援路径规划的决策特点和需求,对应急救援决策效用分析的关键因素和量化方法进行了探讨,提出了应急救援路径规划的二阶段优化模型。其中,首先引入DEA交叉评价模型对救援路段进行决策效用分析,在此基础上,设计了智能启发式算法用于路径规划。为避免过早陷入局部最优,设计了基于混沌扰动的改进蚁群系统优化算法,该算法可对信息素进行全局更新混沌扰动,可有效地提高算法的适应性、求解效率和求解质量。仿真实验表明该方法是可行的,可以更好地满足应急救援的决策需求。     

一种机器人路径规划的蚁群算法

提出一种机器人路径规划的蚁群算法,该算法引入信息素限定和自适应信息素挥发系数的方法解决蚁群算法应用中的停滞现象和搜索能力的问题。算法仿真研究中发现了算法的收敛速度和环境地图建模的方式有密切关系,提出栅格地图模型的坐标变换法,提高了算法的运行效率。比较仿真实验结果证实了本算法的有效性和快速性。     

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。     

变化海流环境下AUV能量最优三维路径规划

为获取变化海流环境下自主水下航行器(autonomous underwater vehicle, AUV)的能量最优路径, 基于最优控制理论提出一种用于AUV的三维能量最优路径规划算法。首先, 为了有效抑制海流对路径规划的影响, 将海流向量加入到AUV运动学模型中。其次, 在已知俯仰角及AUV位置的情况下, 利用庞特里亚金极小值原理, 获得能量最优控制律。最后, 利用线性定常系统的状态空间理论, 计算得到初始艏向角、航速以及能量消耗。在仿真环节, 通过与负反馈控制策略相比较, 说明所提算法能够规划出三维能量最优路径, 而且可以有效降低AUV的能量消耗。     

基于Voronoi图和蚁群优化算法的无人作战飞机航路规划

无人作战飞机(UCVA)航路规划是一类复杂优化问题.在众多航路规划算法中,Voronoi图是一种根据战场多威胁源分布情况获取可行航路的图形算法,而蚁群优化(ACO)算法是受到蚂蚁觅食行为启发而形成的一种启发式仿生算法.根据已知威胁源生成Voronoi加权图,其中每条Voronoi边的总代价可以由威胁代价和燃油代价计算得出;然后给出了在Voronoi图条件下,用于航路规划的改进ACO算法模型和具体实现方法;最后,将Voronoi图与ACO算法相结合,并针对某UCAV多种空战态势下的航路规划问题进行了系列仿真实验.实验结果验证了所提方法在解决UCAV航路规划问题时的可行性和有效性.     

基于ACO算法和Bezier曲线优化的巡航导弹航路规划

在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明：生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。     

Rotary unmanned aerial vehicles path planning in rough terrain based on multi-objective particle swarm optimization

This paper presents a path planning approach for rotary unmanned aerial vehicles(R-UAVs)in a known static rough terrain environment.This approach aims to find collision-free and feasible paths with minimum altitude,length and angle variable rate.First,a three-dimensional(3D)modeling method is proposed to reduce the computation burden of the dynamic models of R-UAVs.Considering the length,height and tuning angle of a path,the path planning of R-UAVs is described as a tri-objective optimization problem.Then,an improved multi-objective particle swarm optimization algorithm is developed.To render the algorithm more effective in dealing with this problem,a vibration function is introduced into the collided solutions to improve the algorithm efficiency.Meanwhile,the selection of the global best position is taken into account by the reference point method.Finally,the experimental environment is built with the help of the Google map and the 3D terrain generator World Machine.Experimental results under two different rough terrains from Guilin and Lanzhou of China demonstrate the capabilities of the proposed algorithm in finding Pareto optimal paths.     

基于Unity3D的水下机器人半实物仿真系统

基于Unity3D研制了一种由地面控制终端、机器人本体和三维仿真系统3部分组成的水下机器人半实物仿真系统,为水下机器人开发过程中的性能测试、控制算法分析和人员操作培训提供了仿真和测试平台。该系统采用同一地面控制终端作为三维仿真系统和机器人控制系统的统一指令输入源,以实现虚拟对象和机器人本体的同步工作,可对系统进行实时监测、调参。采用多目视觉技术对机器人位置采集,对传感器数据进行卡尔曼滤波处理。机器人运动仿真试验结果表明,机器人实际运动路径和仿真规划路径基本相同,该系统动态响应性和控制系统同步性较好。     

基于全息地图的机器人与操作手同步路径规划

针对机器人行走路径规划与机械手操作路径规划之间缺乏同步性,提出了一种机器人与机械手同步路径规划方法,使机器人在路径规划时不仅可以实现行走路径规划,还实现了对操作路径的规划。首先,借鉴人对空间规划的思想,设计了实现机器人与机械手同步规划的总体思路,并且给出了其涉及的两个新概念,分别为物品点和二维物品操作点;其次,设定了同步规划模型,利用转换矩阵将其同化为机器人路径点模型;最后,将机器人路径点模型分裂为二维行走路径规划模型和三维路径规划模型,并据此同步的规划行走路径和操作路径。在家庭环境下,家庭服务机器人基于全息地图利用该方法实现了机器人行走与机械手操作之间的同步性,同时也可以生成合理的行走路径和操作路径。     

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。     

基于精英族系遗传算法的AUV集群路径规划

针对传统路径规划算法仅能规划单一最短路径且不能调节路径宽度而难以适用于自主式水下航行器(autonomous underwater vehicle, AUV)集群航路规划的缺陷, 提出了精英族系遗传算法(elite family genetic algorithm, EFGA)。该算法将基因适应度加入适应度评价函数中, 同时在进化过程中标记精英个体作为多路径规划结果, 并在该算法基础上针对AUV集群路径规划问题设计了一种多智能体路径规划(multi-agent path planning, MAPP)方法。仿真结果表明, 该算法可以求解无冲突路径集合实现MAPP, 通过实现AUV集群的最优多路径航行方案减少集群的航行耗时, 且能够满足不同AUV编队规模对可调路径宽度的需求。     

虚拟角色的一种自主运动路径规划方法

虚拟角色的路径规划是动漫游戏的一个重要课题,如何建立高效的路径规划方法仍是一个热点话题。提出了一种基于感知记忆的路径规划方法,该算法包括全局路径规划、局部路径规划和记忆模块。全局路径规划是根据已知的路径建立的,提出了拥堵系数和容忍度的公式;而局部路径规划是根据局部感知建立的,虚拟角色能够依据局部路径规划探索一个未知环境,全局路径信息记录在记忆模块中。构造了一个包含虚拟角色的三维迷宫,实验结果表明,根据前面探索信息建立的全局路径规划是有效的。     

多反舰导弹攻击多目标协同航路规划

为解决多反舰导弹的协同航路规划问题,建立了基于空间和时间协同的航路规划模型,并设计了航路可行节点动态开辟算法和协进化多子群蚁群算法。节点开辟算法在任务空间建立搜索树的同时滤除不可行节点,缩小了航路优化搜索范围;多子群蚁群算法结合协进化的基本思想,通过引入蚂蚁子群间的协同进化策略,并对蚁群算法状态转移规则、信息素更新机制进行设计,进而并行搜索多导弹最优协同航路集合。仿真结果表明,本文方法能够为多反舰导弹构建优化的协同飞行航路,不但适用于导弹发射前的预先规划,而且适用于航路分段的局部实时重规划。