避免路径规划NA算法局部极小值的仿真试验

针对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 ,提出利用神经网络路径规划算法进行路径规划。为解决神经网络路径规划算法的局部极小值问题 ,提出针对障碍物的形状设定各条边的模拟退火初始温度。采用此方法仿真试验的结果表明 ,该方法能够避免某些局部极小值情况 ,规划的无碰路径达到了最短无碰路径     

基于改进蚁群算法与Morphin算法的机器人路径规划方法

 针对动态复杂环境下的机器人路径规划问题,建立栅格地图模型,研究一种改进蚁群算法与Morphin 算法相结合的动态路径规划方法。改进蚁群算法引入拐点参数评价路径优劣,并对路径进行拐角处理以及变更拐角处信息素更新机制,使规划的全局路径更加平滑;Morphin 算法则在机器人行走时,根据全局路径的局部环境实时规划局部路径,使机器人有效地躲避障碍物。仿真试验结果表明,该方法结合全局规划与局部规划的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

一种巡检机器人智能路径规划方法

提出了一种在栅格地图上使用参数可调势场法进行避障的巡检机器人智能路径规划方法.地图采用Hector SLAM算法建立,然后在全局范围内指定目标点并使用变粒度栅格法进行全局路径规划.遇到障碍物时,则在局部小范围内使用参数可调的人工势场法来进行局部路径规划和避障.该方法能有效地提高全局路径规划的效率以及局部避障的准确性,实验验证了该方法的快速性与有效性.     

桥式起重机吊装路径规划方法研究

针对智能桥式起重机系统的吊装路径研究中原有算法存在的问题,提出在障碍物已知的静态环境中,在合理选择算法的参数、并将拐点数融入启发函数、利用自适应策略设计全局和局部挥发系数、引入代价函数等方面进行改进。仿真结果及分析证明,本算法收敛速度快,且规划出的路径较短且无斜线,更适用于桥式起重机的吊装路径规划。     

一种移动机器人三维路径规划优化算法

对移动机器人在三维工作环境中障碍物位置和形状已知条件下的全局路径规划问题进行研究.机器人的初始路径取为出发点到目标点的直线路径,引入人工神经网络结构和模拟退火温度定义路径能量函数;根据多面体形障碍物的形状特征设定各边界面不等的模拟退火初始温度,并且对路径点位于障碍物内、外的不同情况建立不同的运动方程;提出一种基于神经网络结构能量函数的路径规划算法及其优化算法,对所提路径规划算法进行仿真研究.研究结果表明,该算法是一种有效的移动机器人三维路径规划算法;算法计算简单,不存在组合爆炸问题;可避免路径规划的某些局部极小值问题;优化算法能够规划出移动机器人最短避障路径,并且可加快路径规划收敛速度.     

一种基于神经网络的机器人路径规划算法

研究已知障碍物形状和位置环境下的全局路径规划问题。给出了一个路径规划算法 ,其能量函数的定义利用神经网络结构 ,根据路径点位于障碍物内外的不同位置选取不同的动态运动方程。规划出的路径达到了折线形的最短无碰路径。仿真研究表明 ,本文提出的算法计算简单 ,收敛速度快 ,方法可行     

无人驾驶拖拉机实时避障路径规划算法

为了实现无人驾驶拖拉机在直线作业时的实时避障路径规划功能,提出一种在改进最短切线法的基础上用五次多项式函数规划路径的避障路径规划算法。针对最短切线法规划的路径曲率不连续、难跟踪控制的问题,首先采用改进最短切线法求相关坐标点,然后基于求得的坐标点用五次多项式函数求解路径,最后得到由两段五次多项式函数曲线和直线组成的曲率连续的避障路径。对避障路径规划算法进行仿真,结果表明,该算法生成路径长度短、实时性好、安全性高。基于常州东风无人驾驶拖拉机的运动学模型设计一种模型预测控制器,在Simulink与CarSim联合仿真平台上对无人驾驶拖拉机的避障路径规划及跟踪控制进行联合仿真,结果表明：与改进最短切线法相比,基于五次多项式函数的路径规划算法规划的路径跟踪控制精度更高,更易于跟踪控制。     

拖拉机耕地智能化技术研究

利用Fischertechnik构件自行设计了智能耕地拖拉机模型,并根据其功能设计了控制程序。基于LLWin3·0软件平台,模型能够根据所输入的不同程序进行不同地块的耕作和以不同的耕作方式进行作业,并且根据所输入的参数,能够精确控制耕地的深度,能够自动识别障碍物,当遇到障碍物时停止作业并发出报警声,从而使拖拉机实现了自动化、智能化耕地作业。     

一种移动机器人动态环境下的路径规划

一种动态环境下自主机器人路径规划的方法由趋于目标的全局运动规划和躲避障碍物的局部运动规划两部分组成.首先通过栅格法建立机器人的工作环境,利用蚁群算法初步规划出机器人的全局优化路径;在此基础上,采用滚动窗口的方法进行局部环境探测和碰撞预测,对动态障碍物实行局部避碰,使机器人安全顺利地到达目的地.该方法适用于环境中同时存在静止和动态障碍物的情况.仿真结果证明该方法有效.     

