多机协同作业全覆盖路径规划

多机协同作业能够提升作业效率,节约作业时间,减少了农作物因收获不及时导致的粮食浪费。为此,以总的非工作距离和最长单车行驶距离为目标函数,建立虚拟的农田模型,将多机协同作业全覆盖路径规划问题转化为VRP问题,并使用改进的蚁群算法求解。仿真结果表明:改进后的算法有效;对比遗传算法和传统的蚁群算法,改进后的算法平均目标函数值分别降低了25.0%和11.25%;对比模拟退火算法,改进后的算法平均目标函数值降低了1.5%,算法稳定性更好,适用于更大规模农田的多机协同作业全覆盖路径规划问题求解。

基于A^(*)算法的农机作业区域全覆盖路径规划

田园管理机是一种适合在丘陵坡地和小块地作业的小型农机,通过无人驾驶技术让田园管理机进行田间作业可以显著提升作业效率,降低作业成本,减轻劳动强度。全覆盖路径规划是实现田园管理机无人驾驶的关键技术,本文采用栅格法对农田作业环境进行栅格化处理,采用全覆路径+A^(*)优化的方法进行作业路径全覆盖规划,为进一步实现田园管理机的无人驾驶打下基础。

多智能体中央式协同路径规划算法综述

协同路径规划是实现多智能体协同作业的一项关键技术,需要保证行进至目标点前智能体间无碰撞,同时满足规划轨迹平滑性、规划时间有效性等要求。在明确多智能体协同规划问题的基础上,根据算法原理,将中央式协同路径规划算法分为基于A~*搜索、基于冲突搜索、基于安全间隔路径、基于代价增长树、基于规约算法以及其他算法,简单阐述各算法原理。研究发现,基于冲突搜索的协同路径规划算法因其计算质量及速度优势成为当前的主流算法,以此为基础进行改进成为当前研究热点。单一类型的算法对不同智能体规模及场景下的适应能力有限,多类型算法融合及智能化方法的介入将成为未来多智能体协同规划的发展趋势。

多无人机协同作战中的任务分配与路径规划算法研究

随着无人机技术的快速发展,多无人机协同作战成为无人机系统的重要发展方向。在多无人机协同作战中,任务分配与路径规划是2个关键问题,其质量直接影响着整个系统的作战效能。文章针对多无人机协同作战中的任务分配与路径规划问题展开研究,建立多无人机协同作战的数学模型,对问题进行形式化描述。文章提出一种基于混合整数规划的任务分配算法和一种基于改进A^(*)算法的路径规划算法。通过仿真实验对所提出算法的有效性进行了验证,与其他经典算法进行对比分析。实验结果表明,文章提出的任务分配与路径规划算法能够有效提高多无人机协同作战效能。

灌溉机器人全覆盖路径规划方法

灌溉机器人全覆盖行动的各个任务具有较为明显的空间并行性,随着全覆盖范围扩大,在对覆盖区域进行分解阶段,需要充分考虑将整个区域空间分解为哪些区域。但是,灌溉机器人受到视觉感知区域限制,准确匹配和衔接路块间最近端点的难度较大,导致局部路点的连通和线路衔接出现差错,难以有效全覆盖。为了有效解决这一问题,提出一种灌溉机器人全覆盖路径规划方法。通过快速搜索随机算法展开需要覆盖区域的边界检测,考虑视觉传感器的感知范围受限因素,采用灰度质心法展开区域视图边界提取,根据提取结果建立地图。在地图上建立线段序列,通过曼哈顿最小距离原则连接地图上的部分路径线段,形成多个弓形线路块。使用分治算法匹配和衔接各个弓形线路块间最近端点对,引入改进A*算法对全局以及局部路点的连通和线路衔接,实现灌溉机器人的全覆盖路径规划。实验结果表明:针对简单灌溉区域,该方法的路径重复率为0.041%,灌溉覆盖率为98.90%;针对复杂灌溉区域,该方法的路径重复率为0.017%,灌溉覆盖率为99.87%。这说明针对不同的灌溉环境,该方法均可以实现理想的路径规划,不仅可以最大限度地实现全覆盖,并有效地减少路径冗余程度,可以获取理想的灌溉机器人全覆盖路径规划方案。

基于改进蚁群算法的分布式多机器人协同路径规划

针对多机器人协同路径规划问题,提出了一种基于改进蚁群算法的分布式多机器人协同的路径规划方法,将多机器人路径规划问题分为两个阶段解决.在路径规划阶段改进传统的蚁群算法,通过几何法对蚁群算法的初始信息素进行差异化设计,改变初始信息素分布方式,加快蚁群算法收敛速度;设计了一种以起始点和目标点为导向的启发式函数,解决了蚁群在寻优过程中迂回锁死的情况;改进信息素更新方式加快后期信息素积累过程,提高整个算法路径规划的收敛速度.在协同避碰阶段,设计协同避碰规则解决各机器人之间的相互碰撞,以找到较优或者最优的路径组合.仿真结果表明:所改进的蚁群算法在解决单机器人路径规划问题时的优越性和所提多机器人路径规划方法的可行性、有效性.

