An Adaptive Rapidly-Exploring Random Tree

Sampling-based planning algorithms play an important role in high degree-of-freedom motion planning(MP)problems,in which rapidly-exploring random tree(RRT)and the faster bidirectional RRT(named RRT-Connect)algorithms have achieved good results in many planning tasks.However,sampling-based methods have the inherent defect of having difficultly in solving planning problems with narrow passages.Therefore,several algorithms have been proposed to overcome these drawbacks.As one of the improved algorithms,Rapidlyexploring random vines(RRV)can achieve better results,but it may perform worse in cluttered environments and has a certain environmental selectivity.In this paper,we present a new improved planning method based on RRT-Connect and RRV,named adaptive RRT-Connect(ARRT-Connect),which deals well with the narrow passage environments while retaining the ability of RRT algorithms to plan paths in other environments.The proposed planner is shown to be adaptable to a variety of environments and can accomplish path planning in a short time.

Improving path planning efficiency for underwater gravity-aided navigation based on a new depth sorting fast search algorithm

This study focuses on the improvement of path planning efficiency for underwater gravity-aided navigation.Firstly,a Depth Sorting Fast Search(DSFS)algorithm was proposed to improve the planning speed of the Quick Rapidly-exploring Random Trees*(Q-RRT*)algorithm.A cost inequality relationship between an ancestor and its descendants was derived,and the ancestors were filtered accordingly.Secondly,the underwater gravity-aided navigation path planning system was designed based on the DSFS algorithm,taking into account the fitness,safety,and asymptotic optimality of the routes,according to the gravity suitability distribution of the navigation space.Finally,experimental comparisons of the computing performance of the ChooseParent procedure,the Rewire procedure,and the combination of the two procedures for Q-RRT*and DSFS were conducted under the same planning environment and parameter conditions,respectively.The results showed that the computational efficiency of the DSFS algorithm was improved by about 1.2 times compared with the Q-RRT*algorithm while ensuring correct computational results.

面向虚拟人上肢的避障作业姿态规划算法

为了完成虚拟维修仿真环境下的虚拟人维修作业姿态规划问题,提出一种基于改进RRT-Connect算法的虚拟人上肢作业姿态求解方式。在该求解方式中,将人工鱼群算法(AFSA)的觅食行为法则作为导向性策略引入传统RRT-Connect算法,从而使得路径规划任务中初始点与目标点的扩展具有导向性;将路径点作为虚拟人上肢末端关节运动轨迹点。为获得虚拟人维修姿态,利用逆向运动学进行推导,以在每一个路径点中得到符合人体关节自由度的姿态集。另外,为了选择出姿态集中的最优路径,利用快速上肢评估法求取最优的虚拟人上肢维修作业姿态。最后,以无人艇虚拟维修操作仿真为例,验证了该方法在虚拟维修应用中的可行性。

三维环境中机器人路径规划算法改进

为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算法进行改进优化。采用双向搜索策略,在起点和终点同时运行改进后的RRT算法和蚁群算法,相向而行,对路径长度和运行时间进行优化。针对生成路径不够平滑等问题,引入B样条曲线平滑策略优化路径。仿真结果表明,所提算法能够有效用于机器人三维路径规划。

薄板件高精度测量线激光连续扫描路径规划

线激光检测技术以其高精度的特点在复杂零部件检测中获得广泛应用,扫描路径规划结果对三维薄板件检测精度具有重要影响。由于线激光具有连续逐行扫描、单帧数据呈直线分布等特点,基于离散视点的规划方法难以实现被测件的各型面关键特征点的自动覆盖测量。为此,提出一种面向检测精度的多目标优化连续覆盖路径规划算法。首先,综合考虑路径长度、传感器入射角等因素,构建线激光连续扫描路径的多目标优化模型;其次,引入搜索随机树规划策略,通过对不确定度指数的迭代优化实现复杂结构件的全型面上关键特征点覆盖路径规划;最后,结合车门总成扫描案例开展应用验证,并与传统三维覆盖路径规划方法进行对比分析。结果显示所提出方法的测点平均不确定度指数较比较方法有所降低,验证了所提出方法的有效性和可行性。

基于激光SLAM的物流分拣机器人自主导航研究

物流分拣机器人工作环境的障碍物多,为此提出基于激光SLAM的物流分拣机器人自主导航研究方法。利用激光SLAM确定机器人工作环境中障碍物的分布情况;将目标偏置策略加入到RRT*算法中,通过设置固定概率和变概率的目标偏置策略,在遍历目标点时使路径节点更具导向性,更好地避免机器人与障碍物发生碰撞,再利用搜索随机树搜索其中的最短路径。对比实验表明:与常规方法相比,该方法可在起始点与目标点之间指导机器人按照最短路径行进,导航过程花费时间较短,使机器人自主导航的出错率和能耗均在5%左右。

