带拖线阵的水面无人艇局部路径规划算法

针对带有拖线阵的水面无人艇(unmanned surface vessel, USV)局部路径规划问题,提出了一种基于虚拟斥力场的改进人工势场法。首先,对USV和拖线阵进行建模,分析带有拖线阵USV的避障和缆阵有效张力过大问题;然后,通过增加虚拟斥力场改进人工势场法,在USV艇体有效避障的基础上,增加拖线阵位置安全裕度;最后,兼顾缆体的强度安全,实现带有拖线阵的USV整体有效避障。仿真和海上试验结果表明,所设计的方法能够综合保障USV及其拖线阵的航行安全。     

改进速度障碍法的无人艇局部路径规划

针对传统速度障碍(velocity obstacles, VO)法进行局部路径规划时避碰路径长、避碰时间长以及忽略紧迫局面会遇中避让责任的约束等问题,提出一种适用于水面无人艇(unmanned surface vehicle, USV)的改进VO法。将四元船舶领域和碰撞威胁距离引入VO避碰时机的计算中,确定了避碰阈值;将最晚施舵距离作为碰撞危险局面过渡到紧迫局面的临界值,构建了紧迫局面模型;设计了USV避碰模型,并通过国际海上避碰规则(International Regulations for Collision Avoidance at Sea, GOLREGs)进行约束。比较分析了对遇、右交叉、左交叉和追越4种会遇的避碰仿真。仿真结果表明：改进的VO法平均路径缩短39.88%、平均时间减少44.26%,改进后的局部规划能够在保证安全避碰的条件下满足GOLREGs第8条和第13～17条的避让要求。     

改进双向快速搜索随机树的无人艇路径规划

针对双向快速搜索随机树(bidirectional rapidly-exploring random tree, BI-RRT)算法在全局路径规划时存在搜索效率低、路径拐点较多等问题,提出一种改进BI-RRT的水面无人艇(unmanned surface vehicle, USV)全局路径规划算法。该算法采取了极度贪心的思想、高斯偏置随机点采样方法以及启发式的节点扩展策略,同时对节点扩展和搜索树连接进行角度约束,将生成的路径进行剪枝和3次B样条优化处理。结果表明,相对于改进前,改进的BI-RRT在平均时间、随机采样点和平均路径上分别减少了40.5%、65.0%和24.0%。改进后的算法时间、采样点和搜索树扩展大幅度减少,路径平滑度提高且路径更短。     

联合A*与动态窗口法的路径规划算法

由于无人艇所行驶的海洋环境比较复杂, 因此无人艇智能系统中的路径规划系统显得越来越重要。针对A^*算法与动态窗口法(dynamic window algorithm, DWA)存在的不足之处, 提出一种将二者进行结合的混合路径规划算法。通过对A^*算法得到的局部目标点进行迭代更新使水面无人艇(unmanned surface vessel, USV)利用DWA得到最佳搜索路径。仿真结果表明, 提出的算法所搜索的路径长度以及路径的拐点相对于A^*算法分别缩短了21%和减少了59%, 验证了所提算法的优越性。     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

微小型无人水面航行器的全局避障航迹规划

在常见改进遗传算法的基础上,结合微小型无人水面航行器(MUSV)的航行特点,进行变长度实数编码;根据航行的边界约束、避障约束、机动约束、总航路点个数约束以及进行目标点可航性判断来生成初始群体;为了使交叉、变异后的航迹能够避开障碍且能满足航行机动约束,采用相似航路点交叉和优先小范围变异。仿真结果表明,结合MUSV航行特点的改进方法,能够产生适应度较高的初始群体,能够在遗传操作中舍弃不可行个体,从而达到加快收敛速度的效果。     

多全向轮协同分拣平台的路径规划

针对传统物流分拣系统分拣效率低、人工成本高、灵活性低的问题,设计出一种自动物流分拣系统.以物品运输路径为研究对象,采用改进的A*算法与人工势场法实现系统的自动路径规划.通过调整实际代价与估计代价的权值对A*算法改进,增设虚拟子目标点与调节自适应参数对人工势场法改进,以完成货品的路径规划功能.仿真与试验结果表明,改进后的...     

基于混合蚁群算法的无人机航路规划

无人机(UAV)航路规划的热点和难点在于如何满足安全性和实时性的同时,兼顾全局路径规划和局部路径重规划,以提高无人机的作战效率和生存概率。针对这一问题,在现有无人机航路规划研究基础之上,提出采用蚁群算法与人工势场法相结合的方法。蚁群算法用于全局航路规划,人工势场法用于局部路径重规划。仿真结果表明,两种算法结合所得优化航路较好反映了算法的有效性,可以为航路规划辅助决策研究提供借鉴和参考。     

基于势场法优化的蚁群免疫网络路径规划研究

借鉴独特型网络假设和蚂蚁觅食行为的有关机理,提出了一种蚁群免疫网络路径规划算法.将机器人环境作为抗原,机器人行为策略作为抗体,通过抗原抗体的激励和抑制构建免疫网络,同时利用蚁群算法进行网络搜索,改善了免疫网络的最优规划.为了进一步提高算法收敛速度,将人工势场法的规划结果作为先验知识,通过疫苗抽取和接种实现网络初始化.仿真实验表明,新算法具有收敛速度快,规划路径短以及自学习的优点.     

