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。     

复杂环境下的移动机器人路径规划

为了提高移动机器人在复杂环境下的路径规划能力, 通过双层路径规划思想研究了移动机器人路径规划问题：用栅格法对机器人工作环境进行建模,首先采用改进的遗传算法进行全局路径规划,解决了由于交叉概率和变异概率选择不当导致最优个体丢失的问题;然后,在规划好的全局路径的基础上利用改进的人工势场法进行局部动态避障,解决了局部极小点问题。结果表明：移动机器人能够在复杂环境下规划出一条无碰撞的优化路径。可见改进算法的有效性。     

动态障碍物环境下移动机器人路径规划

以机器人基本避障碍策略与启发式动态规划法相结合的方法，研究了在障碍物轨迹已知的动态环境中机器人的路径规划问题，根据机器人与单个障碍物可能的碰撞情况，分别提出了几种避障碍,伙子目标和相应的速度。根据这些策略，在机器人当前视窗内，将形成一个策略树，采用启发式动态规划算法，依据时间和路径费用最小原则，找出一个最优策略集，即最优子目标集，这种规划方法大大缩小于机器人子目标搜索空间。     

基于环境模型的路径规划算法研究

路径规划技术是移动机器人技术研究中的一个重要领域。本文分析了路径规划中所常用的环境模型,介绍了一些主要的全局和局部路径规划算法,并对共研究趋势进行展望。     

移动机器人复杂环境路径规划

针对移动机器人在复杂环境下路径规划问题,提出一种改进蚁群算法.该算法设计启发式状态转移函数,引入起点和终点对状态转移的引导作用;设计路径优化方法,从八个方向优化每次迭代生成的最优路径,避免规划路径陷入凹形区域,减小其长度;建立路径评估模型,考虑到环境的复杂性,通过加入惩罚因子,使路径评价标准从路径长度转为路径代价,将影...     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法中收敛速度和局部最优的矛盾,提出一种适用于静态环境的基于改进蚁群算法的移动机器人路径规划方法.在环境建模方面,利用机器人起点和终点的位置建立环境的可视图.改进的蚁群算法将环境中局部的路径信息加入到信息素的初始化和路径选择概率中,提高了算法收敛速度的同时尽可能地避免算法早熟.当算法陷入停滞时,引入交叉操作并调整α,β和ρ的值,增加了算法的逃逸能力.仿真结果证明了所提方法提高了最优路径的搜索效率,整体性能优于标准蚁群算法.     

动态环境下移动机器人路径规划的研究

移动机器人路径规划是机器人研究中最关键的技术之一,机器人进行最优的路径规划是其中的难点。文章以目前对移动机器人路径规划的研究现状为基础,通过具体分析与研究,将现有成果进行归纳总结、深入探讨;并依据基本原理与应用场景的不同,将算法划分为智能仿生、几何模型搜索、虚拟势场、强化学习4类;通过对每类算法的分析可得出各算法的优缺点以及主要适用场景,并通过多种不同算法相互结合的方式来解决移动机器人路径规划的问题。该文为动态环境下移动机器人路径规划的研究奠定了一定的理论基础。     

轮式移动机器人在未知环境下路径规划

本文首先对轮式移动的机器人进行运动学分析,建立运动学模型及控制模型。采用直线和圆结合的方式对路径进行规划,然后采用模糊控制方法对机器人在路径规划基础之上进行路径跟踪控制,并且用计算机进行仿真。通过和不加模糊控制的机器人路径跟踪对比,采用模糊控制的机器人路径跟踪其运动轨迹相对平缓,波动少,且收敛到预期轨迹的速度快,其动态和稳态输出特性都较好。     

复杂环境中移动机器人路径规划

分析了传统人工势场法存在的缺陷,提出一种沿斥力场等势线环绕障碍物避障的移动机器人路径规划算法.仿真实验结果表明:该算法在复杂环境中路径规划方面能够获得较好的效果.     

动态环境下基于行为动力学的移动机器人路径规划

通过非线性微分方程描述的移动机器人各种行为模式的演变,模拟人类路径规划方式,应用行为动力学方法对动态环境下移动机器人路径规划问题进行了研究。首先,确定了路径规划的行为变量和行为模式,构建了机器人的航向角动力学模型与速度动力学模型,并分析了不稳定不动点,以及给出相应的解决方法;其次,为了得到更好的规划路径,采用竞争模型进行行为模式权值的自适应调节;最后的仿真结果表明模型是正确的,以及权值调节是有效的。     

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.     

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．     

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.     

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。     

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.     

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.