基于加权A~*算法的服务型机器人路径规划

针对室内环境下的服务型移动机器人路径规划问题,分析并比较了两种经典算法--Dijkstra算法及基于Manhattan估计函数的A*算法,通过改变A*算法估价函数中参数的权值来优化路径轨迹,从而既满足A*算法的可接纳性,同时义实现两种算法的融合.在VC环境下编译出路径规划的仿真程序,通过变换起始点与目标点的坐标,比较运算时间和生成的路径轨迹.结果显示:加权A*算法优化了A*算法的路径轨迹,且在计算时间上优于Dijkstra算法,解决了服务型移动机器人的路径规划问题,满足实时性要求.     

基于D*算法的场面滑行动态规划研究

研究了机场场面滑行路径动态规划问题.基于三种滑行冲突约束,建立了使航班总体滑行时间最短的动态优化模型.改进了传统的D*算法,提出了基于时间权值的冲突预测和代价修正函数.案例计算相比Dijkstra算法得到的结果减少了203s,有效减少总滑行时间,提高场面运行效率.该算法不仅可以用于滑行路径的初始规划,也适用于场面实时滑行引导的实施.     

基于A*与B样条算法的农用机器人路径规划系统

为高效智能地规划农用机器人在农田中的运行路径,保证精确的作业行距及作业方向,实现机器人按照指定路径自动行驶,设计了基于A*与B样条算法的农用机器人路径规划系统.使用A*算法对农用机器人运行过程进行路径规划,并利用B样条算法平滑该路径,进而得到最优作业路径.Matlab仿真实验结果表明:A*算法和B样条算法结合起来应用于农用机器人的路径规划是可行的.     

基于改进A*算法与天牛须搜索算法的农业机器人路径规划方法

为解决复杂环境下,农业机器人路径规划存在的局部路径欠优、收敛速度慢、折点较多的问题。为解决此问题,本文提出一种基于天牛须搜索算法和A*算法相结合的BACA*全局规划方法。首先,基于A*算法,采用曼哈顿距离作为启发函数进行全局规划;其次,通过适当调整步长的天牛须搜索算法对路径进行优化,缩短了路径长度,降低了转折点数量;最后,采用贝塞尔曲线对路径进行圆滑处理,使机器人在现实场景中能平稳前进。仿真结果表明：与传统A*算法相比,该算法的路径更加平滑,折点数更少;与天牛须搜索算法相比,能保证生成路径的效率性、全局最优性。在缩短路径长度和降低累计转折点数量方面验证了所提方法的有效性。     

D*算法在柔性输送系统路径规划中的应用研究

针对柔性传输系统(FTS)对于最短路径规划问题的要求,提出将D*算法移植并嵌入到柔性传输机器人模型的控制系统中。简要介绍并分析了D*算法的基本原理,以位置已知、环境相对确定和最低路径代价为约束条件,建立FTS的最优路径规划模型,并进行仿真实验。实验结果表明,D*算法具有较好的避障自适应性能力、较高的柔性和动态响应特性,较之Bug算法、概率路标算法(PRM)和Bellman-Ford算法等,D*算法具有较快的收敛速度和较少的计算量,适合环境相对确定、多品种小批量柔性传输系统。     

基于蚁群算法的三维空间机器人路径规划

将蚁群算法应用于三维空间机器人路径规划问题.首先将机器人所在位置(原点)与目的点之间的空间划分成立体网格,同时定义原点与目的点之间的有效路径.蚁群从原点出发,独立地选择有效路径,最终到达目的点,从而求出从原点到目的点之间的最优路径.实验结果表明,该算法不仅有效,而且具有较快的速度.     

基于A^＊算法的机器人路径规划实现

A^＊算法是一种启发式搜索方法,即通连用一个比较特殊的估价函数使得在路径优化问题中得到较优方案。应用此算法实现机器人在规划空间中行走路径的选择,通过仿真表明,此算法能得到较优的路径选择策略,有利于机器人在规划空间的行走。     

基于改进A*算法的燃气微泄漏四足巡检机器人路径规划

针对四足机器人在城市燃气微泄漏巡检中路径规划的需求,提出了一种基于改进A*算法的四足机器人燃气巡检路径获取方法。首先,采用网格法构建了四足机器人的二维工作地图。然后改进A*算法的启发函数,引入了自适应调整策略,让搜索节点减少且路径更不易陷入局部最优。最后从路径长度、平均搜索时间、搜索节点个数三个性能方面进行评估,改进A*算法达到了预期效果。使用Matlab2016b作为仿真软件,仿真结果显示,改进A*算法完成了寻路任务。与经典A*算法相比,改进算法的平均搜索时间降低了52.13%,搜索节点个数减少了30.23%。该算法在尺寸200×200以下地图的路径规划中具有较高的搜索效率。     

基于A~*算法的移动机器人路径规划

路径规划是移动机器人关键技术之一,也是实现移动机器人自主导航的前提,研究移动机器人利用栅格法创建环境地图时,在其计算资源有限的情况下,比较利用迷宫八方向搜索思想实现最短路径规划的Dijkstra算法,提出采用基于栅格划归地图的A*算法能更快实现移动机器人的无碰最短路径规划,编制了仿真程序,给出了仿真结果,可以满足移动机器人实时路径规划的需要。     

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.     

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...     

基于模拟退火的机器人路径规划算法

本文利用模拟退火算法对该模型进行优化求解,为移动机器人寻找到一条最优路径。通过实验得到模拟退火算法有效提高了收敛速度,快速完成了移动机器人路径规划的任务。     

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。     

基于改进A*算法的一种智能车路径规划方法

轨迹规划是智能车安全行驶的关键技术。本文基于A*算法在复杂地图轨迹规划耗时长,拐点多等问题,提出了一种基于图论及几何方法的改进A*算法的避障与导航方法。该方法在传统A*算法的基础上结合图论进行路径规划,同时剔除路径中冗余节点,并采用Labview进行具体的仿真实验来验证轨迹规划算法的性能。结果表明：该算法在复杂环境中仍能有效找到距离短且平滑路径,提高了智能车的运行效率降低了能耗,可用于实际的智能车安全行驶管理中。     

基于A~*算法的机器人二维与三维路径规划实现

主要对移动机器人轨迹进行规划设计,将移动机器人的轨迹环境采用栅格化处理,提出了一种能结合全局和局部规划的改进的A*算法。使移动机器人在环境未知的情况下进行自主规划路径,通过MATLAB软件验证了算法的可实现性与稳定性,并将其与经典A*算法作对比,以证明改进算法的在运算能力,可实现性和稳定性上的优势。     

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A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

云模型在机器人路径规划算法中的研究

传统的遗传算法由于在进化过程中易出现早熟收敛、不能保证种群多样性的现象。本文提出了一种基于云模型的简单、有效的移动机器人避障路径规划算法,采用一维云算子进化变异,同时进化式变异和突变均利用了历史搜索结果,有效避免遗传算法的缺点。模拟数据也证明了该算法的可行性。