基于二层结构的路径规划系统

本文提出了智能系统中的二层路径规划子系统,其中的全局路径规划层接收来自任务规划子系统的目标序列,针对已知的静态障碍环境信息,采用基于 Hopfield 人工神经网络(HANN)算法的新型路径规划方法,得出点到点的直线路径(预直线路径)序列,并进行了仿真。局部路径规划与跟踪层接收来自全局路径规划层的预直线路径,考虑全局路径规划层未知的静态和动态障碍,采用势场法来进行局部路径规划与跟踪,并进行了仿真。     

基于运动微分约束的机器人纵横向路径规划

传统机器人路径规划方法未解决机器人和局部路径连接处的运动微分约束问题;且可选路径均为近似结果,影响路径规划结果。为此,提出基于运动微分约束的机器人纵横向路径规划方法。利用微分约束设计纵横向协同三层规划方法,在进行局部规划的过程中,依据运动微分方程形成一段时间内的可行路径;在运动微分约束下,采用机器人与障碍物间的相对距离以及相对速度规划策略实现纵向规划,引入预瞄思想实现横向规划。按照纵横向规划结果及全局路径曲率设计纵横向综合控制器,使机器人实际运行路径与规划路径相同,以此实现机器人在复杂环境中的整体规划。实验结果表明,所提方法能够避开障碍物,规划路径短,机器人运行路径和规划路径偏差小。     

基于运动微分约束的机器人纵横向路径规划研究

传统机器人路径规划方法未解决机器人和局部路径连接处的运动微分约束问题;且可选路径均为近似结果,影响路径规划结果。为此,提出基于运动微分约束的机器人纵横向路径规划方法。利用微分约束设计纵横向协同三层规划方法,在进行局部规划的过程中,依据运动微分方程形成一段时间内的可行路径;在运动微分约束下,采用机器人与障碍物间的相对距离以及相对速度规划策略实现纵向规划,引入预瞄思想实现横向规划。按照纵横向规划结果及全局路径曲率设计纵横向综合控制器,使机器人实际运行路径与规划路径相同,以此实现机器人在复杂环境中的整体规划。实验结果表明,所提方法能够避开障碍物,规划路径短,机器人运行路径和规划路径偏差小。     

智能体路径规划算法研究综述

Agent路径规划指的是智能体在运动的过程中构成路径的策略。从Agent的传感器获取到的障碍物信息为动静的角度来看,路径规划有两种规划方式,一是智能体处于静态环境下的路径规划,二是智能体处于动态环境下的路径规划。该文对近年来的路径规划算法进行相比较,指出未来路径规划的研究方向和趋势。     

空间众包中在线路径规划算法

工作者的路径规划问题是空间众包中一个重要的研究内容。当前路径规划问题的研究主要集中在离线情形下,然而在线情形下的路径规划更符合现实需求。因此,该文从众包物流和共享巴士等典型空间众包平台中提取出了一个在线路径规划问题——空间众包中终点固定的在线路径规划问题。首先研究了Euclidean空间上的路径规划问题,提出了基于粒子群的在线粒子群路径规划算法,该算法通过在线追踪最优解来进行路径规划,同时,提出了基于k近邻的在线局部粒子群路径规划算法。还研究了面向路网的路径规划问题,提出了加权最短路径边界索引和路网上的在线局部粒子群路径规划算法。最后,通过真实数据上的大量实验验证了上述算法的有效性和高效性,其中在线局部粒子群路径规划算法拥有更好的效果。     

基于改进混合蛙跳算法的动态环境路径规划

针对复杂场景中路径规划具有未知性和动态性,传统方法无法对路径规划问题进行求解的问题,设计一种改进混合蛙跳算法的机器人路径规划方法,以提高动态环境路径规划的求解精度.首先对动态环境路径规划的研究现状进行分析,并在此基础上建立数学模型;然后采用混合蛙跳算法对该模型进行求解,并针对基本混合蛙跳算法不足进行改进;最后对路径规划的有效性进行测试.测试结果表明,混合蛙跳算法可准确找到最优的路径规划方案,可应用于复杂场景路径规划中,且性能优于其他路径规划方法.     

