基于4阶Bézier曲线的路径平滑方法研究

路径平滑技术旨在采用以曲代直的方法解决路径规划中存在的尖角问题,实现路径的平滑化,以满足外形设计和运动规划等工程应用需求。文中在深入探讨了Bézier曲线在路径平滑领域的应用优势及其在路径拟合中产生的较大偏差后,提出了一种基于内外比例因子的4阶Bézier曲线路径平滑新方法。通过严谨的理论分析,证明了该方法能够有效控制平滑误差,在不考虑路径节点坐标的情况下,误差上限为4.25,从而实现对原始路径的高精度平滑近似。在无人机路径平滑的仿真实验中,该方法耗时0.0061 s,证明了其在平滑处理速度方面的优越性。综合理论分析与实验结果,该方法不仅在平滑效果上表现出色,而且在处理速度上也具有明显优势。同时由于仅涉及内外比例因子两个自由参数,因此,操作简单,易于实现,具有较强的适用性和灵活性。

基于五次B样条插值的机械臂路径平滑研究

针对机械臂路径规划后的轨迹平滑及角速度和角加速度的突变问题,提出五次B样条插值的机械臂路径平滑方法。通过MATLAB对机械臂建模,并对平滑后的轨迹进行仿真,得到轨迹、角度、角速度及角加速度图。通过与五次多项式和样条曲线对比,证明该算法能够提升机械臂角速度和角加速度的平滑性,保证起、止点速度加速度均为零,过控制点保证路径的有效性。该算法提升了机械臂运动的平顺性,降低运动冲击,为机械臂实物验证提供充分的理论支撑。

基于贝塞尔曲线的数控加工刀具路径平滑方法

应用常规方法平滑数控加工刀具路径后,路径平滑指数和产品合格率均较低。因此,提出基于贝塞尔曲线的数控加工刀具路径平滑方法。根据双弓高误差判断条件识别连续微小线段加工区域,利用分段有理多项式函数表示加工区域的贝塞尔曲线,选择控制点后,通过约束贝塞尔曲线,实现对数控加工刀具路径的自动化平滑处理。结果表明,应用该方法后,路径平滑指数始终在0.96以上,且数控加工产品的合格率最高可达98.16%,说明此方法在数控加工刀具路径平滑方面具有良好的应用前景。

基于非均匀B-样条的G2路径平滑方法

运用非均匀B-样条对由直线段构成的路径进行平滑,给出了样条结点参数和样条控制点的选取方法及其证明。平滑后的整条航路曲率为一连续函数,同时满足了无人机最小转弯半径要求。相比于Bezier方法,转弯准备距离缩短为原来的93.75%。仿真结果显示,本文所得航路更适合运用于障碍物密集的严苛环境中。

煤矿救援机器人路径平滑算法研究

针对煤矿救援机器人利用A^*算法规划出来的路径存在转折次数多和路径不够平滑等问题,提出了一种基于改进A^*算法的煤矿救援机器人路径平滑算法。首先利用Douglas-Peucker(D-P)算法对A^*算法产生的全段路径进行处理,剔除路径中的冗余节点,提取出若干路径节点作为关键节点,解决了A^*算法路径冗余节点多、路径转折次数多的问题;然后利用三次样条函数对基于关键节点的整段路径进行拟合处理,得到一条平滑的路径,有效缩短了路径长度。仿真实验结果表明,该算法通用性很强,虽然规划时间与A^*算法相比略有增加,但规划出来的路径转折次数少,路径长度短,且路径质量高于遗传平滑算法。

具有路径平滑和信息动态更新的蚁群算法

蚁群算法具有很强的寻优能力,但仍存在搜索时间过长、易于停滞等问题。针对这些不足,提出了一种具有路径平滑和信息动态更新的蚁群算法。新算法引入了路径平滑概念,加强了对蚁群前期搜索的引导,扩大了蚁群后期搜索空间;同时,通过动态调节信息素挥发因子,使得路径间信息素浓度差异不会增长过快,有效地避免了算法陷入局部解。实验结果表明,具有路径平滑和信息动态更新的蚁群算法明显优于基本蚁群算法。

