移动机器人全局最优规划的研究

Ｔ－矢量是一种简单标准的方法,在检测碰撞和移动机器人的全局路径规划中多方面的作用。现进一步发展了这种方法,提出了利用Ｔ－矢量来获得最优过点集的方法,使全局最优规划问题转化为从冒险成过点集中寻找最优路径,从而可用Ｈｏｐｆｅｌｄ能量和优化方法得到全局最优规划,提出的能量函数,具有物理意义明确、结构简单、收敛效果好的特点。     

计及路网权值时变特性的全局最优路径规划

由于静态路径规划（static path planning,SPP）和滚动路径规划（rolling path planning,RPP）思想无法求解全局最优路径,提出了一种计及路网权值时变特性的全局最优路径规划方法（global optimal path planning,GOPP）。利用Vissim软件对重庆大学城某区域路网进行建模与仿真,采用改进的前向关联边数据结构存储路网拓扑关键要素及行程时间仿真数据,以此作为路径规划数据库。在此基础上,推导跨时段路段的实际权值,提出一种基于Dijkstra算法的GOPP方法。最后基于路径规划数据库,在证明经典Dijkstra算法相比智能启发式算法具有全局最优求解能力的基础上,分别采用SPP、RPP和GOPP方法在MATLAB环境下仿真得到3条规划路径,结果表明GOPP累计行程时间为1 158.7 s,相比SPP和RPP分别减少了212.7 s和57.6 s,有效验证了GOPP在缩短交通出行时间的优越性,对今后智能交通系统的发展具有一定的理论指导意义。     

基于A~*算法的移动机器人路径规划

路径规划是移动机器人关键技术之一,也是实现移动机器人自主导航的前提,研究移动机器人利用栅格法创建环境地图时,在其计算资源有限的情况下,比较利用迷宫八方向搜索思想实现最短路径规划的Dijkstra算法,提出采用基于栅格划归地图的A*算法能更快实现移动机器人的无碰最短路径规划,编制了仿真程序,给出了仿真结果,可以满足移动机器人实时路径规划的需要。     

基于GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS (geographic information system)地图的移动机器人路径规划.该方法应用改进A*算法,较好地实现了移动机器人的最优路径规划.在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹.应用VC++编程进行实验,证明了该方法的有效性.     

基于加权A~*算法的服务型机器人路径规划

针对室内环境下的服务型移动机器人路径规划问题,分析并比较了两种经典算法--Dijkstra算法及基于Manhattan估计函数的A*算法,通过改变A*算法估价函数中参数的权值来优化路径轨迹,从而既满足A*算法的可接纳性,同时义实现两种算法的融合.在VC环境下编译出路径规划的仿真程序,通过变换起始点与目标点的坐标,比较运算时间和生成的路径轨迹.结果显示:加权A*算法优化了A*算法的路径轨迹,且在计算时间上优于Dijkstra算法,解决了服务型移动机器人的路径规划问题,满足实时性要求.     

基于改进蚁群算法的移动机器人路径规划

针对传统蚁群算法在移动机器人最短路径规划方面存在的不足,如算法前期盲目性搜索、收敛速度慢、消耗时间长及转弯次数多,提出了一种改进的蚁群算法。该算法根据正态分布模型,将栅格环境划分不同区域,进行信息素差异化处理,减少蚂蚁初期搜索时间;同时基于A^*搜索算法的估价函数思想改进启发函数,引入自适应启发信息因子,增强其目标导向性,提高算法收敛速度,平衡算法全局搜索能力。仿真结果表明,改进的蚁群算法能够规划出收敛速度较快、转弯次数较少以及平滑度更高的路径。     

煤矿救援机器人全局路径规划

全局路径规划是煤矿救援机器人自主导航的关键技术之一,其任务是按照某一最优指标寻找一条从起始点到目标点的安全避碰路径。文中针对矿难发生后,井下部分巷道的局部环境不确定的特点,提出以矿难前的已知GIS系统为基础,结合改进蚁群算法获取环境不确定情况下的优化路径,从而获得全局最优路径的策略;依据安全性、路径最短原则设计了适应值评价函数,依此作为路径评价和信息素更新的依据;为避免停滞现象,采用确定性选择和随机选择相结合的路径选择策略。实验结果验证了算法的正确性和有效性。     

自主车辆路径规划算法研究

在自主车辆的路径规划是否经过特定点的两种实际情况下,提出了不同的解决方案。当车辆不需要经过特定点时,引入A*算法,较传统算法将启发函数改为欧几里得函数(Euclidean Distance),并引入一个权值以降低启发函数的权重。当车辆需要经过特定点时,应用Hopfield神经网络思想优化算法,以达到理想的路径规划。仿真实验表明,改进后的算法使得路径规划寻优得到明显提高,并验证了算法的有效性。     

深圳应急指挥中心的最优路径规划技术研究

深圳应急指挥中心是一个集指挥、控制、通信、情报、刑侦、探测预警和综合保障为一体的现代化电子信息集成系统,在使用最优路径规划技术上作了很好的尝试.从路径规划的基本原理入手,介绍基于数据结构的最短路径搜索的高效实现方法,并从缩小搜索空间和按地图分层分级搜索的应用策略出发分析路径规划算法.结合深圳的实际情况,给出引入了基数堆、启发式搜索和分级搜索后的路径规划改进Dijkstra算法,提供一个具有很高参考价值的规划技术应用研究.     