考虑动态倾覆稳定性的液压重载机械臂路径规划方法

针对液压重载机械臂的动态倾覆稳定性问题,提出了一种基于改进快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法的路径规划方法。与只对危险工况的静态稳定性校核不同,该算法以机械臂运动过程中的动态倾覆稳定性最优为目标,在机械臂的关节空间内进行路径规划。以7个关节变量组成的七维数组作为采样点,结合正运动学与力矩法建立机械臂的动态倾覆稳定性计算模型,利用双采样点择优原则,选择其在对应位姿下抗倾覆稳定力矩最优的随机点作为采样点,以增强算法的启发性。在Matlab平台进行的仿真实验表明,改进RRT算法规划路径的倾覆裕度在3种典型工况下分别提升了37%、28%和38%,有效地改善了液压重载机械臂作业平台的抗倾覆稳定性。

基于RRT的无人机航迹规划算法

针对传统快速搜索随机树无人机航迹规划算法中采样点生成随机性过高,规划路径平滑度差的问题,提出一种基于改进快速搜索随机树的无人机航迹规划算法。在搜索树拓展过程中,引入限定采样点生成范围的探测场,改变采样点的生成策略,使算法具备迅速向目标收敛的能力和绕开障碍物威胁的能力。此外,改进算法还对初始航迹的冗余点进行裁剪,并采用B样条曲线法改善航迹平滑度。仿真结果表明,基于改进快速搜索随机树的无人机航迹规划算法比传统快速搜索随机树无人机航迹规划算法平均航迹长度减少21.75%,平均搜索树节点数减少75.78%,平均计算时间减少48.04%。

基于树形回归法预测页岩油藏压裂水平井产能研究

页岩油井水平段体积压裂段数多且产能差异大,常规产能预测和压裂效果评价难度大,借助机器学习建立一种稳定、高效的智能产能预测方法是提升页岩油藏开发的有效途径。使用吉木萨尔页岩油藏的91口生产井的地质参数、工程参数和生产数据库,基于热力学图版和特征参数相关性分析对参数进行验证,从14个特征参数中确定6个涵盖地质因素与施工因素的最佳主控因素。采用树形回归法的决策树(DT)、随机森林(RF)和梯度提升决策树(GBDT)三种机器学习方法进行产量预测建模,利用均方根误差对模型性能进行评估。研究结果表明,含水率、含油饱和度、加砂量、压裂液用量、压裂段簇数和压裂级数是影响压裂水平井产能的主控因素;随机森林模型的预测效果最好,预测准确度达到94%,测试集均方根误差为0.934;三种树形模型中的随机森林模型优于决策树模型和梯度提升决策树模型,解决了其他树形模型的过拟合问题。

基于随机森林算法的桉树人工林单木生物量预估模型

单木生物量模型是估测森林生物量的基础。通过标准木法实测雷州半岛地区90株桉树单株生物量数据,随机划分60个样本数据作为训练集,30个样本数据作为验证集。以林龄、树高和胸径为自变量,单木生物量为因变量,使用岭回归模型、异速生长模型和随机森林算法构建模型,采用决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)对模型进行评价。结果表明:随机森林模型的R~2、RMSE和MAE无论在训练集还是验证集均高于岭回归模型和异速生长模型。由随机森林模型的因子重要值可知,胸径是影响单木生物量的主要因子。引入林龄因子后的随机森林模型可以提高单木生物量的预测精度,为碳汇计量提供基础数据和模型支撑。

基于随机森林模型的城市非法营运车辆识别

区域经济社会的快速发展与交通出行的需求发展不匹配,在一定程度上为非法营运车辆提供了市场契机。城市高速公路的ETC(Electronic Toll Collection)数据可有效稽查高速公路的非法营运车辆,从而优化运行秩序并提升管理水平。文中提取ETC数据的有效字段,采用随机森林算法建立非法营运车辆识别分类器,加入CART(Classification and Regression Tree)分类树模型分类器和二元逻辑回归模型分类器与之对比,并以西南某市高速公路自2022年2月6日~2022年3月8日的ETC指标数据进行实证分析。结果表明,随机森林模型分类器比CART分类树模型分类器和二元逻辑回归模型分类器预测效果更好,其准确性高达98.75%。