无人侦察机路径规划方法研究

将无人机的侦察任务分为点状,线形和区域三类典型侦察任务.综合考虑探测传感器的特性,针对线形侦察任务,提出侦察走廊的概念;改进启发函数,基于A*算法有效解决点状、线形侦察任务路径规划问题;考虑飞机转弯半径限制,提出解决探测盲区的方法;针对带禁飞区的复杂区域搜索侦察任务,将全区域分割成若干无禁飞区的子区域,采用深度优先遍历算法,获得子区域的搜索顺序,在保证侦察无遗漏的前提下,利用往复前进式搜索方式,就可对区域侦察任务进行全区域覆盖的路径规划.仿真结果证实了规划方法的合理性和有效性.     

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。     

基于置信椭圆的无人艇区域覆盖搜寻规划优化

为解决水上遇险目标搜寻存在搜寻区域过大、搜寻代价过高等问题, 提出一种基于置信椭圆的无人艇区域覆盖搜寻规划方法。首先, 利用高斯混合模型聚类算法划分搜寻区域, 再基于腐蚀膨胀的置信椭圆确定最佳搜寻区域边界, 实现目标包含概率和单位面积粒子数全局最优。然后, 构造适应椭圆搜寻区域边界特征的无人艇转向模型, 优化非工作路径。最后, 以搜寻探测概率和总路径为优化目标, 采用带精英策略的非支配排序的遗传算法(nondominated sorting genetic algorithm II, NSGA-II)优化得到最佳搜寻规划路径, 实现无人艇高效区域搜寻规划。与常规矩形区域覆盖搜寻规划对比, 能够在达到相同搜寻成功率下显著减少搜寻代价投入。     

混合种群RRT无人机航迹规划方法

快速扩展随机树（rapidly-exploring random tree,RRT）无人机航迹规划方法能够快速获得满足约束要求的可行航迹,但是无法获得接近最短航迹的较优航迹。针对航迹的最优性问题,提出了混合种群RRT无人机航迹规划方法。在基于环境势场的RRT算法的基础上,设计了一种种群优化方法,通过引入自优化种群和协同优化种群改善航迹段,使算法同时具有局部和全局寻优能力。在得到航迹节点的基础上,采用B样条曲线的平滑方法生成曲率连续的可跟踪航迹。仿真结果表明,所提算法能够综合考虑无人机航程代价和雷达威胁代价,快速地收敛得到接近最优且满足无人机动力学约束的可行航迹,在不同环境下也能有满意的收敛效率。     

基于改进人工势场法的无人机航迹规划

针对传统人工势场(traditional artificial potential field, TAPF)方法在无人机航迹规划时航迹摆动幅度较大且容易陷入局部极小值的问题, 提出了一种改进人工势场法。首先在TAPF方法的基础上, 引入角度与速度调节因子, 模拟更真实的无人机飞行轨迹; 然后再引入辅助避障力, 实现避障的同时平滑轨迹; 最后对改进航迹规划算法与TAPF方法进行仿真实验。结果表明, 相较于传统算法, 改进后的航迹规划算法在航迹平滑性上有显著提升, 并且有效地避开了局部最小值点。     

基于自适应郊狼算法的无人机离线航迹规划

针对无人机(unmanned aerial vehicle,UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求,设计一种自适应郊狼算法,从最优化问题角度研究UAV离线航迹规划.建立UAV离线航迹规划的数学模型;在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制,使算法在搜索的过程中,智能选择合适的操作算子...     

基于碰撞危险度的无陷阱动态航路规划

由于人工势场法中障碍物的影响距离通常为一个固定值,不可避免地导致无谓避碰行为的出现,极大影响航路规划的效率。本文在动态环境下,针对无谓避碰行为,提出碰撞危险度评估模型和障碍物影响距离确定模型;针对障碍物在目标附近目标不可及问题(goals nonreachable with obstacles nearby,GNRON),提出能够区别评估障碍物的时间碰撞危险度模型;针对陷阱问题,提出虚拟障碍物法,以此构成基于碰撞危险度的无陷阱动态航路规划法。仿真结果表明该方法能够有效避免无谓避碰行为和陷阱问题的发生,且无GNRON问题,所得路径也较短且平滑。     

基于碰撞预测的无碰撞航路规划

人工势场法作为路径规划的一种算法,由于其数学描述简洁且易于执行,所得路径较短且平滑,在许多工程领域中被广泛使用.由于势函数斥力作用仅考虑机器人与障碍物的距离,这就使航路规划在障碍物附近无差别的采取避碰措施,这就导致无谓避碰行为的出现,极大影响航路规划的效率,且容易出现狭窄通道无法识别以及由周边多个障碍物的合斥力造成的局部极小值问题.针对无谓避碰行为,提出碰撞危险度评估模型和障碍物影响距离确定模型,针对局部极小值和航路点震荡问题,提出虚拟障碍物法和过滤震荡点法,以此构成基于碰撞预测的航路规划法.仿真结果表明该方法能够有效的避免无谓避碰行为,且无局部极小值和航路点震荡问题,所得路径也较短.