基于平滑A~*算法的移动机器人路径规划

栅格环境下A*算法规划出的移动机器人路径存在折线多、转折次数多、累计转折角度大等问题.为获得较优路径,提出平滑A*算法.在A*算法规划的路径基础上,遍历路径中的所有节点,当某一节点前后节点连线上无障碍物时,将延长线路的这一中间节点删除,建立平滑A*模型.仿真结果表明,平滑A*算法优于Ant(蚁群),Anyti me D*算法.平滑A*算法路径长度降低约5%,累计转折次数降低约50%,累计转折角度减少30%～60%.平滑A*算法能处理不同栅格规模下、障碍物随机分布的复杂环境下移动机器人路径规划问题.     

健康投资对中国经济发展的影响研究——基于省级面板数据的空间计量检验

针对全局路径规划问题提出了一种改进的A*算法.首先,采用栅格方法建立环境模型,使用A*算法进行初步的路径规划.其次,针对A*算法规划的路径冗余点较多以及路径长度和转折角度较大的缺陷,提出将A*算法规划出的路径按较小的分割步长进行分割,得到一系列路径节点.最后,从起点开始依次用直线连接终点,当直线没有穿过障碍物时,则将中间路径点剔除,减小路径长度和转折角度.在仿真实验和实物实验中,分析和比较了本文算法与A*算法以及另一种改进A*方法.另外还研究了在不同障碍率、任务点数量和分割步长的情况下,本文算法与其他算法的优劣.结果表明,本文算法能有效地减小路径长度和转折角度.     

移动机器人路径规划安全A*算法

针对移动机器人路径规划时安全性不高的问题,提出一种路径规划安全A^*算法.首先,通过扩展搜索邻域,减小路径转角角度,避免不必要的折角;然后,在启发式函数中引入新的评价指标,增加移动机器人与障碍物的距离.最后,提出安全性指数S,对路径安全性进行量化.通过MATLAB软件进行仿真对比,仿真结果表明:文中算法的路径质量和安全性更佳.     

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则．将所有机器人放置于初始位置。经过NC次无碰撞迭代运动找到最优路径．到达目标位置．为防止机器人在路径搜索过程中没有达到最大迭代次数时路径大小已不发生变化而陷入局部最优。可通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值继续搜索．直到迭代完毕,获得最优路径．     

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．     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明：文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

移动机器人路径规划的一种改进蚁群算法

提出了一种复杂静态环境下的移动机器人避碰路径规划的改进蚁群算法。基于栅格法的工作空间模型,模拟蚂蚁觅食行为,并针对移动机器人的路径规划的需要,将一些特殊功能赋予常规的蚁群算法。为了避免移动机器人的路径死锁,在路径搜索过程中,当蚂蚁探索到一个死角时,建立了相应的死角表,同时用惩罚函数来更新轨迹强度。仿真研究表明:该算法能明显改善路径规划性能,并且算法简单有效。     

基于多行为融合的移动机器人路径规划方法

针对现有的移动机器人路径规划方法中存在的局部极小问题,提出了一种基于多行为融合的路径规划方法. 该方法定义3种机器人的基本行为并通过各行为间的切换完成路径规划任务. 其中,逃离局部极小行为利用尝试原则判断机器人是否落入局部极小陷阱,之后使用角度补偿原则逃离使机器人陷入局部极小陷阱的障碍物. 仿真结果和基于真实机器人平台的实验结果均证明本文方法较已有方法更具有可靠性以及适应性.      

面向移动机器人快速全局路径规划的改进跳点搜索算法

针对传统全局路径规划算法计算量大,寻路时间过长等问题,为了进一步提高移动机器人综合作业能力,本文提出了一种基于跳点搜索算法的快速全局路径规划算法,旨在减少时间成本,以满足移动机器人在实际复杂环境中对智能性、高效性、安全性和可靠性的要求。首先通过“块”操作方法,在一次搜索中快速扫描底层网格中的一个区域,将跳点搜索算法的修剪规则一次应用于多个节点,减少搜寻跳点时所涉及的大部分迭代计算,并在采取“对角优先”方式的前提下,剔除仅具有改变方向的中间转折点,大量减少Openlist和Closedlist的不必要节点,减少计算量,提高路径规划的实时性。为了验证改进算法的有效性与可行性,分别在规则的网格地图、测试库基准地图及移动机器人Turtlebot2进行仿真实验验证,结果表明在生成相同路径的基础上,改进跳点搜索算法与A*算法相比扩展节点数目缩减了68.9%,搜索耗费时间降低了71.9%;与传统跳点搜索算法相比,扩展节点数目缩减了41.3%,搜索耗费时间降低了33.4%,能够满足移动机器人快速全局路径规划的要求。