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。     

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。     

单目视觉引导下的无人艇局部避障方法

针对无人艇（unmanned surface vehicle,USV）在作业过程中,需要及时躲避未被标注在地图上的漂浮障碍,并及时返回规划航道的问题,提出一种基于单目视觉的无人艇局部避障方法。避障方法使用YOLO网络识别图像中的障碍物,结合针孔成像原理和水体自由断面特点,解决单目视觉尺度不确定问题,从图像中恢复出障碍物的宽度及深度信息;针对无人艇惯性大,机动性差的特点,引入虚拟水道宽度等信息素,提出了改进的向量场直方图算法（vector field histogram plus,VFH+）;算法参考当前障碍疏密,动态调整不同信息素对最佳航向角计算的影响,引导无人艇在兼顾全局导航信息情况下,应对未知漂浮障碍物快速自动局部避障。基于水动力模型和Gazebo仿真引擎搭建无人艇避障的仿真实验平台。在仿真中快速迭代研究算法的参数范围及控制效果,实现了无人艇在舱内空间和能量均有限的工况下,仅使用单目视觉传感器,兼顾全局路径规划和局部障碍信息,自动化高效躲避漂浮障碍,并在脱离障碍后回归原有规划路径的功能。     

基于五阶Bezier曲线的无人车避障轨迹规划

无人驾驶汽车的局部路径规划对于自动驾驶技术的推广有着至关重要的作用。为了研究无人驾驶汽车在运行过程中前方会出现会静止障碍物采用换道避障策略的情况,提出了基于五阶Bezier曲线的局部路径规划方法。首先,通过分析车辆性能极限及车辆碰撞边界确定换道过程中车辆的可行驶域,再进一步考虑车辆的物理特性提出轨迹曲线优化目标函数,确定五阶Bezier曲线的6个控制点,得到最优避障轨迹。然后利用CarSim和MATLAB/Simulink软件进行仿真实验验证。结果表明此方法能够规划出易于车辆跟踪的轨迹曲线,且针对不同车速情况下的换道避障能够分别产生此车速下的最优避障轨迹。     

基于改进A*算法的无人驾驶车辆路径规划方法研究

针对传统A*算法所规划路径距离障碍物近、转折点多、路径不平滑的问题,对A*算法进行改进并应用于无人驾驶车辆路径规划中.在传统A*算法分析的基础上对背向障碍物搜索和评价函数进行改进,同时采用3次样条插值方法对规划后路径平滑处理.将传统A*算法和改进A*算法应用于MATLAB环境下搭建的无人驾驶车辆模型进行路径规划仿真分析...     

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。     

智能车辆局部路径规划与跟踪控制算法研究

针对无人驾驶汽车局部路径规划与跟踪控制，提出一种基于改进A^*算法的局部路径动态规划算法及一种基于改进LQR算法控制理论结合模糊控制与PID控制的路径跟踪控制算法。主要包括：搭建无人车辆在Frenet坐标系下利用栅格法构建预行驶区域模型；优化改进节点扩展方向，提出针对无人驾驶的五邻域扩展节点方式；A^*算法一次规划出代价值最小的目标节点，二次A^*算法规划出实时动态最优路径。另外，搭建以路径曲率变化率和横向误差变化率为状态变量的横向路径模糊跟踪控制模型，搭建以纵向误差和纵向误差变化率为状态变量的模糊PID控制模型解决参数难调问题。通过Carsim、Simulink与Perscan联合仿真平台验证设计的路径规划与跟踪控制算法有效性。     

虚拟人群仿真的路径规划新算法

提出了一种用于虚拟人群仿真的路径规划新算法.该算法由全局路径规划模块和局部避碰模块组成.全局路径规划模块利用具有最短距离约束的Delaunay三角形方法分割虚拟环境,并由具有距离信息的单元入口图进行表示;局部避碰模块利用相互速度障碍物方法,并加入了停止规则.实验结果表明:通过对具有距离信息的单元入口图的遍历可获得并存储...     

基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题，文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界，设立虚拟目标点来摆脱局部最优，建立道路环境模型；为了根据周边环境和车辆状态进行实时规划，设计分层避撞路径规划控制器，将道路环境模型引入上层路径规划器的目标函数中，利用模型预测控制(model predictive control, MPC)的优化算法规划出局部避撞路径，再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明，该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径，保证车辆行驶的稳定性和安全性。     

利用改进的粒子群算法的机器人全局路径规划

针对常规路径规划单纯追求路径最短、路径规划不灵活和实现复杂的缺点,提出了一种改进的移动机器人全局路径规划方法.该方法综合人工势场(APF)与粒子群优化算法(PSO)的优点,利用障碍物的排斥力生成路径的危险度地图(DDM),将路径长度与危险度的加权和作为PSO的适应度函数,获得了一条全局最优路径.该方法具有3个优点:粒子初始化及更新过程中会自动避开有障碍物的危险区域,规划出一条既安全相对长度又较短的路径;通过调整加权因子平衡长度与危险度在适应度函数中的比重,路径规划灵活;算法实现简单,收敛速度快,能满足移动机器人实时路径规划的要求.仿真结果证明了该算法的可行性和有效性.     

基于增强拓扑神经演化强化学习的水面无人艇局部路径规划

针对水面无人艇(unmanned surface vessel, USV)在复杂环境下的局部路径规划问题,对USV路径规划问题进行了数学建模,提出了基于增强拓扑神经演化(neuroevolution of augmenting topologies, NEAT)算法的局部路径规划方法;设计了神经网络初始结构和演化参数,对初始神经网络结构进行演化实现避障及到达指定目标的路径规划任务;通过设计适应度函数,实现路径点数目的优化。仿真结果表明:利用NEAT算法演化神经网络的方法能够使USV在复杂的环境中准确避开障碍物并到达目标点,且在路径点数目和鲁棒性方面优于传统的模糊逻辑算法与人工势场算法。