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.     

基于模糊算法的无人驾驶压路机自动碾压控制

针对无人驾驶振动压路机在自动碾压作业时的路径跟踪误差影响整体碾压作业质量的问题,提出了基于模糊算法的路径跟踪控制方法.建立了压路机整体运动学模型和液压动力转向系统模型,设计了基于预瞄的航向跟踪算法和模糊比例-积分-微分(PID)控制器来实现对自动碾压误差的控制.通过无人驾驶压路机路径跟踪控制模型的仿真和现场自动碾压试验对自动碾压控制性能的验证,表明基于预瞄的航向跟踪模糊PID控制较普通PID控制在无人驾驶振动碾压过程中具有更好的控制性能,显示了模糊控制算法的有效性与优越性.     

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...     

基于改进双向RRT*的移动机器人路径规划算法

针对复杂环境下移动机器人的局部最优路径规划,提出一种基于目标偏置扩展和Cantmull-Rom样条插值的双向RRT^*路径规划算法.双向RRT^*算法同时创建两颗搜索树,交替进行相向搜索,同时以一定的概率进行随机点的目标偏置选择,以提高算法的整体收敛效率;再对当前节点重选父节点和重布线,以增强算法对环境的敏感程度.为确保路径安全可行,对环境中的障碍物进行膨胀处理,再对初始路径进行碰撞检测;修剪冗余节点,缩短可行路径长度,再利用Cantmull-Rom样条插值法平滑路径.在Matlab仿真平台和ROS机器人仿真平台分别进行2D和3D的对比实验,验证了改进双向RRT^*算法的有效性和优越性.     

兼顾启停特性和转角时耗的移动机器人路径规划

针对传统移动机器人路径规划算法在考虑启动、制动以及转向姿态调整等实际约束的情况下,规划结果存在机器人运行时间长、任务执行效率低且在大场景下易陷入局部拥堵甚至导致运行瘫痪等问题,提出一种兼顾启停特性和转角时耗的移动机器人路径规划算法。对移动机器人启动、制动及运行过程进行数学建模,分类构建栅格化A^*算法运动代价函数;针对移动机器人姿态调整导致任务耗时长的问题,结合地图二维向量坐标下方位角与位置向量分布关系,设计转角时耗代价函数;提出考虑信息素轨迹跟踪与启发项比例均值化的动态启发函数,对规则路网下潜在的局部拥堵问题进行处理。仿真与实验结果表明：所提改进A^*算法相较传统A^*算法,机器人平均运行时间减少了11.4%,有效缩短了移动机器人任务运行时间;所提算法经过启发项比例均值化调整,在仅微量增加机器人运行时间的情况下,使信息素矩阵标准差降低了96.9%,有效预防了移动机器人局部拥堵情况的发生。     

智能小车循迹与避障的仿真与实现

基于MATLAB/Simulink仿真工具建立了智能小车的整体仿真模型,选用纯跟踪控制算法对智能小车模型的输入速度及转向角进行PID控制,利用MATLAB的矩阵数据构建了含有障碍物、可行区域、起始点和目标终点的costmap地图,并采用A*算法对地图的起始点至目标终点路径进行了构建和优化,得到了一条无障碍路径．通过对搭建好的智能小车模块在规划好路径的地图中进行循迹与避障仿真,并观察其仿真运行路径与规划路径的重合度,得到智能小车的实时位置与姿态．仿真控制算法在实物智能小车实际测试结果表明,仿真构建的智能小车运动模型、PID的参数调节、智能小车的控制算法以及规划出的路径可以在实验中按照设定要求运行,验证了控制算法的有效性．     

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。     

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

车辆轨迹的预瞄与模糊分数阶比例—积分—微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶比例-积分-微分(proportion-integration-differentiation, PID)控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

基于模糊PID控制算法的导盲机器人研究

结合PID控制对线性定常系统控制的优越性和模糊控制器对复杂非线性系统的有效控制,设计了一种基于模糊PID控制算法实现导盲机器人的避障循迹控制。导盲机器人采用乐高套件搭建而成,避障环节设计采用超声波传感器检测障碍物信息,控制器采集障碍物信息及机器人行驶速度信息,利用模糊PID算法实现避障;循迹环节为克服遇机器人转弯或高速行进时一般PID控制算法稳定性差的不足,采用实时跟踪偏差和偏差变化率来修正PID控制的各个参数,实现对机器人的导航控制,其中机构采用红外传感器进行识别检测。实验结果表明,利用改进算法进行导盲机器人的避障循迹控制,能够极大的提高避障的准确率,精准的循迹。     

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,APF-IRRT^*算法的搜索时间、节点数目、路径长度的数值均最小;APF-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.     