基于鱼群算法的智能机器人全覆盖路径规划

为保证机器人的行驶轨迹可以全方位地覆盖地图的全部坐标点,并降低路径重复率,基于鱼群算法设计了智能机器人全覆盖路径规划方法;建立了智能机器人死区脱困模型,以此为依据计算了栅格地图模型中的目标活性值,获取整体栅格数量,根据地图中栅格状态得到了脱困时的行驶角度差;基于鱼群算法设计了全路径覆盖判定方法,根据不同目标鱼个体之间的距离,在三重移动目标坐标系下获取了元素坐标向量,并建立了每个目标点的求解代价和,计算得到下一个目标点行驶的最小距离;设计了机器人全覆盖路径规划算法,以判断当前位置是否为死区,获取了路径规划的全局最优解,实现了智能机器人的全覆盖路径规划;利用Matlab仿真软件进行了智能机器人全覆盖路径规划实验;结果表明,在简单环境下,该路径规划方法覆盖率为100%,重复率为5.23%,路径长度为15.36 m;在复杂环境下,该路径规划方法的覆盖率为100%,重复率则为10.24%,路径长度为20.34 m;由此证明了该方法具有较好地规划效果。

采摘机器人全局覆盖路径规划研究——基于自适应蚁群算法

在采摘机器人自动导航系统的设计上,为了提高全局搜索算法的效率,将蚁群算法引入到了路径规划的优化过程中,并采用自适应算法对蚁群算法进行了改进,进而提高了路径规划全局覆盖的准确性。为了验证算法的可行性,模拟大规模区块作业环境,对路径规划的距离进行了测试。测试结果表明:采用自适应算法的蚁群算法路径规划有了明显地缩短,从而提高了采摘机器人自主导航的效率。

一种多车辆协同多植保无人机作业路径规划方法

在植保作业中多车辆协同多无人机能突破续航等限制,可大幅提高作业效率.针对多车辆-多植保无人机作业路径规划求解难度大等问题,建立一种多车辆协同多植保无人机路径优化模型,并以无人机最大作业时间最小化为优化目标.同时,提出改进的simulated annealing‐Lin Kernighan Helsgaun(SA-LKH)算法求解该模型.所提算法融合K-均值聚类法和凸包插入法生成初始解,利用LKH算法优化每组无人机和车辆路径.此外,构建有向扰动算子,通过扰动每次迭代过程中作业时间最大和最小的路径来实现算法的快速收敛.5种不同规模算例的结果表明,所提算法在求解质量和效率上均优于对比算法.

基于生物启发神经网络的核辐射场区全覆盖路径规划

核辐射场区全覆盖路径规划对于辐射环境下区域作业者的辐射安全有重要意义。本研究基于生物启发神经网络算法,提出一种进行辐射剂量最优控制的全覆盖路径规划算法。首先,利用福岛核电站部分地形以及蒙特卡罗粒子输运程序分别构建模拟核辐射场区的障碍物分布和辐射剂量场,然后,采用Python语言进行算法仿真试验,模拟核辐射场区的每一个栅格定义为一个神经元,建立起生物启发神经网络,将栅格剂量率与神经元活性耦合实现路径规划的辐射剂量最优控制,分别采用单个、4个和8个移动单元进行仿真试验。结果表明:单个移动单元的规划路径在实现100%覆盖率,4%覆盖重复率的同时,能够优先覆盖低剂量区,延后覆盖高剂量区,实现了过程剂量和累积剂量的最优控制。为提高全覆盖的时间效率和获得更低的单体累积剂量,对算法进行多单元协同搜索的改进,结果表明:4单元和8单元仿真的覆盖重复率分别为5.72%和6.29%,1单元、4单元和8单元仿真完成全覆盖时间分别为30 min、9 min和4 min,时间效率成倍提高;最大单体累积剂量分别为4.11×10^(-3)mSv、1.28×10^(-3)mSv和0.85×10^(-3)mSv,也在显著降低。本文提出的算法能实现过程剂量和累积剂量最优控制的全覆盖路径规划,另外算法可以协同规划多单元路径,显著降低单体累积剂量,对辐射环境下区域作业的辐射防护有重要意义。