线性再励的自适应变步长机器人神经网络路径规划算法

研究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。利用神经网络路径规划算法进行路径规划，为提高神经网络路径规划算法的收敛速度，表明所给出的线性再励自适应变步长算法能够有效地加快路径规划的收敛速度。     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

采用粒子群优化和B样条曲线的改进可视图路径规划算法

针对传统局部路径规划中容易陷入局部陷阱和规划路径不平滑的问题,提出一种将改进可视图,基于B样条曲线和粒子群优化算法结合起来规划一条平滑路径的算法.该算法由多边形动态生成、路径规划和路径平滑3个步骤组成,为了逃离局部陷阱,在多边形动态生成的过程中增加环境记忆功能,并通过路径平滑过程,使规划的路径更能满足移动机器人动力约束条件.仿真实验结果验证了算法的有效性,对比其他几种路径规划算法,所提出算法规划的路径质量更高.     

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。     

一种快速3维无人机航迹规划方法

无人机三维航迹规划由于规划约束众多,同时面临在巨大的搜索空间中寻优,往往规划速度慢,规划效率低.结合二维规划和高度规划实现三维规划是一种有效提升规划速度的解决方案,在利用Fast M arching Method(FMM)进行二维规划的基础上,采用Sparse A-star(SAS)搜索算法进行高度规划,分阶段考虑航迹规划的各种环境约束和机动约束,从而压缩规划空间.实验表明,该方法航迹规划速度快,所得到的三维航迹具有良好的地形跟随能力和避障能力.     

无人机航路规划问题初步研究

本文通过对无人机航路规划的研究,概括和总结了无人机航路规划问题的几个重要方面,构建了航路规划的基本框架。文章重点介绍了航路规划的约束条件、威胁模型的建立以及航路规划的算法,并对今后无人机航路规划的发展提出了展望。     

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.     

无人机航迹规划常用算法综述

为促进航迹规划技术的发展,对航迹规划常用算法进行综述。首先对航迹规划的规划思想和构成进行分析; 其次将航迹规划算法分为传统经典算法和现代智能算法两大类,对其中几种常用算法进行分析总结; 最后阐述现代智能算法在航迹规划应用中的改进、多重算法的融合改进以及多无人机四维航迹规划算法研究3 个研究热点及未来发展趋势。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛，为了达到自动引导车在路径规划中要达到全局最优，实时避障的要求，提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径，根据A-Star算法进行优化，引入自适应启发函数，并进行路径关键点选取，删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低，路径不平滑的问题。动态障碍物躲避采用DWA算法，优化评价函数，提升了规划效率。仿真结果表明，融合优化后的A-Star算法与优化后的DWA算法，减小了搜索范围，提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升，最终实现全局最优路径规划和局部动态实时避障。     

全自动平行泊车路径规划方法研究

为解决车辆泊车过程中发生碰撞预警,导致车辆无路径可跟踪的问题,为提高泊车成功率,提出一种全自动泊车路径规划方法,包括一次路径规划和二次路径规划。在对不同泊车状态进行约束分析的基础上,以路径曲率最小为优化目标,建立路径优化函数。利用Matlab非线性约束优化函数求得一次、二次路径轨迹函数参数。车辆在一次泊车发生碰撞预警的情况下进入二次路径规划模块。仿真结果表明:一次路径规划方法能满足车辆轨迹连续且无碰撞泊入车位;如若出现预警碰撞,二次路径规划方法能保证连续、安全泊入车位,为安全泊车提供了二次保障。     

移动机器人路径规划算法综述

为提高机器人路径规划的搜索速度,缩短搜索时间,总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史,并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结,并从移动机器人对环境掌握情况的角度出发,将移动机器人路径规划分成全局规划和局部规划两类,然后对全局规划和局部规划的相关算法进行综述,同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。