未知环境下改进的基于BUG算法的移动机器人路径规划

对未知环境下移动机器人路径规划的方法和发展现状进行了概述总结,指出了各种方法的优点和不足.同时研究了环境未知情况下的移动机器人实时路径规划问题,将Bug算法与基于滚动窗口的路径规划相结合,提出了一种改进的移动机器人路径规划方法.规划时只考虑当前状态下所必须的传感数据,不必计算障碍物的边线解析式,节省了存储空间,提高了规划效率,保证了算法的实时性.算法采用两种行为模式,为了保证路径规划的完备性和全局收敛,同时给出了全局收敛标准.由于算法的固有原理,在陷阱区域移动机器人容易左右徘徊,无法达到目标点.针对算法的这个问题,利用虚拟障碍的概念提出了基于局部切线图算法的移动机器人路径规划.最后对本算法的收敛性和完备性给予了证明.仿真实验验证了该方法的有效性.     

移动机器人路径发现与规划的免疫算法

分析了车式移动机器人的运动特性，设计了一种适用于该机器人的路径发现与规划免疫算法。通过仿真实验表明，该算法能够快速地发现与规划运动路径，有较好的柔性，能适用于不同的任务，所以该算法具有较高的智能。     

未知环境下非完整轮式移动机器人运动规划

将Bug算法与基于滚动窗口的路径规划相结合,提出改进的移动机器人路径规划方法.该方法无需计算障碍物的边线解析式,仅考虑必须的传感数据,从而提高了计算效率.根据建立的移动机器人通用动力学模型和无打滑非完整运动约束条件,采用非线性反馈线性化方法设计了轮式机器人的轨迹跟踪控制器.建模时直接以两驱动后轮的角速度为控制输入,降低了跟踪误差.同时考虑左右车轮的速度限制,以保证规划路径的平滑.最后,与Bug算法、势场算法和模糊控制算法进行对比实验,验证了该算法的有效性.     

移动机器人路径规划技术的现状与展望

移动机器人技术研究中的一个重要领域是路径规划技术。它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状，指出了各种方法的优点与不足。最后对移动机器人路径规划技术的发展趋势进行了展望。     

神经网络在移动机器人路径规划中的应用

对于环境信息完全已知的移动机器人的全局路径规划问题,应用了一种并联的神经网络结构与模拟退火算法相结合的方法,并提出了一种局部路径修正算法,最终得到一条最优的平滑路径。计算机仿真研究表明,该算法计算简单,收敛速度快,规划的路径为一条最短无碰且安全的平滑路径。在计算机仿真验证的基础上,以P3-AT型轮式移动机器人为平台,通过机器人模拟实验验证了该算法的有效性。     

不确定环境下基于动态子目标搜索的移动机器人导航算法及其实现

在不确定环境下进行移动机器人的路径规划一直是当今机器人研究领域的一个焦点问题和难点问题。采用最短切线法引入动态子目标,通过分析激光检测系统LMS200采集的数据,在导航途中临时产生一系列子目标来代替真实目标点,提出了一种基于最优动态子目标的搜索的最短路径算法SAS,并在此基础上,对算法进行了改进。在仿真和真实环境下的实验结果都表明方法可行有s效,能够满足移动机器人导航的实时性要求,为移动机器人实现无碰撞局部最优路径规划提供了一种新型实用算法。目前该方法已经成功地应用于浙江理工大学移动机器人ZSTU。     

基于HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性.针时这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法.算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点.当发生下降阻碍时,则仅对需要的范围传播权值变更信息.算法适用于大范围的时变环境,并具有良好的收敛性.仿真实验验证了算法可行性和正确性.     

改进A*算法的机器人能耗最优路径规划方法

为了降低移动机器人在运动过程中的能耗, 提高在能源补给有限时的任务执行率, 提出了一种改进A^*算法的机器人能耗最优路径规划方法。首先, 根据四轮差速驱动移动机器人的运动学约束, 建立了其运动的能耗模型。然后, 根据起始状态和目标状态约束求解生成运动基元, 采用能耗模型计算运动基元的能耗值, 构建了能耗运动基元集。其次, 基于传统A^*算法, 改进提出了一种能耗最优路径规划方法, 该方法在规划进程中以能耗运动基元集中定义的节点之间的连接关系进行节点扩展, 而以能耗值作为节点之间的通行成本, 从而保证获得一条全局能耗最优路径。最后, 离线地图仿真测试和机器人实验结果表明所生成的路径总能耗可降低约28.24%, 从而验证了算法的有效性。     

