基于混合算法的机器人路径规划

针对IRRT*(informed rapidly-exploring random trees star)算法在机器人路径规划中搜索效率低、收敛速度慢的问题,将APF(artificial potential field method)与IRRT*算法相结合,提出APF-IRRT*混合算法.仿真实验结果表明:相对于其他3种算法,A PF-IRRT*算法的搜索时间、节点数目、路径长度的数值均最小;A PF-IRRT*算法对地图的复杂性以及面积的变化均有较强的适应能力.     

基于B样条算法的智能车辆局部避障路径规划

为保证智能车辆合理局部避障,基于B样条算法对局部避障路径规划问题进行了研究。通过建立纵向模型确定防撞约束条件,并结合车辆动力学约束、TTC碰撞时间等条件对传统B样条算法进行改进,进而得到控制点位置,规划出不同工况下的避障路径。运用CarSim与Matlab建立联合仿真平台,对规划路径进行仿真验证,结果表明规划路径安全平滑,能够有效躲避障碍物,满足横向稳定要求。     

移动机器人在障碍空间中路径规划的研究

移动机器人的研究主要转向了多智能体动态不可预测环境中的问题求解。体现移动机器人智能化水平的主要指标即其在障碍空间中的路径规划能力。本文将阐述在障碍空间中移动机器人在路径规划领域取得的研究成果,介绍基于模糊控制的避障思想,以及在该思想基础上发展起来的基于遗传算法的路径规划算法和蚁群算法在移动机器人领域中的研究。     

基于贝塞尔曲线的智能商用车换道避障轨迹规划

智能车辆的安全避障是实现自动驾驶技术的基础,针对智能商用车高速行驶中的避障问题,建立相应的避障策略,结合高速公路实际工况,对智能商用车的换道避障轨迹进行规划,分为路径规划与速度规划两方面。基于车辆的横向稳定性,结合鱼钩实验得到商用车高速转向时路径曲率的最大值,提出基于贝塞尔曲线的轨迹规划算法,对曲率进行约束,利用遗传算法选取最优避障路径。并基于车辆安全距离模型确定避障车速,规划出一条满足动力学约束以及瞬态侧翻阈值约束的避障轨迹,利用Trcksim软件对避障轨迹的可行性进行验证,结果表明智能商用车能够安全、高效的进行换道避障。     

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。     

一种基于A*算法的空间多自由度机械臂路径规划方法

针对机械臂在运动过程中可能会与工作环境中的障碍物发生碰撞的问题,文章提出了一种基于A*算法的机器人避障路径规划算法。在给定的避障环境下运用A*算法搜索一条给定的自起点到终点的最优避障路径,考虑到机械臂在运动过程中的稳定性,采用二次B样条曲线对该路径进行平滑优化;根据标准的D-H法对机械臂进行建模,建立机械臂的运动学方程,并求取一组能够最优实现避障路径的运动学逆解;检测机械臂本体与障碍物是否发生碰撞,若发生碰撞,结合机器人逆解的多解性,重新选择最优的一组可行解。通过软件Solidworks建立虚拟样机导入ADAMS软件进行仿真实验,最终验证了基于A*算法的空间多自由度机械臂避障路径规划的有效性和可行性。     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

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。     

采用RSPM-PS算法的机械手末端避障路径规划

为解决工业机器人机械手末端避障路径规划需要花费大量时间,且规划的路径可能会包含大量冗余分段点的问题,提出一种基于分段点迁移递归(RSPM)和递进约简(PS)的机械手末端避障路径规划方法.通过RSPM算法可以在碰撞段上形成分段点并进行迁移,进而递归处理各分段路径,得到一条无碰撞基础路径.通过PS算法可以去除基础路径上的冗余分段点,得到最终路径.结果表明：RSPM-PS算法能快速规划更短的基础路径且能快速有效缩短路径长度.     

基于批处理先验知识树的自主代客泊车路径规划

针对室内结构化场景的自主代客泊车路径规划问题,基于批处理先验知识树(BIT*)算法和滚动优化思想提出一种自主代客泊车路径规划方法.首先,基于BIT*算法规划全局自主代客泊车路径,并采用数组实现影响BIT*算法搜索效率的树节点优先队列和树边优先队列,提高全局自主代客泊车路径规划效率.然后,基于滚动优化思想和圆弧-直线组合方法规划满足汽车运动学约束和避障约束的局部自主代客泊车路径,基于滚动优化思想规划的局部自主代客泊车路径可以将汽车引导到泊车位附近,而基于圆弧-直线组合方法规划的局部自主代客泊车路径可以使汽车安全驶入泊车位.最后,仿真验证所提出的自主代客泊车路径规划方法的可行性和有效性,结果表明:相对于基于传统快速扩展随机数(RRT)算法的自主代客泊车路径规划方法,提出的方法搜索效率更高,并且规划的自主代客泊车路径满足汽车运动学约束和避障约束.     