采用改进模糊PID控制的串联机械手追踪误差研究

针对串联机械手运动角位移跟踪误差较大问题,提出了改进模糊PID控制方法。创建串联机械手简图模型,给出机械手动力学方程式,设计了模糊PID控制系统。引用粒子群算法并对其进行改进,采用改进粒子群算法优化模糊PID控制器,将改进模糊PID控制器用于控制串联机械手角位移变化。采用Matlab软件对串联机械手角位移跟踪误差进行仿真验证,并且与传统PID控制器和模糊PID控制器仿真结果形成对比。仿真结果显示,串联机械手采用PID控制器和模糊PID控制器,其角位移跟踪误差较大,而采用改进模糊PID控制器,角位移跟踪误差较小。串联机械手采用改进模糊PID控制器,可以提高控制系统的稳定性,削弱机械手的抖动现象。     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

基于MPC的智能车辆路径规划与跟踪控制

针对在障碍物环境下的避障路径动态规划效果较差,以及在面对复杂工况和曲率较大的路况时,跟踪控制的效果仍然不理想等问题,本文以智能车辆为研究对象,提出了一种模型预测控制(MPC)结合人工势场(APF)算法的路径规划跟踪系统。将改进的势场模型函数引入到MPC的目标函数和约束中,设计了基于MPC和APF的避障路径动态规划器。。运用模糊控制对MPC的车辆横向路径跟踪控制器的权重系数进行优化。仿真结果表明：在干燥路面下,与MPC控制器相比,模糊MPC路径跟踪控制器的最大横向偏差减少19.14%。在湿润路面下,模糊MPC控制器最大横向偏差减少0.55 m。基于MATLAB/Simulink与Carsim软件搭建避障路径规划与跟踪控制联合仿真模型,选择动态障碍物不同速度进行障碍物路径动态规划及跟踪控制仿真试验。实验结果表明：跟踪规划路径过程中的最大横向偏差约为0.170 m,说明规划的避障路径能够安全有效地避开障碍物。     

基于LQR和PID的智能车轨迹跟踪控制算法设计与仿真

为了提高智能车轨迹跟踪的精度及鲁棒性,提出了基于线性二次调节器(LQR)和比例-积分-微分(PID)算法的横纵向控制策略。首先建立了车辆二自由度动力学模型和轨迹跟踪误差模型;其次设计了横向LQR控制算法的轨迹跟踪控制器和纵向双PID控制算法的速度跟踪控制器,并采用遗传算法对横向LQR控制的关键参数进行了确定。通过CarSim和Simulink对其控制算法进行低速、中速和高速三种工况的仿真,仿真结果表明：该横纵向控制算法在轨迹跟踪时的距离偏差小于0.05 m,前轮转角以及横摆角速度变化较为平稳,保证了轨迹跟踪的精度和较好的稳定性,在一定程度上提升了乘员的舒适性。     

轮毂电机驱动汽车纵向和横向稳定性联合控制

为了提高轮毂电机驱动汽车的纵横向稳定性,将汽车的横摆控制和防滑控制相结合,采用分层控制架构搭建纵向和横向稳定性联合控制模型.上层为力矩决策层.基于比例-积分-微分(PID)控制算法构建车辆纵向车速跟踪控制器;基于模糊P ID控制算法搭建驱动防滑控制器,采用前馈加反馈的控制方法决策出驱动防滑力矩;基于二阶滑模控制算法建立直接横摆力矩控制器,设计附加横摆力矩加权模块控制汽车的横摆特性.下层为力矩分配层.采用优化分配算法将上层决策出的总纵向力矩、驱动防滑力矩和直接横摆力矩合理地分配到4个车轮上.通过加速和转向联合仿真工况验证设计的纵横向稳定性控制策略的有效性.研究结果表明:车轮最大滑转率为0.17,横摆角速度最大偏差值为0.01 rad/s,质心侧偏角最大偏差值为0.011 rad,验证了控制算法的有效性.     

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.     

森林火灾多机型救援三维航迹规划

为解决通用航空森林火灾救援时机群调度存在的航迹优化问题,提出一种针对多机型的自适应三维改进A^*航迹优化算法。目前常用的传统A^*算法存在搜索节点多、计算速度慢和受限于二维空间等缺点,综合考虑不同救援航空器实际飞行时的性能限制,从三维空间上改进搜索节点;提出考虑救援成本的代价函数,同时采用自适应方法动态调整权重。仿真结果表明,该算法能有效减少航迹规划时间和航迹长度,加快搜寻救援方案的生成速度,有效提高救援机群调度效率,更符合通用航空器实际林火救援飞行。研究成果可为提高通航森林火灾救援效率提供理论依据,具有一定的参考意义。     

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。     

一种面向泊车场景智能车辆轨迹规划方法

局部轨迹规划是自主代客泊车系统的关键技术之一，在该场景下，现有智能车辆的局部轨迹规划方法存在规划耗时长、曲率不连续、安全性不足等问题.针对该类问题，提出一种面向泊车场景的智能车辆轨迹规划方法.该方法通过改进混合A^*算法的解析扩展以及引入风险函数，提升了初始路径搜索的实时性和安全性.进一步，结合初始路径以及二次规划方法实现路径平滑和速度规划，最终完成轨迹生成.仿真实验表明，所提方法能够提升智能车辆轨迹规划实时性、平滑性以及安全性，并且在实车试验上验证所提方法在实际泊车场景的可行性.