五轴变权重等距双NURBS刀具路径平滑算法

针对计算机辅助制造系统(CAM)生成的五轴线性刀具路径仅满足G0连续从而影响加工精度和工件表面质量的问题,提出了一种使用模拟退火优化控制点权重的等距双NURBS路径平滑方法。基于线性路径的夹角,将线性刀具路径分为局部平滑段和整体平滑段,选取辅助控制点实现不同平滑方式得到的NURBS路径的G2连续性。刀尖路径和刀轴路径采用相同参数,使用模拟退火分别优化刀尖和刀轴路径的控制点权重,得到满足位置误差要求的等距双NURBS路径。经过仿真分析和实验加工验证了该方法平滑刀具路径的有效性。

矢量解耦下的五轴数控系统路径平滑算法

为保证五轴机床加工过程平滑稳定,提出一种矢量解耦下的五轴数控系统路径平滑算法。五轴数控系统加工路径通过对一系列离散控制点连接的线性路径进行平滑生成,分别进行折线段夹角局部平滑及总体全局平滑。局部平滑中对加工路径矢量进行解耦,分别对路径形状以及方向进行平滑。针对路径形状平滑,通过加工误差建立误差约束,以及确保形状平滑建立路径形状G2连续约束,以最小化路径形状曲率以及路径形状误差为优化目标建立数学模型,通过Q-Learning算法学习路径形状最优解;针对路径方向平滑,根据加工过程方向变化率与曲率大小反比建立数学模型,通过离散积分求解不同路径位置处的方向。全局平滑将局部平滑得到结果进行平滑拼接。经过仿真分析验证了算法的有效性。

一种基于内外比例因子的4阶Bézier曲线路径平滑方法

路径平滑是指利用以曲代直的方法解决路径中存在的尖角问题,使路径变得平滑以满足实际需求。通过研究Bézier曲线在路径平滑中的优点以及存在的问题,文章提出了一种基于内外比例因子的4阶Bézier曲线路径平滑方法。该方法因为只有内外比例因子两个自由参数,因此,操作简单,易于实现,而且适用性更强,能够更好地平滑近似原有路径。实验结果表明该方法平滑效果好,速度快。

基于Dijkstra算法的平滑路径规划方法

移动机器人在复杂环境下沿Dijkstra算法规划的路径运动时,由于所规划的路径存在转折点多、部分转折角度小等问题,导致移动机器人不得不频繁转向,甚至要暂停才能完成转向,严重影响机器人的工作效率。利用几何拓扑学方法,结合实际场景信息,提出一种基于Dijkstra算法的平滑路径规划方法。根据应用场景获取连续化地图,将连续化地图离散化后随机生成离散点阵,计算各点之间的欧氏距离,选取与各离散点距离较近、且连线不跨越障碍的多个点,将其连接并生成离散图。在离散图中利用Dijkstra算法搜索最优路径作为引导路径。当移动机器人沿引导路径运动时,结合实际场景信息,采用几何拓扑学计算出移动机器人每一时刻应该采取的最佳动作和运行路线。实验结果表明:所提方法能够有效减少移动机器人运动中的累计转弯角度,增大最小平均转折角度,提高所规划路径的平滑度,从而缩短移动机器人的运动时间,提升机器人的工作效率。

基于四叉树环境模型的轮式移动机器人平滑路径生成方法

生成平滑的路径是轮式动移机器人路径规划的要求 .基于四叉树环境模型 ,本文提出了生成平滑路径的算法 .首先简单介绍了基于位置码的四叉树环境模型 ,然后详细分析了在该环境模型下路径搜索结果的组成特点 ,并提出了相应的平滑路径生成策略 .最后给出了路径生成的算法 ,并通过仿真实验验证了算法的正确性 .