基于改进模糊聚类算法的大数据随机挖掘仿真

大数据挖掘是从大量有噪声的、随机模糊的大数据中提取有价值信息的过程,由于海量大数据具有多维性、稀疏性以及动态性等特点,准确获取其分布特征的难度较大,随机挖掘难以直接实现。为此提出基于改进模糊聚类算法的大数据随机挖掘方法。利用建立的语义概念树模型获取大数据的特征分布关系,并根据模糊语义分析法得出大数据的语义相似性、关联性条件,提取大数据特征。优先确定最佳聚类数,采用改进模糊聚类算法对其聚类,实现基于改进模糊算法的大数据随机挖掘。实验结果表明,上述方法的大数据模糊聚类效果较好,随机挖掘准确率可达到95%以上,实验所得结果验证了上述方法较强的应用有效性。

基于大流量止回阀实验系统的快速预测模型

针对传感器在数据获取中的局限性和无法用于对实验系统进行全面的数据收集问题,对大流量止回阀实验系统的快速预测模型技术进行了研究,建立了实验系统的快速预测模型,进行了快速预测模型的结果分析。首先,搭建了实体模型,根据大流量止回阀实验系统的结构,结合实验系统的工作原理对其进行了简化,并进行了有限元分析;然后,利用快速预测模型的关键技术构建了实验系统数据库,进行了实验系统的样本采集;通过比对不同机器学习算法的预测准确率,选择了随机森林算法,并建立了实验系统内压与应力应变的关系;最后,进行了快速预测模型的结果分析,并完成了实验系统整体预测实验和实验系统部件单独预测实验。研究结果表明:采用随机森林(RF)算法建立的快速预测模型,拟合优度(R 2)达到了0.99,相较于深度神经网络(DNN)算法和梯度提升树(GBDT)算法,拟合优度(R 2)提高了68.97%和51.47%。实验系统整体预测与实验系统部件单独预测的对比试验结果表明:整体预测模型的预测速度更快,且精度可以达到97.43%。

Prediction of hot-rolled strip crown based on Boruta and extremely randomized trees algorithms

The quality of hot-rolled steel strip is directly affected by the strip crown.Traditional machine learning models have shown limitations in accurately predicting the strip crown,particularly when dealing with imbalanced data.This limitation results in poor production quality and efficiency,leading to increased production costs.Thus,a novel strip crown prediction model that uses the Boruta and extremely randomized trees(Boruta-ERT)algorithms to address this issue was proposed.To improve the accuracy of our model,we utilized the synthetic minority over-sampling technique to balance the imbalance data sets.The Boruta-ERT prediction model was then used to select features and predict the strip crown.With the 2160 mm hot rolling production lines of a steel plant serving as the research object,the experimental results showed that 97.01% of prediction data have an absolute error of less than 8 lm.This level of accuracy met the control requirements for strip crown and demonstrated significant benefits for the improvement in production quality of steel strip.

基于改进RRT算法的智慧小区物料小车路径规划

针对快速搜索随机树(RRT)算法在物料小车路径规划算法中路径转折点多、路径较长、算法运行速度慢等问题,开展了一种基于改进RRT算法的物料小车路径规划算法研究。首先分析了RRT算法与RRT-C算法的原理与优缺点;然后,提出针对优化目标点寻找的采样优化策略、步长优化策略以及保证物料小车运行安全的转角约束条件;最后,采用剪枝优化以及圆切角路径平滑策略来优化所得路径以符合物料小车实际运行线路,并将障碍物进行膨胀化处理,进而规避安全性不足的问题。优化后的RRT算法比初始方法在规划时长和路径长度上分别有着40%~60%和15%~30%的提升,证明了所提方法的有效性。基于改进RRT算法的智慧小区物料小车路径规划研究具有重要的理论和应用意义,并对未来智慧小区动态物流管理系统的优化提供了基础。

麻雀搜索算法-粒子群算法与快速扩展随机树算法协同优化的智能车辆路径规划

针对智能汽车在面对多样化工作场景时其路径规划算法存在响应时间长、规划效率低的问题,提出了多元协同优化策略。首先,融合麻雀搜索算法(SSA)的警惕机制与粒子群算法(PSO)的种群寻优特性,对PSO算法中的惯性权重因子和学习因子进行优化;其次,提出“三角布线”搜索规则,对快速扩展随机树算法(RRT)进行双向优化(RRT-Connect);然后,基于MATLAB软件建立了复杂环境道路仿真模型,对上述优化方案进行了仿真验证。结果表明,相较于单一的优化方案,协同优化算法在路径长度与规划时间上均具有显著的优势。对两种协同优化方案的应用场景进行了实车试验,结果显示:在局部路径规划中,SSA-PSO算法响应时间更短,规划效率更高,而在全局路径规划中,“三角布线”RRT-Connect算法更具优势。

