基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数(即降低路径曲率和远离障碍物),并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明:优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。

改进双向快速搜索随机树的无人艇路径规划

针对双向快速搜索随机树(bidirectional rapidly-exploring random tree, BI-RRT)算法在全局路径规划时存在搜索效率低、路径拐点较多等问题,提出一种改进BI-RRT的水面无人艇(unmanned surface vehicle, USV)全局路径规划算法。该算法采取了极度贪心的思想、高斯偏置随机点采样方法以及启发式的节点扩展策略,同时对节点扩展和搜索树连接进行角度约束,将生成的路径进行剪枝和3次B样条优化处理。结果表明,相对于改进前,改进的BI-RRT在平均时间、随机采样点和平均路径上分别减少了40.5%、65.0%和24.0%。改进后的算法时间、采样点和搜索树扩展大幅度减少,路径平滑度提高且路径更短。

基于自适应步长快速搜索随机树算法的船舶避碰路径规划

快速搜索随机树算法被广泛应用于船舶避碰路径规划。针对传统快速搜索随机树算法在复杂水域条件下搜索效率低的问题,提出了基于自适应步长快速搜索随机树算法的船舶避碰路径规划模型。首先,引入船舶领域模型,并基于《国际海上避碰规则》为让路船设置虚拟障碍。其次,引入时间序列并建立动态障碍检测机制。采用启发式采样策略,减少无效节点的生成。最后,建立障碍物密集度与搜索步长的映射关系,以上一步采样步长作为已知条件预测当前步采样步长,并利用采样点周围障碍物密集程度修正当前最优的采样步长。仿真试验结果表明,相较于传统的快速搜索随机树算法,采用自适应步长快速搜索随机树算法的船舶避碰路径规划模型在采样成功率、搜索路径耗时、路径段数和路径总长度等四个方面均表现最优,在提高算法效率的同时能够实现更高质量的路径规划。

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题,提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法.以机器人出发点为随机树的根节点,通过扩展,逐渐增加叶节点直至随机树的叶节点中包含了目标点.从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径.研究表明在同样的环境下与遗传算法、A*算法相比该方法能在更短的时间内找到更优的路径.仿真实验也表明,即使在随机生成的复杂环境下,利用该算法也可以快速规划出一条全局优化路径,且能安全避障.

基于改进快速搜索随机树法的机械手路径优化

针对多关节机械手路径优化问题,提出一种改进快速搜索随机树(Rapidly-exploring random trees,RRT)优化算法。利用标准RRT算法规划初始可行路径,根据路径长度与路径安全性计算出该路径代价。在后期搜索树生长过程中,中间目标点并非随机采样,而是选择能使当前路径代价低于其之前路径代价的节点,同时对该节点进行距离检测,避免产生过于密集的节点集。为加快搜索树向未知区域的扩充速度,从最近节点向中间目标点扩充过程中,采用一种贪婪启发式扩充算法:节点以一定步长循环扩充,直至扩充到达目标节点或产生不连通节点。最后对6自由度检修机械手进行路径规划仿真试验,结果表明相对于标准RRT算法,规划路径的质量得到大幅提高。

未知环境下基于快速搜索随机树的机器人路径滚动规划

在未知环境下,移动机器人没有全局信息,一次只能规划出探测范围内的局部路径.针对这一特点,提出了一种全新的基于滚动窗口的快速搜索随机树算法.该算法以机器人出发点为根节点,充分利用机器人实时测得的局部环境信息,以滚动方式进行在线扩展,逐渐增加叶节点直至随机树的叶节点包括了目标节点,从根节点到目标节点的随机树的边即为规划出的路径.大量仿真实验表明,即使在障碍物非常复杂的未知地理环境下,该算法也能快速规划出一条全局优化路径,且能安全避障.

基于改进快速搜索随机树算法的包裹分拣路径规划算法

针对现有快递包裹分拣系统存在的传输速度慢,准确率低等问题,提出一种改进的快速搜索随机树(RRT)算法。该算法以RRT算法为基础,首先建立了包裹环境模型,引入人工势场法引力分量使节点的扩展更具方向性。其次,对于节点进入障碍物区域需多次重新采样的问题,采用扇形区域法避障以提高算法生成质量,并在路径规划结束后采取二次优化,以获得平滑的路径。仿真结果表明,改进后的算法相比于传统的RRT算法,包裹传输速度提高73.22%,与加入人工势场法的改进算法相比,包裹传输速度提高94.46%。

