基于Bi-RRT和TEB算法的风电水域多目标点路径规划

针对运维船舶需要依次抵达多个待运维机组处开展风机维护工作,提出一种在风电水域进行多目标点自主路径规划的方法。采用改进Bi-RRT算法进行全局路径规划,TEB算法用于局部路径规划,融合两种算法完成多目标点自主路径规划。引入基于均匀概率的分配机制对Bi-RRT进行改进以减少冗余搜索空间;采用对立扩展树新节点导向策略以增强采样过程中的导向性;通过路径平滑处理,进一步优化路径。利用改进后算法进行仿真实验,与改进前算法进行对比得到:改进后算法迭代次数减少50.4%,求解时间减少11.7%,路径长度缩短30.5%。另外,在ROS仿真平台中搭建合理的仿真环境,结果表明,在同样的地图环境中,改进的Bi-RRT与TEB融合算法较A*算法得到路径更为优越可靠,同时,设定多任务点验证了所提算法进行多目标点路径规划的有效性和可行性。

基于ROS的室内移动机器人多目标点导航研究与实现

针对室内移动机器人在复杂环境下多目标点导航的问题,以自行设计的移动机器人平台为研究对象,分析了构建二维栅格地图的Gmapping算法,完成了导航功能包相关参数设置,构建了一套完整导航系统,并进行了机器人SLAM建图功能以及多点导航功能的实验。实验结果表明,该系统实现了室内移动机器人对复杂未知环境栅格地图的构建,并在以构建地图的基础上实现多目标点导航。研究成果对巡检机器人建图导航系统的研究有一定参考意义。

基于ROS的室内巡检机器人多目标点导航研究与仿真

关于巡检机器人的室内多点导航问题,提出一种通过机器人操作系统(ROS)综合同时定位与建图(SLAM)、路径规划(path planning)等技术,进行了室内巡检机器人的多目标点导航仿真研究试验。首先利用URDF文件建立巡检机器人模型,并通过ROS中的仿真平台建立室内模拟环境,然后使用gmapping功能包构建二维栅格地图。最后选用了Dijkstra机器人导航算法,开展室内巡检机器人针对多个目标区域的仿真研究。结果表明,在模拟环境下,机器人可以进行面向多目标区域的导航试验,且路径规划较合理。

一种无人巡航船遍历多目标点的路径规划算法研究

针对无人巡航船遍历多目标点的路径规划问题,提出了一种混合的多目标点路径规划算法。首先,将多目标点路径规划问题转化为旅行商问题,并采用改进的灰狼优化算法规划出多目标点的最优巡航顺序。针对传统灰狼优化算法忽略环境因素的缺陷,通过在适应度函数中引入环境影响因子以反映障碍物和未知区域对路径规划的影响。然后,在上述规划好的多目标点巡航顺序的基础上,利用A*算法结合改进的人工势场法完成各个目标点之间的路径规划。针对传统人工势场法的目标不可达问题,通过优化斥力势场函数来解决。最后,分别在普通环境和复杂环境中与另外2种算法进行了仿真实验对比。实验结果分析表明,提出的算法是有效的,能够有效缩短路径规划时间,降低距离成本。

基于改进鲸鱼优化算法的移动机器人多目标点路径规划

为提高移动机器人在多目标点环境中路径规划的效率与准确性,针对标准鲸鱼优化算法存在的搜索精度不足和收敛速度较慢的问题,本文提出一种改进鲸鱼优化算法。首先,引入自适应搜索控制系数,以提高算法平衡全局搜索和局部搜索的能力。其次,提出一种记忆库列表策略,通过增加记忆库列表存储最优解并进行维护更新,提高算法所得解的质量并降低陷入局部最优的概率。然后通过使用A^(*)算法计算出目标点之间的距离矩阵,并将其输入到改进的鲸鱼优化算法得出最优遍历顺序。最后,在简单和复杂的栅格地图中分别对不同算法进行仿真对比实验。研究结果表明,随着场景复杂度的增加,本文算法相较于标准鲸鱼优化算法在三个场景中所得出的最小路径长度分别减少6.58%、22.71%和25.63%。因此,改进算法在解决多目标点路径规划问题中具有较高的效率和准确性。

基于改进粒子群算法的移动机器人多目标点路径规划

针对移动机器人遍历多个目标点的路径规划问题,提出了一种基于改进粒子群算法和蚁群算法相结合的路径规划新方法。该方法将目标点的选择转化为旅行商问题,并利用蚁群算法进行优化,定义了每两个目标点之间的路径规划目标函数,利用粒子群算法对其进行优化。针对粒子群算法存在的早熟现象,将反向学习策略引入粒子群算法,并对粒子群算法的惯性权重和学习因子进行改进。性能测试结果表明,改进的粒子群算法能有效避免粒子早熟现象,提高粒子群算法的寻优能力及稳定性。仿真实验结果验证了新方法能有效地实现机器人的多目标点无碰撞路径规划。真实环境下的实验结果证明了新方法在机器人多目标点路径规划的实际应用中也具有有效性。