基于改进双向A星和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划,并提出基于碰撞检测的动态步长和双向去除冗余点方法,在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性.仿真实验表明,所提方法规划的路径长度短、耗时少,并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。     

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。     

带有领导者的多智能体避障队形控制

研究了一类带有领导者的多智能体系统队形控制问题,在实现期望队形过程中同时考虑避撞和避障问题.改进了现有避撞与避障势函数的构造方法,并基于势函数的方法设计了控制策略,在控制策略的作用下,带有领导者的多智能体系统实现了期望的队形和避撞、避障控制目标.最后,通过仿真说明所提方法的有效性和可行性.     

基于改进Informed-RRT*算法的舰载机甲板平面路径规划

针对舰载机甲板路径规划问题,在Informed-RRT*（Informed Rapidly-exploration Random Tree）的椭圆采样基础上,提出使用正态分布方式采样的IN-RRT*（Informed Normal-RRT*)算法。首先,对舰载机与运动场景建模,定义舰载机运动约束和避障策略;接着,将正态分布采样策略与椭圆采样相结合,获取优质高效采样点;引入人工势场法,自适应调节随机树的搜索步长值;使用向心Catmull-Rom样条插值法对路径进行平滑优化处理;提出针对动态障碍改进的动态窗口法,实现局部动态避障。最后运用甲板平面环境实验检验算法性能。结果表明,本文IN-RRT*算法能显著优化搜索时间和搜索路径质量,可应对动态场景规划出合理可行的平滑路径。     

递相祖述复先谁——李退溪所捍卫的朱子义利说

根据传统快速搜索随机树算法(rapidly random-exploring trees,简称RRT)搜索速度快、所需时间短,但随机性大以及约束不足等特点,建立了直道和弯道的期望路径模型,采用高斯分布描述随机采样点,并引入启发式搜索机制,改进RRT算法.与原算法仿真对比,结果表明：改进算法所规划的路径质量显著提高,规划时间缩短一倍.同时,在Prescan软件中搭建直道和弯道仿真场景,跟随规划路径,结果表明：改进后RRT算法所得路径具有很好的跟随效果,且侧向加速度在车辆稳定性要求范围内,说明采用改进后的RRT算法进行汽车局部路径规划可行实用.     

基于模糊神经网络的无人机实时避障算法

针对模糊控制避障算法在障碍物信息未知的环境中适应性不强,难以有效规避"凹多边形"障碍物的问题,提出了一种基于模糊神经网络的无人机实时避障算法.采用等效夹角对模糊控制器的输入变量进行优化设计,克服了单一角度或距离在障碍物表征方面的局部片面性.基于BP神经网络理论设计了模糊控制器的初始隶属度函数和模糊神经网络架构;将模糊控制器在多个未知环境下生成的有效避障数据作为训练数据集,对模糊神经网络进行训练.仿真结果表明:所提出的模糊神经网络方法与模糊控制器相比具有更强的适应性,在面对未知复杂障碍物时避障更加灵活、路径更短,避障成功率更高.     

基于改进麻雀搜索算法及动态窗口法的路径规划

对于麻雀搜索算法收敛中期局部探索能力不足、在路径规划方面路径不平滑且动态避障能力差的缺点。首先针对麻雀搜索算法局部探索能力的不足,利用混沌映射初始化种群,并且利用上一代全局最优解与动态自适应权重优化发现者位置更新方式;然后,使用一种线性路径策略,减少折点与节点数量;最后,针对其路径不平滑,动态避障能力差的缺点,将优化后的麻雀搜索算法与动态窗口法融合。实验结果表明改进的麻雀搜索算法与动态窗口法融合算法平衡了全局与局部发掘能力,加快了寻路过程的收敛速度,优化了路径且避障能力显著提高。     

动态步长BI-RRT的无人机航迹规划算法

为解决传统RRT算法收敛速度慢、生成的航径距离过长等问题,提出动态步长BI-RRT算法。首先,采用引向目标的采样策略对空间进行探索以得到采样点,利用动态步长策略确定该采样点的增长步长以确定新节点;之后,通过树枝裁剪策略对新节点进行调整,当探索到目标节点时,算法返回初始航迹,对于初始航迹,应用贪心算法对航迹点进行筛选,以减少无人机(UAV)的无效节点与总航迹长度;最后,利用B样条进行平滑处理,得到一条可行航迹。搭建了二维和三维环境下的仿真地图模型,验证了该算法在保证无人机避障的基础上获得一条有效航迹。动态步长BI-RRT算法在无人机航迹规划方面不仅有实时性强、航迹光滑的优点,而且与分段优化RRT算法相比,在优化航迹节点个数的前提下,提高了收敛速度且降低了航迹距离。     

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划, 提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法. 首先, 建立差速驱动机器人运动模型, 用于操控左右两个驱动轮线速率, 完成机器人转弯及非匀速运动; 其次, 利用Bézier曲线描述路径状态, 将路径规划问题转换为产生Bézier曲线有限点方位优化问题, 提升机器人的运动平滑性; 最后, 引入遗传算法将二维路径编码简化为一维编码问题, 将路边约束、 动态避障需求及最短路径需求混合成适应度函数, 使机器人尽快脱离局部极小解, 成功绕过障碍物抵达目标点. 仿真实验结果表明, 该方法的避障路径规划效果较好, 避障路径距离为30.19 m, 且避障用时低于对比方法, 最长避障用时为5.3 min.