满足曲率约束的B样条曲线连续路径平滑方法

为避免全局路径规划中出现的路径不连续和不平滑,提出了基于三次准均匀B样条曲线的路径平滑算法.基于德布尔三角递推方法,设计了区间模式下的扇形输出算法(FA).通过与传统递推算法对比,FA算法可提高38%的运行效率.在FA算法的基础上,结合曲线曲率与角度构成的映射关系,系统研究了角度变化对分布系数的影响.提出角度变化下的控制点增加方式,建立了移动机器人运动学模型,以路径最大曲率约束条件优化初始控制折线路径.研究结果表明:在满足准均匀B样条曲线的性质下,平滑路径可实现C^(2)连续.以轮式移动机器人为对象进行仿真和实验,验证了所提出算法的有效性.

改进A^(*)算法的安全高效室内全局路径规划

针对A^(*)算法生成路径存在斜穿障碍物、转折点多及不平滑的情况,本文提出一种改进的A^(*)算法。首先通过排除所有强迫邻居节点来优化搜索邻域,避免生成斜穿障碍物的路径,提升路径的安全性和可靠性;其次设置安全距离,提取优化邻域后生成路径的必经转折点,减少路径冗余,简化路径结构;最后使用贝塞尔曲线对必经转折点进行插值,根据相邻两必经转折点的位置和连线斜率确定每段贝塞尔曲线控制点的数量和位置,进行分段平滑。仿真实验表明,改进的A^(*)算法较原A^(*)算法生成的路径安全性平均提升了33.68%,转折点个数平均减少了37.00%,同时机器人转向角和路径曲率连续,保证了路径的平滑。改进的A^(*)算法最终生成的路径与障碍物均保持在安全距离内,转折点少且平滑,可应用到移动机器人室内路径规划中。

位姿约束下的双向扩展机械臂路径规划方法

针对机械臂路径规划方法存在的规划效率低、连杆通过性差、路径粗糙等问题,以渐进最优快速随机搜索树RRT*为基础,提出一种位姿约束下的双向扩展机械臂路径规划方法(PCO-BT-RRT*)。首先,设计目标偏置引导的双向扩展RRT*算法(BT-RRT*),改进了RRT*算法的初始化过程,将起始点和目标点分别作为两棵随机树的初始节点,并通过目标偏置策略引导其以一定概率相向生长,加快探索未知区域,在保证路径代价较低的同时提升路径生成速度。其次,提出一种位姿约束路径优化策略(PCO),采用机械臂运动学模型和碰撞检测规则共同约束新节点扩展过程,寻找机械臂可达空间内的避障路径;对生成路径剪枝剔冗,缩短可行路径长度,同时对消冗节点以迭代调整的方式进行平滑优化,提高路径生成质量。通过仿真实验分析,验证了所提方法在路径规划问题上的显著性成效;在自主研发的BIM信息融合下建筑砌筑系统进行真机避障测试,验证了该方法的实用性。

基于改进蚁群算法的机器人全局路径规划

针对传统蚁群算法存在初始信息素缺乏、收敛速度慢以及无法有效躲避障碍物等问题,文中提出了一种基于改进蚁群算法的全局路径规划。引入正态分布函数改进传统启发函数,提高了算法效率,缩短了算法收敛所需时间。自适应调整信息素挥发系数,限定信息素范围,避免过早收敛。对算法路径平滑处理,缩短路径长度,从而实现机器人的全局路径规划。仿真结果表明,在20×20环境下,文中算法平均迭代次数比传统蚁群算法减少了28代,收敛速度更快。平均拐点减少了33.3%,使路径更为平滑,克服了初始信息素缺乏,加快了收敛速度,减少了拐点数量,能够有效躲避环境中的障碍物,证明了该算法的可行性。

基于避障寻优改进蚁群算法的机器人路径规划

针对蚁群算法在处理路径规划过程中存在收敛速度慢,规划路径冗余等问题,提出了一种基于避障信息和快速寻优策略的改进蚁群算法。为了改善蚁群的首次搜索效率和精度,引入切比雪夫距离改进距离启发函数,在转移概率中增加目标点对机器人的引导作用;采用自适应转移概率调整路径规划过程中节点的选择方式,并根据节点周围的障碍物分布设置初始信息素,使得蚂蚁首次生成有效路径的比率从60%提高至92%;同时删除生成路径的垃圾信息,提高最优路径节点的信息素浓度,平衡了蚁群的局部和全局搜索能力,加快了最优路径的速度;通过平滑生成的路径,减少机器人转弯次数,缩短了路径距离。选择SSA、ACO、IACO、I-ACO等算法在3种栅格环境上进行性能测试。结果表明,改进的蚁群算法路径寻优上优于其他算法。