基于呼吸疲劳节点的驾驶员疲劳状态判别

为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(Karolinska sleepiness scale, KSS)对疲劳程度进行主观自评量化。其次,把单位时间内眼睛闭合百分比(percentage of eyelid closure over the pupil over time, PERCLOS)作为参考,与主观自评反馈结合,对驾驶员呼吸疲劳节点进行标定。最后,基于呼吸疲劳节点利用随机树算法(random tree, RT)获得轻/重度呼吸疲劳变化节点的判别模型。结果表明:该模型能更加及时、准确地判别出驾驶员的疲劳状态;基于随机树算法获得的筛选条件对轻度呼吸疲劳变化节点识别的准确性要高于重度呼吸疲劳变化节点;轻/重度呼吸疲劳变化节点的平均识别误差分别为3.50 min和3.66 min,预测准确率分别为92.09%和92.03%。

煤矿巡检机器人路径规划方法

路径规划是巡检机器人自主移动的关键技术。煤矿巡检机器人采用快速扩展随机树(RRT)算法规划路径时存在收敛速度慢、搜索效率低等问题。针对该问题,提出了一种合力势场引导RRT算法:利用合力势场中的斥力场构建动态步长,使煤矿巡检机器人在障碍物附近调整步长,提高算法收敛速度;利用目标节点和随机节点2个方向上的引力场与最近障碍物对煤矿巡检机器人产生的斥力场形成的合力场来改善新节点的生成方向,降低树在扩展时的随机性,提高算法搜索效率。对基于合力势场引导RRT算法规划的路径进行剪枝操作,并利用三阶贝塞尔曲线进行平滑处理。在Matlab软件中对基于合力势场引导RRT算法的煤矿巡检机器人路径规划方法进行仿真实验,结果表明:与RRT算法和RRT*算法相比,简单环境下合力势场引导RRT算法的路径规划时间平均值分别减少了33.84%和44.27%,路径长度平均值分别减少了15.29%和4.42%,复杂环境下路径规划时间平均值分别减少了34.93%和47.12%,路径长度平均值分别减少了13.64%和9.44%,模拟煤矿环境下路径规划时间平均值分别减少了28.06%和42.67%,路径长度平均值分别减少了12.22%和10.18%;对基于合力势场引导RRT算法规划的路径进行剪枝和平滑操作后,路径转折点减少,路径角度变化减小,路径更加平滑。

基于改进RRT的直捻机上纱机械臂路径规划

为了提高直捻机上纱机械臂的避障路径规划效率,提出一种动态目标圆采样结合回归机制的改进型双向快速扩展随机树算法(Dynamic-target-circle Sampling and Regression mechanism Bidirectional Rapidly-exploring Random Trees,DSRB-RRT)。为解决随机树盲目采样问题,提出了一种动态目标圆采样法,引导随机树在以目标为圆心的动态圆区域内进行采样;为解决随机树拓展速度慢,提出了一种变步长变概率法,根据障碍物信息自行改变拓展步长和偏置概率,加快随机树收敛;引入了回归机制防止随机树在区域内过度采样;算法生成路径后,裁剪路径中冗余节点来缩短路径长度,并用三次B样条曲线平滑优化路径。仿真结果表明,DSRB-RRT算法相比于加入目标偏置的RRT、BI-RRT和GS-RRT在不同障碍场景下的收敛效率更高,平均路径更短。在ROS系统中对上纱机械臂进行仿真,验证了DSRB-RRT算法的有效性,可以提高机械臂路径规划效率。

基于碰撞检测的六自由度工业机器人路径规划研究

工业机器人在自动化生产中发挥着重要作用,但在操作过程中容易发生碰撞,导致损坏或安全隐患。针对这些问题,研究融合轴对齐包围盒和有向包围盒设计出一种混合碰撞检测算法,并以此为基础,将人工势场算法融入快速随机树-连接算法中,设计出一种路径规划优化算法。结果显示,在不同场景中,设计算法的平均检测时间分别为28.3 ms和24.5 ms。此种算法有效缩短了任务完成时间,同时降低了机器人的能耗和运行成本。该算法对工业自动化领域的安全性和效率提升具有重要价值,有助于推动工业智能化的进程。