基于改进RRT的清扫机器人全覆盖路径规划

针对钢筋轧制车间中大型非结构化环境下清扫机器人在全覆盖路径规划时所面临的算法运行成本高、避障性能差和区域覆盖率低等问题,提出了一种利用单元分解法分区覆盖和融合跳点搜索法的RRT区域转移的全覆盖路径规划算法。利用MCD(movement cell decomposition)算法实现自由区域覆盖,为了解决区域间路径规划时的避障问题,引入融合跳点搜索策略的RRT算法,通过增加节点扩展的导向性,使其更偏向目标区域进行搜索,并利用贪婪算法裁剪冗余点修正路径以及三次B样条曲线法平滑处理。通过仿真与实验验证了算法在不同环境下的可行性和有效性,相比于其他方法所规划的路径更短且大大降低了路径重复率,提高了机器人避障效率的同时实现了全区域路径覆盖。

基于改进鲸鱼优化算法的丘陵山区田块全覆作业路径规划

为了解决丘陵山区单田块作业全覆盖路径规划以及多田块作业最优遍历顺序求解的问题,提升丘陵山区农业机械的作业质量和能耗效率,该研究设计了一种基于改进鲸鱼优化算法的路径规划方法。首先利用电子地图获取作业区域的数字高程模型(digital elevation model,DEM)并提取作业区域经纬度信息,基于提取数据构建和绘制田块模型。然后,在单田块全覆盖路径规划中引入能耗模型用于寻找最佳作业方向角,以实现单田块作业能耗最优的全覆盖路径规划。最后,针对鲸鱼优化算法容易陷入局部最优和早熟的问题,利用Tent映射进行种群初始化,同时引入非线性收敛因子a*和路径长度最优为目标进行作业路径规划仿真试验。仿真结果表明,按照能耗最优规划路径完成田块作业需要的总能耗为1.3002×10^(7)J,比路径长度最优情况下的作业能耗减少22.26%,利用改进鲸鱼优化算法求解的遍历顺序进行遍历所消耗的能耗比鲸鱼优化算法求解遍历顺序进行遍历节省能耗11.71%,节能效果明显。

考虑子单元数量与起始位置的全覆盖路径规划

移动机器人的覆盖作业任务正朝着大面积和智能化方向发展,对全覆盖路径规划的覆盖效率与环境适应性提出迫切需求。为解决传统的牛耕单元分解法在复杂地图中适应性不足的问题,并提高覆盖效率,给出一种全覆盖路径规划方法。首先,在牛耕单元分解法的基础上,提出面积降序遍历与单调多边形判断的策略对子单元进行合并,减少约一半的子单元数量。最后,通过建立子单元起始位置与终止位置的映射关系,采用遗传算法优化子单元起始位置的选择和全局访问顺序。研究结果表明:1)文中算法在处理长宽为1300像素的地图时,能够在10 s内得到计算结果,并且相较于牛耕法、神经网络法和等高线法,计算时间随地图面积的增长率更小;2)相较于牛耕法、等高线法、神经网络法和能量最优法,文中算法的机器人总作业时间减少5.4%~47.0%,无效作业时间减少5.8%~29.2%;3)文中算法在1800张测试地图的平均覆盖率达到99.91%;4)统计检验进一步验证文中算法具有显著覆盖效率优势。

信息年龄约束下的无人机数据采集能耗优化路径规划算法

信息年龄(AoI)是评价无线传感器网络(WSN)数据时效性的重要指标,无人机辅助WSN数据采集过程中采用优化飞行轨迹、提升速度等运动策略保障卸载至基站的数据满足各节点AoI限制。然而,不合理的运动策略易导致无人机因飞行距离过长、速度过快产生非必要能耗,造成数据采集任务失败。针对该问题,该文首先提出信息年龄约束的无人机数据采集能耗优化路径规划问题并进行数学建模;其次,设计一种协同混合近端策略优化(CH-PPO)强化学习算法,同时规划无人机对传感器节点或基站的访问次序、悬停位置和飞行速度,在满足各传感器节点信息年龄约束的同时,最大限度地减少无人机能量消耗。再次,设计一种融合离散和连续策略的损失函数,增强CH-PPO算法动作的合理性,提升其训练效果。仿真实验结果显示,CH-PPO算法在无人机能量消耗以及影响该指标因素的比较中均优于对比的3种强化学习算法,并具有良好的收敛性、稳定性和鲁棒性。

车载多无人机协同多区域覆盖路径规划方法

针对小型无人机在区域信息采集中的优势,考虑到复杂多变的应用情景,提出一种面向大面积多区域覆盖扫描任务的车载多无人机协同模式。该模式中,车辆可作为无人机的移动基站,与多架无人机协同完成多个大面积区域的覆盖扫描任务。充分分析新问题特点后,建立了优化车辆地面行驶路径和多无人机协同空中飞行路径的01整数规划模型,提出了一种基于三阶段的智能优化算法,先后对多无人机区域覆盖路径以及车辆协同路径进行规划,快速构造可行解,而后基于自适应大规模邻域搜索算法对可行解进行优化。本文设计了包含8个目标区域的实际案例,验证了车载多无人机协同模式的优势和算法有效性,并进一步通过10个随机案例验证了算法性能。对比实验证明,车载多无人机协同模式在执行多个大面积区域覆盖任务上,相比车载单无人机模式能够显著缩短任务时间。