基于强化学习的多目标点航关联方法

针对密集杂波环境下的多目标点迹-航迹关联问题,以强化学习(Reinforcement Learning,RL)方法为基础,提出了一种基于Q学习的多目标点迹-航迹关联方法。首先,根据整个过程中目标的运动状态,建立马尔可夫决策过程(Markov Decision Process,MDP)模型。其次,利用各状态间的相关程度构成策略函数,选择准确的动作,并设定相应的奖励函数。最后,考虑杂波密集时虚假量测难以分辨,结合目标先验信息,增加了Q表再学习环节,进一步优化关联精度。仿真结果表明,在非机动和强机动两种环境下,该方法都能准确地关联到目标的量测,具有较好的点迹-航迹关联性能。

有障碍区域的多无人机多目标点路径规划

主要讨论了有障碍区的多无人机多目标点的路径规划问题.采用Dubins模型满足无人机的曲率约束,建立了含有混合变量的多约束优化问题,通过改进的遗传算法对优化问题进行求解,得到了满足基本约束条件的无人机遍历顺序和航向角,并确定了每个无人机的Dubins路径;给出了确定路径进入障碍区的检测方法,采用Dubins-快速扩展随机树算法对进入障碍区域的路径进行调优,得到了满足障碍约束条件的优化无人机路径.通过仿真算例对比实验,证明了所提算法的有效性.

基于Fast Marching方法的多目标点路径规划的研究

目前,水下自主机器鱼已经被应用于对水域多个目标点依次进行水质监测,因此有必要研究多个目标点的路径规划。针对遍历多个目标点的路径规划问题,提出一种Multi-Direction Fast Marching(MDFM)方法和遗传算法相结合的路径规划方法。该方法首先使用MDFM方法对工作站和多个目标点两两之间进行路径规划,然后使用遗传算法规划出遍历所有点的最短路径,最后通过仿真实验验证算法的可行性。

基于粒子滤波的欠驱动移动机器人多目标点跟踪控制

针对欠驱动移动机器人的多目标点跟踪问题,提出了一种基于粒子滤波的高精度跟踪控制方法;具体地,在考虑移动机器人采样噪声的情况下,首先利用粒子滤波对移动机器人的位置信息进行处理,得到精准可靠的移动机器人状态信息;在此基础上,根据欠驱动移动机器人的运动学模型以及目标点的分布状况,设计基于反馈控制的多目标点跟踪控制方法;相对于传统的欠驱动移动机器人目标点跟踪控制算法,改进了该控制方法中增益参数的约束条件,有效避免了移动机器人在接近目标点时产生的奇异现象,有效提高了移动机器人对目标点的跟踪精度;此外,分析了该目标点跟踪控制系统的稳定性,并通过数值仿真验证了所提方法的可行性与有效性。

Turtlebot2机器人环境地图构建与多目标点自主导航的研究

Turtlebot2机器人利用地图执行多点目标导航任务,用户一次只能发布单个目标给下位机,并不能实现机器人进行多目标点自主导航,针对此问题,设计了让机器人多目标点自主导航的方法。首先进行激光雷达坐标系与机器人坐标系变换,激光雷达数据采集,利用雷达数据和栅格地图构建算法构建实验地图,通过查看/amcl_pose话题信息获取在map坐标系几个点的位置信息,编写ROS节点程序,订阅move_base动作服务,发布控制机器人控制消息,实现机器人多点自主导航。

基于改进的粒子群算法的多目标点路径规划

针对无人仓储系统中自动导航车(automated guided vehicle,AGV)遍历多个目标点路径非最优的问题,结合Three.js三维仿真技术构建的孪生仓储系统,提出一种改进的粒子群(particle swarm optimization,PSO)算法求解虚拟场景内多目标点路径方法。首先利用栅格法构建场景的栅格地图,同时采用A-Star算法对地图中两两目标点进行规划,得到多目标点的完全图模型;然后将育种学中远缘杂交策略引入PSO算法中,通过亲缘关系较远种群间的杂交,避免了种群多样性下降的问题,提高对模型的求解能力;最后以系统内实例进行试验验证。结果表明,我们所提方法能实现多目标点的路径求解,与传统算法相比,改进算法在规模较大的问题上更具优势,在规划性能方面提高3%以上。本文算法更易获得多个目标点运送的较短路径,这可为后续同类问题的研究提供参考。

基于多目标点A^*算法的停车场车位路径引导系统设计

针对目前多数停车场缺乏易于工程实现的车位引导系统,导致用户找停车位难且存在一定安全隐患的问题,本文设计一种基于多目标点A^*算法的停车场车位引导系统。本系统由出入口控制模块、车位状态监控模块、路径引导模块和信息处理中心共4个部分构成,能最大程度基于现有停车场基础设施进行扩展,具有工程量小、成本低的特点。设计的多目标点A^*算法能够在多个潜在目标点中遴选出一个最优目标点,完成最优车位路径规划。最后,以某小区停车场为例,利用Microsoft Visual Studio 2015平台进行仿真实验,重点运行最近车位引导、步行最少引导、连续空余车位引导这3种常见模式。仿真结果验证了系统的有效性和可行性。