基于量子行为烟花算法的移动机器人路径规划及平滑

针对移动机器人全局路径规划问题,提出一种基于量子行为烟花算法(quantum-behaved fireworks algorithm,QFWA)的路径规划方法.改进算法在基本烟花算法(fireworks algorithm,FWA)的基础上增加了基于量子行为的烟花爆炸策略.该策略使得种群在接近全局最优时具有较强的局部搜索能力,同时在种群远离全局最优位置时具有较强的全局搜索能力.改进算法提高了烟花爆炸产生火花的多样性和算法的收敛速度.在Benchmark测试函数上将改进算法与其他几种优化算法进行了对比,结果表明改进算法的性能优于其他算法.将QFWA应用于求解移动机器人路径规划问题,并采用均值滤波结合人工势场法对规划出的路径进行路径平滑处理.仿真实验结果表明改进方法在移动机器人路径规划问题上的可行性和有效性.

基于二次转角约束的改进RRT路径规划算法研究

针对快速随机搜索树(RRT)算法存在节点扩展冗余、生成路径不满足车辆转角条件等问题,提出一种改进的二次转角约束RRT算法。首先,在传统RRT算法基础上对采样空间进行裁剪,引入目标导向策略减少采样时间;然后采用车辆膨胀处理和直线方法检测障碍物,并引入第一次转角约束得到粗解路径;接着对粗解路径建立二次转角约束并进行优化处理,获取优化路径后拟合,并进行仿真验证。结果表明,相比于引入目标导向策略的RRT算法,所提出的算法路径最大曲率降低了34.33%,平均曲率降低47.36%,扩展节点数降低47.62%,路径距离降低7.76%,规划时间缩短14.98%。

基于扩大搜索邻域A~*算法的平滑路径规划

针对A*算法规划路径长度不是最优和路径拐点较多的不足,提出一种扩大搜索邻域的改进A*算法;其次为提高算法寻路效率,利用最小二叉堆优化A*算法OPEN列表数据存储结构;最后采用三次均匀B样条曲线平滑处理改进A*算法规划路径。仿真实验表明:基于扩大搜索邻域和最小二叉堆的改进A*算法规划路径长度更短、路径拐点更少,且算法路径规划效率显著提高;三次均匀B样条曲线的后处理消除了路径上的尖峰拐点。

融合简化可视图和A^(*)算法的矿用车辆全局路径规划算法

针对矿用车辆在狭窄、弯曲及有未知障碍物的井下巷道中的路径规划效率低的问题,提出了一种融合简化可视图(SVG)和A^(*)算法的全局路径规划算法DVGA^(*)。在构建真实环境点云地图基础上,连接车辆在不同视点下的可视切点,动态生成SVG;将可视切点依次存入OPEN表作为节点,根据A^(*)算法估价函数选取路径最短情况下的节点加入CLOSED表,得到最优路径点并存储路径,同时删除OPEN表中的其余节点,循环此过程,直到OPEN表中出现终点;最后利用路径平滑算法进一步减少路径节点数量,从而提高路径规划效率。实验结果表明,与完整可视图+A^(*)算法、SVG+A^(*)算法及SVGCA^(*)算法对比,DVGA^(*)算法对复杂长距离路径的规划时间最短,平均路径长度分别缩短了10.79%,6.26%和2.86%,具有更强的适应性和更高的规划成功率。井下试验结果表明:在巷道宽度变换区域和躲避静态障碍物时,相比SVGCA^(*)算法,DVGA^(*)算法规划的路径更加平滑;躲避动态障碍物时,DVGA^(*)算法能够及时进行路径纠正,保证了路径规划的时效性和稳定性;在复杂多变的巷道环境中,DVGA^(*)算法的规划时间和路径长度相比SVGCA^(*)算法分别减少了11.51%和1.54%,具有更高的环境适应性和稳定性。