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.     

基于改进模糊评价法的无人艇碰撞风险计算

为了解决传统模糊评价模型在船舶风险评估中多仅适用远距离场景,以及缺乏考虑《国际海上避碰规则》(International Regulations for Collision Avoidance at Sea, COLREGs)等问题,提出一种改进的模糊评价法,用于计算水面无人艇(unmanned surface vessel, USV)的碰撞危险度。该方法采用四元船舶领域确定模型中的安全距离,并通过行动域模型明确模型中碰撞威胁距离。同时,将两船是否构成紧迫危险局面引入到碰撞危险度的计算中。实验结果表明,改进后的方法能够适用于近距离水域的USV碰撞危险度计算,同时满足COLREGs的要求和航海避碰实际情况。     

舰载机牵引系统甲板调运避碰路径规划

针对舰载机牵引系统的甲板调运过程,提出了一种适用于复杂障碍物环境中不规则形状目标的路径规划方法。针对舰载机外轮廓特点,建立了目标的凸构型描述形式,并推导了多目标间碰撞检测及距离计算方法,在此基础上提出了舰载机牵连运动的轨迹跟踪控制算法,同时引入行为动力学方法实现牵引系统的避碰路径规划。为提高复杂环境下的避碰能力,基于广义符号阈值函数,提出了避障行为策略改进方法。仿真结果表明,本文提出的算法能够有效地解决舰载机牵引系统的避碰路径规划问题。     

模糊控制策略在避碰运动系统中的应用

目前多机器人避碰运动已经被广泛研究,其控制策略也多种多样.主要解决基于全景视觉传感器的多机器人多目标系统中机器人之间以及机器人和静态障碍物之间的避碰问题,提出了单个自主运动机器人的结构模型、自主机器人周围物体的态势模型以及移动机器人动态速度的快速检测方法.机器人的运动决策采用基于Step-Forward策略的模糊推理机制,实现机器人在动态环境中快速、准确的找到一条无碰撞的路径,最终达到目标点.仿真结果表明了该算法应用于移动机器人在动态复杂环境中的无碰撞运动具有正确性、实用性和智能性等优点,同时该算法计算量小,运算速度快,提高了机器人控制的响应速度.     

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。     

双臂空间机器人的通用运动学路径规划算法

提出了一种基于通用运动学模型的双臂空间机器人在自由浮游状态下捕捉目标并避免碰撞障碍物的路径规划算法。过去的双臂空间机器人路径规划问题主要研究双臂的避碰问题 ,而忽略了机器人本体的避碰问题。实际上 ,当机械臂运动时 ,机器人本体也在相对运动 ,这个相对运动随机械臂质量与本体质量之比的增大而增大。利用通用运动学模型计算出双臂空间机器人的各点 (包括本体 )的速度 ,并在路径规划过程中根据机器人本体的速度计算出本体平动的距离 ,克服这个平动来避免与障碍物碰撞。最后 ,通过路径规划算法的计算机仿真结果证明了所提出路径规划算法的可行性     

基于角色变换和强化学习的多机器人协同仿真

征对多移动机器人协同问题,将角色变换与强化学习相结合,采用集中式控制结构,并提出了距离最近原则,将距离障碍物最近的机器人作为主机器人并指挥其它从机器人运动,同时采用了基于行为的多机器人协同方式,在提出的基于强化学习的行为权重基础上,通过与环境交互使机器人行为权重趋向最佳,并利用基于最大行为值的协调策略来规划机器人避碰行为.通过在动态环境下多机器人协同搬运仿真实验,表明在使用了角色变换和强化学习后,有效减少了多机器人与障碍物发生碰撞的次数,成功的实现了协同搬运,具有良好的学习效果.     

