基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数(即降低路径曲率和远离障碍物),并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明:优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。

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。

基于改进A^(*)算法的AGV全局路径规划

采用八邻域搜索策略的传统A^(*)算法对AGV(自动导引车)进行全局路径规划时,存在搜索邻域过多、实时性差和生成路径拐点多等问题,本研究采用三邻域与八邻域混合搜索策略对传统A^(*)算法的搜索策略进行改进,改进后的A^(*)算法在当前搜索点周围不存在障碍物时,选取指向终点的三个栅格作为搜索邻域,当搜索点周围出现障碍物,则转换为传统的八邻域搜索,并在完成搜索后,对搜索路径进行拉直处理,消除多余拐点,减少路径长度。仿真实验结果表明,改进A^(*)搜索算法能有效缩短搜索时间、减少路径拐点数量并缩短路径长度,提高AGV运行效率。

基于改进T分布烟花-粒子群算法的AUV全局路径规划

针对传统粒子群算法在处理自主水下机器人(Autonomous Underwater Vehicle,AUV)全局路径规划时面临的寻优时间长、能耗高的问题,本文提出一种改进的T分布烟花-粒子群算法(T-distribution Fireworks-Particle Swarm Optimization Algorithm,TFWA-PSO),该算法融合了烟花算法的高效全局搜索能力和粒子群算法的快速局部寻优特性.在变异阶段,提出自适应T分布变异来扩大搜索范围,并在理论上证明了该变异方式能够使个体在局部最优解附近增强搜索能力.在选择阶段提出了适应度选择策略,淘汰适应度差的个体,解决了传统烟花算法易丢失优秀个体的问题,并对改进的T分布烟花算法与传统烟花算法的收敛速度进行对比.将改进算法的爆炸操作、变异操作和选择策略融合到粒子群算法中,对粒子群算法的速度更新公式进行了改进,同时从理论上对所改进的算法进行了收敛性证明.仿真实验结果表明,TFWA-PSO能够有效规划出一条最短路径,同时与给定的智能优化算法相比,TFWA-PSO在寻找最优路径的时间上平均降低了24.72%,能耗平均降低了17.33%,路径长度平均降低了16.96%.

火电厂智能轮式巡检机器人全局路径规划设计与实现

人工智能技术的快速发展,促使智能轮式巡检机器人已成为火电厂安全巡检的重要工具。为实现变电站智能巡检机器人的全局路径规划,需要在创建静态半结构化模型的基础上,选择合适的全局路径规划算法。全局路径规划使用遗传算法进行初始路径搜索和优化,局部路径规划使用Dijkstra算法根据机器人当前位置和目标位置,以及环境中的障碍物信息,计算出最短路径。在实现过程中需要考虑机器人的运动性能、感知能力、安全性能等因素,进行运动学建模、感知建模、安全建模等操作,以确保机器人能够满足要求并安全地完成任务。

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。

基于势场增强烟花算法的二维全局路径规划

高质量路径是未来无人自主作战的重要前提,针对复杂障碍环境下路径规划问题,提出基于势场增强烟花算法(Potential-field Enhanced Fireworks Algorithm,PEFWA)的路径规划方法。建立规划空间模型与动态维数路径描述模型,设立包含可行性因素与长度因素的目标函数,将路径规划问题转化为最优化问题;设计动态维数烟花初始化与维度增删操作,使相邻维度个体满足距离约束;提出基于障碍空间信息的爆炸幅度计算方法和连续维度选择方法,生成改进爆炸火花,提高全局搜索能力;引入势场引导策略,生成势场增强爆炸火花,让所选维度在合力方向上多次搜索,提高局部优化能力;采用交叉组合策略生成变异火花,并对超出规划空间的维度个体进行删减操作,提高多样性烟花高效产生能力;提出基于余弦相似度的双层锦标赛选择策略,提高烟花特征延续能力。采用相同基准函数,将PEFWA与烟花算法(Fireworks Algorithm,FWA)、粒子群优化(Particle Swarm Optimization,PSO)算法、遗传算法(Genetic Algorithm,GA)进行对比。研究结果表明:PEFWA的优化性能更强;在相同复杂障碍环境下进行多次路径规划仿真实验,验证了PEFWA中各个模块的有效性,与PSO算法、GA、A*算法相比,PEFWA在规划成功率、路径长度、路径光滑度、结果鲁棒性等方面均有优势;PEFWA在二维全局路径规划问题上具有有效性与优越性。