一种改进的双向快速搜索随机树算法

针对快速搜索随机树(RRT)算法随机性大、效率低的问题,提出了一种改进的双向RRT算法。该算法采用预生长机制,快速通过前期无障碍区域;以重要程度划分障碍物,减小势场计算规模,提高路径规划的避障效率;同时采用基于欧氏距离的筛选机制对随机点进行遴选,减少在低可能路径区域的生长。最后在仿真环境下进行实验,验证了所提算法的可行性和有效性。

快速搜索随机树算法在航空电缆布线中的应用

针对航空电缆布线中面临的电缆线路分支多、路径复杂等问题,提出一种改进的快速搜索随机树算法。应用这一算法对各电缆线路分支进行计算,进而得出最优路径轨迹,以及各电缆线路分支轨迹的长度。对所提出的算法进行样机试验,确认电缆布线包装机能够达到包装技术标准中无褶皱冗余、路径最短、表面绝缘层无磨损等要求。应用所提出的改进快速搜索随机树算法,可以有效提高航空电缆布线效率,降低劳动量和报废率。

基于快速搜索随机树的薄片元件拾取机械手电控系统设计

微型薄片散列元件的拾取问题一直困扰着微型机构的装配能力,如何提高微型元件拾取效率和拾取精度一直是机器人智能控制的研究方向。为此,采用振动盘驱动设备,通过其震动能量驱动散列薄片元件沿螺旋轨道顺序排列并推挤前进,然后由轨道末端传感器感知元件并通过PLC控制三自由机械手夹取元件。为提高夹取效率,给出了机械手电控系统的实施方案,并结合快速搜索随机树避障算法,对机械手的运动轨迹进行了模拟仿真,得到了机械手3个自由度下关节的运动路径,对于优化电控系统软件设计提供了重要参数指导。

改进的快速探索随机树双足机器人路径规划算法

针对快速探索随机树(RRT)算法进行路径规划时随机性大且未考虑移动代价的问题,提出了任意时间快速探索随机树算法。生成一组快速探索随机树,之后每个树都重新使用上个树的信息来不断改进树的延伸。为进一步优化算法,使用节点缓存来生成一个引力函数来减少移动代价。最终的算法能够快速地生成初始路径,在规划时间内不断地改进路径且通过使用阈值来确保后面路径都比上次的移动代价更小。双足机器人仿真实验中,改进后的算法与初始的算法相比,搜索的节点数由883减少到704,效率提高了近25%。实验结果表明了改进算法的有效性。

基于随机树节点的变电站机器人全覆盖巡检路径优化设计研究

常规的机器人巡检路径规划方法通常以最短规划时长作为目标,通过结合机器人的工作性能,对目标函数进行约束,通过求取最优解实现路径规划。但由于忽略了机器人工作视野的限制,导致规划效果不佳。对此,针对变电站机器人,提出基于快速搜索随机树的全覆盖巡检路径规划方法。首先,利用栅格法对巡检区域进行环境建模,并计算局部滚动窗口,获得机器人的最佳工作视野范围。然后,将目标采样阈值设定为一个动态变量,计算随机树节点的路径代价,通过将双向搜索与迭代的方式,实现随机树节点扩展,从而搜索到最优路径规划结果。在实验中,对该方法的规划效果进行检验,结果表明,在可以完成巡检任务的前提下,采用该方法规划的巡检路径较短,可以提高机器人巡检的效率。

基于RRT-GPM两阶策略的导弹编队协同突防最优轨迹快速设计

为了提高导弹编队的自主飞行能力,在考虑弹间协同相对运动关系(通信、避碰、探测)和突防硬/软约束的情况下,对弹群的多约束快速轨迹优化问题进行了研究。针对高斯伪谱法初值确定困难和快速搜索随机树法结果曲折不寻优难以满足动力学约束的不足,通过对高斯伪谱法快速性的分析和初值选取方法的研究,提出了快速搜索随机树+高斯伪谱法两阶快速轨迹优化策略,充分利用快速搜索随机树法的全空间搜索能力为高斯伪谱法提供寻优初始值,同时利用高斯伪谱法的快速性和最优性对快速搜索随机树法的结果进行平滑和进一步寻优,从而快速获得最优的弹群飞行轨迹。领-从弹编队飞行模式下的仿真结果表明,两阶策略能够快速获得满足各种约束的弹群最优飞行轨迹,优化时间约为单独高斯伪谱法所需时间的20%左右,很大程度上提高了轨迹优化的快速性和准确性,并且证明了不同约束条件对优化速度和优化结果的影响。