立体定向多目标点破坏术治疗精神分裂症(附106例报告)

我院自1986年以来,采用脑立体定向手术破坏双侧前扣带回、杏仁核及内囊前肢治疗精神分裂症106例,现将初步结果报告如下: 临床资料 按美国DSM-Ⅱ精神病诊断标准,选择精神分裂症患者106例,其中男69例,女37例,

基于多目标点的多机器人任务分配

农业自动化技术日新月异,现出现了纯自动化菜场,利用多机器人进行对其多目标点进行收菜种菜等操作。为避免多机器人之间发生碰撞,将采取提前规划机器人的行走路线,将其行走路径限制在两行通道中,并对此建立了基本模型,以最小化最大完成时间作为目标函数。最终在此模型的基础上融合了优先级以及平均分配时间的方法循环对其机器人实现任务调度。实验部分利用ROS平台中Gazebo建模,将多目标点的任务调度时间与单目标点的任务调度时间以及静态任务分配调度时间做对比,验证该方法的高效性。

APF与A*融合的多目标点路径规划算法

在智能餐厅环境下,针对移动机器人在多目标点路径规划时存在规划效率不高的问题,提出了一种基于A*算法与APF算法相结合的多目标点路径规划的方法。将多目标点路径规划问题转化成类旅行商问题,采用A*算法和人工势场法规划出多目标点的最优遍历顺序。首先,将若干个目标点用一个集合表示并应用在A*算法上面,实现A*算法多个目标点的路径规划;其次,引入人工势场法对多个目标点进行优先级判定,借助人工势场法计算各个目标点的势能值,之后利用人工势场法得到的势能值对目标点集进行排序,完成各个目标点之间的最优顺序;最后,对规划好的目标点集使用A*算法进行全局路径规划。为了验证该方法的有效性和先进性,将该算法进行消融实验,同时也与两种典型的多目标点规划算法进行对比。结果表明,该算法是有效的,能够在缩短路径规划时间和降低路径代价的同时规划出一条有效路径。

基于多目标-理想点法的洞庭湖淤泥制备轻质骨料最优烧结条件

为了解决洞庭湖淤泥产量大、绿色处置技术落后、费用高等难题,从宏微观角度分析了淤泥的物理、化学性能和淤泥的可烧结性;开展正交试验研究了烧结条件与优质轻质骨料性能的关系,构建了多目标-理想点法优化模型,并提出一种可快速获取不同区域淤泥烧结最优条件的方法。研究结果表明:洞庭湖淤泥是一种典型的烧结易膨胀土体,三相图位于Riley三相图所规定的易于膨胀区间,具有烧结制备优质轻质骨料的可行性;洞庭湖淤泥制备轻质骨料的最优烧结条件为预热时间20 min、预热温度410℃、烧结时间5 min以及烧结温度1 112℃,烧结获取的轻质骨料孔隙率为23.31%、收缩率为5.75%、体积密度为1.28 g/cm^(3)、抗压强度为20.35 MPa、1 h吸水率为14.33%。研究成果可解决洞庭湖淤泥处置难题,也可为其他湖泊淤泥的资源化利用提供新思路。

静止轨道瞬态点源多目标闪电信号实时探测技术

闪电是具有代表性的瞬态点源多目标,与雷暴等强对流气象现象有着密切的联系,通过对闪电的观测可获取雷暴雨等强对流天气的分布、变化、定位。文中论述了在静止轨道上利用瞬态点源多目标闪电信号和缓变的云层、陆地与海洋等背景噪声之间存在时间、空间和光谱特性上的差异,采用光谱滤波、空间滤波、帧—帧背景去除三种方法的组合来实现瞬态点源多目标闪电信号的增强与探测的方案及其技术实现,进行了理论分析与试验验证。

应用多目标决策-理想点法综合评价水环境质量

应用多目标决策 理想点法的基本原理 ,建立了一个综合评价水环境质量的数学模型 ,并将评价结果与灰色关联分析法和模糊综合评判法的评价结果进行了比较 ,表明用理想点法综合评价水环境质量简单、科学、合理。

基于ROS的移动机器人多目标点导航的实现

移动机器人的多目标点导航功能是机器人在执行配送与巡检等任务中不可或缺的功能之一,人们通常需要机器人能过依次序到达多个目标点。针对机器人的多目标点导航问题,对ROS(机器人操作系统)的自主导航功能包进行了研究,设计了基于ROS的移动平台,并在该平台上实现了机器人多目标点的自主导航功能。实验结果表明,在给定多个目标点之后,该移动机器人可以顺利的按照给定的目标信息进行依次自主导航。为机器人的多目标点自主导航提出了一套可行的方案。