自主航行船舶全局路径规划方法研究综述

随着人工智能的快速发展,海上水面自主航行船舶(Maritime Autonomous Surface ship,MASS)的智能化、无人化取得了长足的发展和进步。全局路径规划是实现无人船自主航行的关键技术,结合近些年的最新研究成果,分析、总结了用于海上水面自主航行船舶的全局路径规划方法,深入剖析了各算法的特性、优缺点并对各算法进行了分类和归纳,为今后无人船的全局路径规划研究思路和方向提供了重要支持。

基于强化学习方法的RRT全局路径规划算法

针对强化学习运用于局部路径规划时目标方向不明确易陷入局部最优的情况以及快速探索随机树(RRT)算法规划路径复杂、冗余点多等问题,提出一种融合RRT算法与强化学习(RL)思想的全局路径规划算法。首先,通过RRT全局路径规划算法弱化、减少强化学习算法易于陷入局部最优的问题,并且在一定程度上可以减少规划迭代时间;其次,采用强化学习算法的最大回报奖励机制强化RRT算法在路径规划过程中选择子节点时的目的性,避免过多随机点。实验结果表明,所提算法有效弱化了局部最优所带来的绕远影响,路径长度缩短33.3,凹、凸地形有效节点占比分别提高36.0%和39.6%,侧面反映冗余点数量减少,验证了该算法的可行性。

基于栅格法的矿难搜索机器人全局路径规划与局部避障

针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法。效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并结合优先权分组的思想,提出一种新的有效的种群初始化方法,同时将该种群初始化方法应用到变异算子中,且依据最优解的变化情况自适应地调整交叉和变异的概率。与此同时,针对环境信息的不同变化情况,结合全局路径规划结果对机器人进行局部避障方法的研究。最后,通过仿真实验证明本方法能够快速有效地在已知环境中得到机器人的最优路径,并且能够在局部变化的环境中实现实时避障。

基于遗传算法的静态环境全局路径规划

静态环境中移动机器人全局路径规划一直是路径规划中的一个重要问题.作者提出了基于遗传算法的静态环境下机器人全局路径规划方法.该方法首先提出机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,然后将需规划的路径的二维编码简化成一维编码,并把免碰撞要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真表明,提出的全局路径规划方法是正确和有效的.

一种基于可视图法的机器人全局路径规划算法

针对全局路径规划方法中基于自由空间的路径规划方法在环境发生变化时适应性不强、实时性较差和需要重新建立连通模型等问题,提出了一种基于可视图法的移动机器人路径规划算法,该算法比较好地弥补了自由空间法存在的缺陷.在实际建模期间,对于那些轮廓复杂的障碍物,可把它近似地看作矩形或多个矩形的组合体,以此来建立所描述障碍物的边界地图,并根据所得地图实现机器人的路径规划.仿真结果表明了该算法的有效性.

大规模真实地形数据中的全局路径规划方法——基于遗传算法的研究

对基于遗传算法进行路径规划的方法进行了研究 ,重点在于解决基于真实数据集进行路径规划时问题的可解性及提高求解效率 .与以往的一些方法的不同之处在于 :一方面规划的数据集是根据大规模真实的地形数据构建的 ,其中包括高程数据和表示各种景物的文化特征数据 ;另一方面在遗传算法提供了全局求优的机制下 ,在染色体的编码、初始群体的产生和各种遗传算子中加入了相关的知识 ,使得该算法具有了较好的求解局部问题的方法 。