基于多约束的改进RRT*算法三维全局路径规划研究

针对快速搜索随机树*(RRT*)算法在三维状态空间寻找次优路径过程中收敛速度慢、规划的路径无法满足欠驱动水下无人潜航器实际航行约束等问题,建立考虑多约束的RRT*算法的改进算法。对于寻优过程速度慢的缺陷,改进算法通过增加随机树节点的概率引导措施,加大树扩展过程的目标趋向性,减少树节点随机拓展带来的冗余计算,从而加快随机树寻优的收敛过程;对于无人潜航器航行约束问题,利用潜航器的俯仰以及偏航角度约束结合原算法中的欧几里得距离进行节点间“伪距离”价值函数构建,从而使得规划路径进一步满足欠驱动水下无人潜航器的运动规律。经过Matlab仿真,在三维空间中相同迭代次数条件下,改进算法相比于传统的RRT*算法能够显著提高最优路径寻优的收敛速度,规划路径在俯仰和偏航角度变化符合水下无人潜航器的运动约束。

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。

基于RRT-BZD算法的移动机器人路径规划

针对传统RRT算法在移动机器人路径规划中效率低、路径非最优的问题,提出一种改进的RRT-BZD算法,以提高RRT算法的收敛速度和算法的搜索效率。改进的RRT-BZD算法通过设置自适应目标偏向策略以及修剪冗余节点,加快了路径规划的收敛速度,减少了算法运行的时间,并且使用贝塞尔插值法使最终的路径更加平滑。在MATLAB仿真环境中分别对不同场景下的算法进行对比实验,实验结果表明:改进的RRT-BZD算法路径代价比传统RRT算法减少了7.93%,计算时间减少了20.28%,验证了改进算法的有效性和可行性。

基于环境特征和随机方法的柔性针路径规划

针对柔性针软组织穿刺路径规划问题,提出了一种基于环境特征和随机方法的规划算法。该方法采用单轮车模型,运用快速搜索随机树算法得到样本路径,再基于路径长度、弧段数、安全度及障碍物风险分级相结合的路径评估函数,得到最优路径。在路径生成过程中,医生可根据临床经验设置评估函数的权重系数及判断障碍物的风险等级,以适用不同组织的穿刺环境。进行复杂环境下柔性针软组织穿刺路径规划仿真,结果表明该方法环境适用性强,算法交互性好,具有较好的应用潜力。

改进RRT的二阶段平滑搜索算法

在复杂的环境当中,智能车辆路径规划模块的职能是产生一条合适的路径让智能车路径跟踪模块进行跟踪。在路径规划模块中要考虑两个方面:第一个方面是算法能够快速地搜索出一条安全的路径;第二个方面是算法进行路径规划的同时能够考虑车辆自身模型的约束,即运动学约束限制。然而快速搜索随机树RRT算法进行大范围路径搜索的过程中存在收敛速度较慢、搜索路径曲折角度过大的问题,导致车辆跟随时转弯角度过大、转向不连续,不满足车辆运动学模型。二阶段RRT算法TSRRT(Two-Stage RRT)采用融合最大转向角度的三次Bezier曲线进行上边界曲率优化,使规划路径能够满足车辆运动的转向角度,让车辆在行驶过程中能够以不停车的方式进行连续平稳转向;同时为了加快算法的收敛速度,通过第一阶段的启发式函数采样搜索以及第二阶段Dubins曲线直接连接最终终点和第一阶段搜索终点,能够有效地提高算法的整体搜索效率。通过实验验证,改进的RRT算法TSRRT,相比于传统RRT算法搜索时间减少近43%,路径长度减少近25%,同时提高了路径的平滑性,使已搜索路径曲率能够满足连续,能够让车辆在不停止的情况下连续平稳转弯,以便车辆后续更好地进行路径跟踪。

基于CL-RRT与MPC的舰载机牵引系统路径规划

针对舰载机在甲板狭小、复杂环境下的调运过程,结合闭环快速随机搜索树(close loop rapidly exploring random trees,CL-RRT)和模型预测控制(model predictive control,MPC)提出一种舰载机牵引系统的路径规划算法。首先,在CL-RRT中采用纯追踪器与线性二次型(linear quadratic,LQ)控制器得到系统的控制输入并向前仿真得到规划路径。其次,将已得路径进行等比缩放与插值作为MPC的初始解。最后,设置MPC的目标函数等并解得最终路径。展开自定义三个场景下的仿真实验,通过与CL-RRT算法的实验结果进行比较,验证本文算法的优越性。实验结果表明,所提算法可有效解决因采样随机性带来解质量不佳的问题,提升舰载机在甲板上的调运效率与安全性。