考虑避碰与任务分配的多飞行器协同制导技术

集群协同打击可以提升飞行器整体作战效能，然而集群内部碰撞会引起自损，降低整体作战效能。针对集群协同打击过程目标分配不合理导致的碰撞问题，基于协同打击移动目标的场景，建立了多飞行器碰撞问题的数学模型，揭示了分布式架构集群协同运动的规律。进一步，考虑飞行器的安全区域约束，基于总路径最短的目标分配方法，引入考虑时空避碰的目标评价规则，提出了兼顾避碰与协同效果的任务分配方法，并与反应式避碰策略相结合，极大地提高了集群协同飞行的安全性。仿真结果表明，研究提出的考虑时空避碰约束的任务分配方法能够有效减小碰撞概率，在保证协同打击效果的同时确保飞行安全，具有较强的工程应用价值。     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

基于耗散结构理论的极大熵目标分群算法

为快速准确实施战场目标分群,从信息交互角度,结合耗散结构理论将战场态势认为是能够出现"有序" 状态的动态开放系统.据此,建立用于战场目标分群的OG-Brusselator 模型,并且改进了MEC 算法,在航路勾径基础上提出航路股径概念统一目标彼此间距离和运动方向两要素的量纲,将其和目标与分群中心隶属度分别作为影响目标群属关系明晰度的可量化正、负熵指标, 提出以OG-Brusselator 模型控制算法迭代的目标分群算法DS-MEOC.最后针对空中目标进行分群实验分析,结果表明DS-MEOC 算法有效可行,相比MEC算法,能够提供更合理的目标分群方案.     

基于速度障碍圆弧法的UAV自主避障规划研究

提高复杂环境下无人飞行器(unmanned aerial vehicle, UAV)自主避障能力成为亟待解决的关键问题。针对现有避障算法忽略“潜在危险”障碍的影响和对多障碍避碰复杂的问题,建立障碍物威胁分级模型,提出一种速度障碍圆弧法,该方法通过速度障碍圆弧参数量化了威胁障碍的影响。同时,给出了速度障碍圆弧参数的系统计算方法,考虑了复杂环境下UAV与威胁障碍之间不同相对位置和相对速度情况。基于速度障碍圆弧法给出相应的避碰算法。以路径规划为实例对避碰算法进行了仿真验证,仿真结果验证了算法的有效性和实用性。     

基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

一种动态不确定环境下UAV自主避障算法

在动态不确定环境下,考虑威胁障碍物的机动性和无人飞行器(unmanned aerial vehicle, UAV)携带传感器的探测误差,可有效地提高UAV执行任务的安全性和可靠性。本文在速度障碍法的基础上,将动态不确定性通过威胁障碍速度矢量方向角的偏差进行表示,并建立了动态不确定性速度障碍模型(dynamic velocity obstacle model, DVOM);为量化动态不确定环境下威胁障碍物的影响,基于速度障碍圆弧法,给出了DVOM速度障碍圆弧法,并在此基础上,提出了一种动态不确定环境下UAV自主避障算法。最后,以Pythagorean Hodograph (PH)曲线路径规划为例对考虑动态不确定性的UAV自主避障算法进行了验证,仿真结果验证了算法的有效性和可行性。     

基于行为动力学的移动机器人安全导航方法

研究机器人行为动力学方法的导航问题,该方法在动态环境下存在碰撞危险。提出一种改进迭代最近点算法,可以在机器人导航过程中实时获取障碍物的位姿变化。根据位姿变化将障碍物分为静止障碍物、移动障碍物。结合环境信息的不完整性和运动障碍物速度信息,提出可感知速度障碍物（perceivable velocity obstacles, PVO）概念,该概念定义的障碍物是机器人感知障碍物区域沿其相对运动方向膨胀得到的避障区域,是一种虚拟障碍物。将PVO作为障碍物应用于行为动力学方法完成机器人导航控制。所提出的改进方法在不改变原有行为动力学方法的基础上,增加了安全导航功能,简单易用。仿真实例证实,在动态环境下,改进的行为动力学导航方法比经典的行为动力学导航方法更加安全。     

动态环境中基于模糊神经网络的AGV路径规划

动态环境中AGV路径规划是一较难解决的问题,针对该问题提出了一种基于速度障碍、碰撞危险度概念的动态环境模型,并在此基础上结合模糊神经网络给出了AGV的路径规划方法。最后给出了在有静止和运动障碍物的动态环境中路径规划仿真结果,结果表明该方法是可行的。     

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。     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。