目标区域偏置扩展的RRT*路径规划算法

为增强RRT*路径规划算法的目标导向性和收敛速度,提出一种目标区域偏置扩展的移动机器人RRT*路径规划算法。该算法首先根据目标区域偏置扩展方法快速规划出一条初始路径,然后通过椭圆子集采样和节点约束策略来限制采样空间的大小和扩展节点的数量,再利用路径修正方法得出一条平滑路径。在简单和复杂两种地图环境下与RRT*、Informed-RRT*、RRT*-FN算法进行比较分析,研究结果显示,该算法具有较强的目标导向性和快速收敛性。

基于扩展比例导引律的制导模型

针对常用比例导弹导引律制导命中率低的问题,分析了比例导引律、偏置比例导引律、修正比例导引律的制导性能,提出了一种基于扩展比例导引律的制导模型,经仿真表明,该导引律具有目标垂直和水平机动跟踪能力,提升了反导作战的机动能力和效率。

基于改进RRT^(*)算法的移动机器人路径规划

为解决渐进最优快速扩展随机树(RRT^(*))算法在特殊环境下(如狭窄通道)路径规划存在的内存占用多、规划效率低等问题,提出了一种基于目标约束采样和目标偏置扩展的改进RRT^(*)算法.首先,在采样上引入目标偏置策略,并对每次采样进行位置约束,使采样的目标导向性更强.然后,在新点扩展上摒弃了已有算法单纯朝着采样点扩展的思路,通过给采样点和目标点分配不同权重,使得每一次扩展同时由采样点和目标点共同决定,进而加快搜索速度.接着,采用三次B样条曲线对搜索到的路径进行平滑处理,以保证路径的可行性.最后,分别基于Matlab和V-REP平台对RRT^(*)算法和改进RRT^(*)算法进行了2D和3D的对比实验,实验结果验证了改进RRT^(*)算法的优越性和有效性.