多无人机覆盖路径算法的设计

为了解决在野外和受灾地区中多无人机路径规划后任务负载不平衡问题提出一种基于覆盖路径生成算法STC和生成树覆盖算法的负载平衡多无人机覆盖路径算法,基于STC算法优化路径分区过程设计平衡切割算法迭代的优化路径分区负载权值,解决了多无人机在完成目标区域覆盖时工作负载不均的问题,通过对比仿真实验验证了方法的可行性。结果表明,此算法可以在有限资源限制条件下找到多无人机最优路径分区并有效平衡多无人机负载。

家庭护理人员协同调度与路径规划研究

随着我国老龄人口数量的不断增长以及家庭护理观念的普及,用户日渐青睐居家接受个性化的家庭护理服务。然而护理服务资源在不同区域、机构的配置程度存在差异,单一机构难以满足用户快速增长的多样化、个性化需求。为缓解护理服务资源供需不均衡情况,将协同服务思想引入家庭护理,提出家庭护理人员协同调度与路径规划问题,考虑多个护理中心协同服务同一客户的不同需求。在现有护理资源不变的条件下,通过对资源统筹优化,提高护理资源利用率,使得护理人员的调度方案更加灵活合理,在满足客户需求的前提下达到降低护理中心运营成本的目的。为了研究该问题,首先建立了以护理人员启用、行驶、正常工作、加班工作总成本最小,包含客户需求、护理人员工作时长等约束的家庭护理人员协同调度的数学规划模型;其次,考虑护理人员和客户需求所具备的特性,根据贪心、随机、自适应思想,结合贪心随机启发式和迭代局部搜索等多种方法设计了具有自适应反馈机制的混合贪心随机自适应搜索算法;最后,基于标准算例的仿真实验测试评估所设计算法的性能。实验结果表明:设计的算法相比优化软件GUROBI和标准GRASP能够更加高效、高质量地求解家庭护理人员协同调度与路径规划问题;同时引入协同思想能够大幅缩减运营成本并提高护理人员利用率。

求解带负载约束车辆路径问题的多策略协同智能优化算法

随着现代科技和社会的进步,交通运输领域中的车辆路径问题已经成为了影响各行业发展的重要因素,在这个背景下,有效的车辆路径规划变得至关重要,这其中较为典型的便是带负载约束的车辆路径问题。为此,本文提出了一种基于鲸鱼优化算法多策略协同的优化方法,该方法将鲸鱼优化算法(WOA)、模拟退火(SA)和引力搜索算法(GSA)结合应用于带负载约束的车辆路径问题,通过这一方法,降低运输成本,减少车辆的行驶距离以及提高车辆的运输效率。为验证方法有效性和可行性,我们采用CVRPLIB中的数据进行了实验,结果表明:所提算法能够有效解决带容量约束车辆路径问题,有较强的寻优能力,求解质量优于所对比算法。

自动翻晒谷物机器人的全覆盖路径规划研究

针对谷物机器人在场地进行翻晒作业时,由于场地中存在电线杆或其他限定因素,可形成机器人不可达区域,造成谷物机器人翻晒效率低等问题,提出改进A*算法的全覆盖路径规划方案。首先利用牛耕分解法、就近原则法、往返式弓子型遍历方法和A*算法完成整个翻晒场地的全覆盖路径规划。其次通过对传统A*算法进行研究分析,对其估价函数进行优化,较传统A*算法相比减少无用节点的搜索,节约搜索时间。另外针对改进A*算法规划出的路径转折点多等问题,本文利用贝塞尔(Bezier)曲线对路径拐点进行平滑处理,同时通过增加控制点的方式对Bezier曲线进行改进,使优化的路径更加安全。最后,实验结果表明,本文提出的方法可完成100%覆盖,说明了该方案的有效性,具有一定的应用价值。

基于RRT森林算法的高层消防多无人机室内协同路径规划

在多无人机(Multi-unmanned aerial vehicles,Multi-UAVs)协同执行高层消防救援任务的场景中,室内复杂火场环境下路径规划是亟待解决难题之一.针对快速搜索随机树算法(Rapidly-exploring random tree,RRT)搜索区域受限、耗时较长、结果可行性差等问题,提出RRT森林算法.通过随机选取根节点、生成随机树、连接合并随机树,使高层消防多无人机在复杂室内环境下协同路径规划效率显著提高.此外,采用两次动态规划(Dynamic programming,DP)以及改进障碍物接近检测方法,进一步提高路径的可行性.最终,通过仿真验证算法的有效性.