改进哈里斯鹰算法的仓储机器人路径规划研究

为提高静态环境下仓储移动机器人路径规划效率,解决传统哈里斯鹰（Harris Hawks optimization, HHO）算法在路径规划中存在收敛速度慢且易陷入局部最优的问题,提出了一种基于Tent混沌映射融合柯西反学习变异的哈里斯鹰优化算法（HHO algorithmbasedon Tentchaotic mapping hybrid Cauchy mutation and inverse learning, TCLHHO）。通过Tent混沌映射增加种群多样性,以提高算法的收敛速度;提出指数型的猎物逃逸能量更新策略,以平衡算法的全局搜索和局部开发能力;通过柯西反学习变异策略对最优个体进行扰动,扩大算法的搜索范围,增强全局搜索能力。根据真实仓储环境搭建二维栅格环境模型,并在Matlab中进行仿真对比实验。结果表明：该算法的规划速度、最优路径长度以及最优路径转折次数较对比算法具有较好的效果,验证了应用于智能仓储环境下改进的HHO路径规划问题的可行性和鲁棒性。     

基于双向汇聚引导蚁群算法的机器人路径规划

路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。     

基于自适应分段势场法的多无人机航迹规划

为解决传统人工势场法在无人机进行航迹规划应用中易陷入局部极值、目标不可达与规划航迹曲率过大等问题,在分层势场法基础上提出了目标点处附加的第二局部引力场和由目标引力场组成的引力集合的方法。该方法克服了目标不可达和易陷入局部极值的缺陷,且在原有分层势场法中引入分段函数,提高了航迹规划效率,缩短了航迹长度。仿真对比了传统人工势场算法、对比算法一、对比算法二、本文提出的基于附加引力场和复合引力场的势场算法以及自适应分段势场算法。结果表明：自适应分段势场算法具有较好的有效性和较强的鲁棒性。     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.     

基于多准则交互膜进化算法的UAV三维航迹规划

针对智能优化算法在无人机(unmanned aerial vehicle,UAV)三维航迹优化中搜索复杂度较高、容易陷入局部最优的问题,提出一种基于嵌套式细胞膜结构的多准则交互式多目标进化算法.以建立的多目标航迹评价模型来克服航迹评价加权求和的不足;同时在应用降维离散缩减寻优空间的基础上,采用萤火虫算法和人工蜂群算法作...     

动态环境下基于子目标的移动机器人路径规划方法

在移动机器人路径规划领域中,沿墙行走策略是解决人工势场法局部极小问题的一种简单但有效的方法。然而,已有的沿墙行走方法往往只适用于静态环境。为了在解决人工势场法局部极小问题的同时,保证其在动态环境中的有效性,本文对沿墙行走方法进行了改进,提出了一种基于子目标的方法,利用机器人周边的动态斥力势场调节沿墙运动的距离,通过设置子目标引导机器人躲避运动障碍物。仿真研究验证了该方法的有效性。     

基于人工免疫克隆选择算法的无人机三维航迹规划

无人机航迹规划作为一个规模大、约束多、指标多的优化问题,其复杂性导致自动规划比较困难。构建了基于局部极坐标的水平航迹控制变量和基于特定平飞段飞行高度的纵向航迹控制变量,以水平航迹控制变量为优化变量,采用分步规划的策略,建立了基于人工免疫克隆选择算法的无人机航迹自动规划模型,该模型能够充分发挥计算机速度快、容量大的特点,能够对基于预处理结果的人工规划方法进行一定程度的改进。仿真结果验证了模型的可行性和有效性。     

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PCE方法的无人机轨迹规划与分析

针对无人机轨迹规划过程中不确定因素的特点,提出了一种利用多项式混沌展开(polynomial chaosexpansion,PCE),并获得基于人工势能法的模型最优参数的无人机轨迹规划方法。通过建立PCE代理模型,利用随机配置点法进行快速求解,规避了对已有的最优控制模型直接优化带来的计算资源不足的问题;通过Sobol灵敏度分析,减少不确定性参数在轨迹规划模型中的计算量;通过无人机轨迹规划案例,证明了方法的有效性。仿真结果表明:该方法与经典的人工势能模型相比,增加了不确定性分析,提高了模型计算效率。     

流程型企业主生产计划优化的ARMA-BP模型

为了解决流程型企业主生产计划(MPS)时段中计划参数与实际参数的不一致性问题,提出了自回归滑动平均模型(ARMA)与反向传播(BP)人工神经网络(ANN)的集成优化模型。基于主生产计划时段长度与产量之间的映射关系,利用平均时段长度折合产量法(OCM-ATS),该模型可用于分别逼近和预测主生产计划时段的长度时序和产量时序。给出的例子表明,该模型预测主生产计划时段的参数(计划参数)与实际参数的相对误差不超过3%。     

基于人工鱼群算法的出租车智能调度

出租车以其方便、快捷、舒适等特点成为城市公共交通工具的重要补充,但是当前出租车资源普遍存在着分布不合理、空载率高、营运效率低下等问题.本文运用群智能的思想,提出基于人工鱼群算法的出租车智能调度方法,以实现对出租车资源的全局调度与合理分配.论文提出标准人工鱼群算法中的觅食函数、聚群函数和追尾函数的改进方案以及当前最优状态阈值限定的优化策略,使得改进算法具有全局寻找最优解的良好搜索能力.同时通过模拟实验分析视野、尝试次数、拥挤度因子、迭代次数和游动步长等参数对出租车调度算法寻优能力的影响.研究成果为城市出租车资源得到科学合理规划以及全局优化分配提供新思路和依据.