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.

Global optimization of manipulator base placement by means of rapidly-exploring random tree

Due to the interrelationship between the base placement of the manipulator and its operation object,it is significant to analyze the accessibility and workspace of manipulators for the optimization of their base location.A new method is presented to optimize the base placement of manipulators through motion planning optimization and location optimization in the feasible area for manipulators.Firstly,research problems and contents are outlined.And then the feasible area for the manipulator base installation is discussed.Next,index depended on the joint movements and used to evaluate the kinematic performance of manipulators is defined.Although the mentioned indices in last section are regarded as the cost function of the latter,rapidly-exploring random tree(RRT) and rapidly-exploring random tree*(RRT*) algorithms are analyzed.And then,the proposed optimization method of manipulator base placement is studied by means of simulation research based on kinematic performance criteria.Finally,the conclusions could be proved effective from the simulation results.

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.

Dynamic path planning strategy based on improved RRT^(*)algorithm

In order to solve the problem of path planning of mobile robots in a dynamic environment,an improved rapidly-exploring random tree^(*)(RRT^(*))algorithm is proposed in this paper.First,the target bias sampling is introduced to reduce the randomness of the RRT^(*)algorithm,and then the initial path planning is carried out in a static environment.Secondly,apply the path in a dynamic environment,and use the initially planned path as the path cache.When a new obstacle appears in the path,the invalid path is clipped and the path is replanned.At this time,there is a certain probability to select the point in the path cache as the new node,so that the new path maintains the trend of the original path to a greater extent.Finally,MATLAB is used to carry out simulation experiments for the initial planning and replanning algorithms,respectively.More specifically,compared with the original RRT^(*)algorithm,the simulation results show that the number of nodes used by the new improved algorithm is reduced by 43.19%on average.

Predicting Credit Card Transaction Fraud Using Machine Learning Algorithms

Credit card fraud is a wide-ranging issue for financial institutions, involving theft and fraud committed using a payment card. In this paper, we explore the application of linear and nonlinear statistical modeling and machine learning models on real credit card transaction data. The models built are supervised fraud models that attempt to identify which transactions are most likely fraudulent. We discuss the processes of data exploration, data cleaning, variable creation, feature selection, model algorithms, and results. Five different supervised models are explored and compared including logistic regression, neural networks, random forest, boosted tree and support vector machines. The boosted tree model shows the best fraud detection result (FDR = 49.83%) for this particular data set. The resulting model can be utilized in a credit card fraud detection system. A similar model development process can be performed in related business domains such as insurance and telecommunications, to avoid or detect fraudulent activity.

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。

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。

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。

基于三维随机树算法的稠密约束环境铁路线路优化

铁路选线是一个复杂的工程问题,尤其是当稠密约束选线环境内存在起伏地形高差约束和大量障碍物时,现有计算机辅助线路设计方法往往需要耗费大量的计算时间和资源才能生成优化方案,甚至容易停滞,无法找到可行方案。为解决这一问题,提出一种三维快速搜索随机树算法以期快速生成满足所有约束的线路方案。首先,为避免随机树搜索陷入局部最优,提出平-纵整合式随机树启发式采样方法,将随机树搜索扩展到三维空间并实现对选线搜索区域的全面探索。其次,为了在线路搜索过程中高效提取相关环境信息,提出多源异构综合地理信息的统一管理方法,针对环境信息特点定制相应的储存策略,将地形、障碍物等环境信息离散到综合地理信息模型中,并在随机树搜索过程中动态处治障碍物约束。随后集成启发式采样方法和约束处治算子,提出随机树进化搜索方法,在随机树拓展过程中高效检索和处治障碍物,快速生成优化路径方案。最后,将此方法应用于一个真实稠密约束线路案例中,实验结果证明,此方法能实现对所有障碍物约束的空间绕避,并能快速产生优化线路方案,相比于人工方案,机选方案的造价降低了4.8%。实验结果表明此方法可以提高线路设计效率,为人工设计提供有价值的参考。

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。

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。

基于RRT-Dubins的无人机航迹优化方法

针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优的UAV航迹优化方法。利用RRT算法和基于贪心算法的剪枝优化方法,在二维任务空间中规划出满足避障要求的可行离散航路点。采用多条Dubins曲线平滑连接航路点,根据UAV始末位姿确定首尾曲线端点,基于UAV性能、障碍物和飞行参数的约束关系,建立多约束的航迹优化数学模型。通过粒子群优化算法确定曲线类型,同时优化曲线连接处位姿和曲线半径,获得最短航迹。仿真结果表明:所提方法得到的航迹与其他方法相比,在不同障碍物数量和始末位姿的多种场景中,平均长度缩短了11.48%,在避开障碍物的同时,满足UAV动力学约束。

基于随机森林的船舶压载水系统故障诊断

针对船舶压载水系统工作环境恶劣,相关设备易发生故障且传统人工故障检测方法耗时长、误判率高的问题,提出一种基于随机森林算法的船舶压载水系统故障诊断方法。以某大型集装箱船模拟器压载水系统的5种运行状态的180组运行数据为样本,随机选取150组数据作为训练集,30组数据作为测试集,使用MATLAB软件进行模型搭建。结果表明,模型的总体准确率达到95%以上,可以较为准确地对船舶压载水系统的常见故障进行判别。

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。

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。

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。