凹形障碍全局路径规划的双蚁群完全交叉算法

为解决大量复杂凹形障碍环境中的路径规划问题,采用了计算机仿真技术,对双蚁群完全交叉算法进行了研究。通过对传统蚁群算法增加新型的距离改变启发因子,建立双蚁群完全交叉算法,并且融入最大最小蚁群算法思想,使蚁群算法应用在机器人路径规划领域,即使机器人环境中有大量复杂的凹形障碍,该算法仍能够规划出高质量的路径。仿真试验表明该算法得到最优路径率达到98%。

基于GNSS农田平整全局路径规划方法与试验

针对全球导航卫星系统(Global navigation satellite system,GNSS)农田平整系统缺少作业指导且效率低等问题,提出了一种基于GNSS农田平整全局路径规划方法。分析农田实际平整条件,创建适用于土地平整的农田地形环境模型,生成农田地势信息图,研究整块农田地势高程分布特征,以平地作业中空载、满载的无效作业状态最少,转向操作与重复行走最少为条件,生成遍历整个农田的土地平整路径,并通过拉力传感器实时监测铲车载荷。仿真试验结果表明,相对于常规平整方法,所提方法空载、满载率显著减小,达到目标平整度时间节省50%以上。该方法可以规划有效路径,减少无效作业时间,平地效率提高30%以上。

基于扇形栅格地图的移动机器人全局路径规划

针对已知环境信息下的移动机器人全局路径规划问题,描述了一种基于扇形栅格地图的波传播路径规划算法.首先将移动机器人运行环境划分为极坐标系下的扇形栅格地图,建立栅格的六叉树连通模型,然后通过栅格类方法完成栅格赋值和近似路径搜索,最后通过近似路径评价与优化得到最终规划路径.算法引入环道和环区概念,解决了圆形波传播半径问题,算法复杂度为O(n).仿真与实验结果证明了算法的低耗时和实用性.

基于同步可视图构造和A~*算法的全局路径规划

为提高全局路径规划的效率,在路径搜索的过程中同步构造可视图,提出了1种新的算法。在搜索过程中,使用A~*算法确定待扩展的节点。根据节点状态,构造上一节点到当前节点或者当前节点到目标点的连线。如果该连线没有穿越障碍物,则将其添加到可视图中,否则将被穿越障碍物远离连线的2个顶点添加到待扩展列表中。仿真结果表明,与完整可视图+A~*算法、导向可视图(OVG)+A~*算法、简化可视图+A~*算法比较,该文算法在能够搜索到最优路径的前提下,降低了路径规划的耗时。

基于蚁群算法的水下潜器全局路径规划技术研究

全局路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。文章使用蚁群算法对水下潜器三维空间全局路径规划问题进行了研究,讨论了三维空间的抽象环境建模方法,依据安全性、经济性和路径最短原则设计了算法适应值评价函数,综合利用迭代最优和全局最优信息设计了信息素更新规则,仿真结果验证了算法的正确性和有效性。

机器人全局路径规划的混合蚁群系统算法

针对蚁群算法易陷入局部最优的缺点以及收敛速度与局部最优的矛盾,提出一种求解移动机器人全局路径规划的改进混合蚁群系统算法。该算法由两部分组成:Dijkstra算法用于规划出一条次优路径;进一步用改进的蚁群系统算法优化次优路径以获得最优路径。在改进的蚁群系统算法中,首先定义了一种新的启发信息函数来增加种群多样性;然后给出改进的交叉算子避免算法陷入局部最优,并进一步提高解的质量。仿真结果表明:所提出的算法与参考文献中的算法相比搜索效率更高,解的质量更好,性能更优。即使在障碍物复杂的环境中,对于多目标点问题,该算法仍能规划出较好的目标遍历路径,且用时时间较少。

一种新的移动机器人全局路径规划算法

提出了一种新的移动机器人全局路径规划算法.该算法不需要对环境中的障碍物特征做任何假设,也不需要建立障碍物的连通图模型,有效地克服了传统路径规划算法因为搜索而带来的计算复杂性问题,提高了算法的适应性和实时性.仿真结果证明了算法的有效性.