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。

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。

基于改进快速搜索随机树算法的复杂机电产品线缆装配路径求解

针对复杂机电产品线缆装配路径求解困难的问题,提出一种基于改进快速搜索随机树算法的线缆装配路径求解方法.首先构建基于Cosserat弹性杆理论的线缆物理属性模型;然后提出改进快速搜索随机树算法的3种策略:基于人工势场法(artificial potential field,APF)的线缆装配路径规划策略,使线缆装配路径连接线缆目标构型,方便线缆实际装配;考虑线缆最佳离地高度的节点扩展策略,防止线缆因自身重力而与零部件产生碰撞干涉;基于非均匀三次B样条曲线的路径优化策略,求出一条相对平滑的路径.在Matlab线缆装配路径地图中对所提方法进行仿真的结果表明,改进后的快速搜索随机树算法的结果更优;并通过某相控阵雷达中的线缆装配路径实例,对该方法进行了验证.

基于快速搜索随机树算法的无人船路径规划研究

无人船航行时的安全性、可靠性和稳定性至关重要。有效的路径规划技术可显著提高无人船的避碰能力和缩短航行距离,已成为无人船领域的重点研究内容。本文:首先,分析了传统的快速搜索随机树(rapidly-exploration random tree,RRT)算法的程序原理和算法流程;其次,针对其不足之处引入偏置采样的方案,增加了对目标点的引导以提高其运行效率,在此基础上采用贪心思想进一步优化无人船的路径,继而提出改进的RRT算法和RRT-connect(rapidly-exploring random tree connect)算法;最后,对几种环境复杂程度不同的地图进行仿真模拟实验,验证改进方法的可行性。验证结果表明,改进的RRT-Connect算法可减少环境复杂多变对无人船路径规划的干扰,并能有效提高路径规划效率。

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.

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.

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。

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。

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。

基于改进快速扩展随机树方法的隐身无人机突防航迹规划

针对隐身无人机在日趋严密的雷达防御系统下的生存问题,提出了基于改进快速扩展随机树的隐身突防航迹规划方法.本文首先对隐身突防航迹规划中无人机的动态雷达散射截面积和雷达的发现准则这两个关键问题进行了分析和建模,然后针对现有算法在解决隐身飞机航迹规划问题时的不足,设计了改进快速扩展随机树算法,将无人机的雷达散射截面积随姿态变化的情况考虑到新节点生成中,并且结合滚动时域策略计算时域范围内所有节点的瞬时发现概率均值,以判断新节点可行性.仿真结果和对比研究表明,算法的改进策略能够处理隐身突防航迹规划的两个特性,并且可在复杂环境下快速生成更优的突防路径.

基于启发式的快速扩展随机树路径规划算法

针对基于随机采样的路径规划缺乏确定性的问题,提出一种具有启发式的多自由度机器人路径规划算法。该算法在快速扩展随机树算法的基础上,引入了启发式估价函数,使扩展随机树有利于朝目标点方向进行生长。仿真结果表明。提高了复杂环境下机器人路径规划的效率,保证了规划的路径接近于最短路径,对同一任务的规划具有一定的可重复性。

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。

基于改进快速扩展随机树的机械臂路径规划

针对机械臂路径规划问题,提出一种基于改进RRT算法的路径规划方法。改进RRT结合了目标偏置策略和贪婪生长策略的优点,在随机采样时,以一定概率使采样点偏置为目标节点,降低随机采样的盲目性,在目标节点方向上采用贪婪式扩展策略,增加随机树局部方向上的生长速度。RRT法规划路径结果并非最优,提出改进GPP法删除多余路径节点,优化机械臂运动路径。通过与Biased-RRT和Greedy-RRT数值仿真结果对比,证明了改进RRT在计算时间、迭代次数、扩展节点数上均优于以上方法。在机械臂两种典型工作环境中的仿真结果表明,使用该方法可以较好解决排爆机械臂避障路径规划问题。

基于KNN-RRT 的机械臂运动路径规划算法

针对机械臂路径规划过程中节点生成容易陷入局部最小值、算法收敛速度慢等问题,以目标引力函数渐进最优快速扩展随机树(P-RRT)为基础,提出一种基于KNN快速查找的自适应步长的改进RRT算法(KNN-RRT)。首先,在目标引力的基础上引入AdaGrad方法来调整自适应步长系数,降低随机点采样陷入局部最小值的问题;其次,利用KDTree来存储节点并利k邻近快速搜索查找相邻节点,提高算法的效率,并结合三次B样条曲线优化搜索路径的质量;最后,基于KNN-RRT算法在不同障碍物环境下进行实验,实验结果表明该算法在路径搜索时间、路径质量等方面有显著提升,提高算法的稳定性。

面向水下未知空间探测的改进RRT路径搜索算法

文中提出了一种混合RRT(rapid-exploration random tree)搜索算法.算法整体上按照全局路径和局部路径的最优试探开展同步计算.在局部路径计算层面,利用RRT^(*)算法基于周边探测数据,结合前沿点信息进行小尺度路径搜索、全局路径计算层面,利用RRT算法进行粗粒度的路径分支决策,并将已选分支的边缘信号反馈给局部路径的计算.通过RRT^(*)的重剪枝功能,能够在局部进行路径优化,而避免将其用于整体路径优化时可能带来的“选择震荡”风险.仿真实验与真实环境结果表明:将RRT*与RRT在局部和全局两种尺度上的区分使用,相较只使用RRT算法路径长度减少了16.4%.