未知动态环境下有人/无人机协同搜救研究

针对未知动态环境下搜救效率和智能化水平不高的问题,提出了一种基于变步长模型预测控制的有人机/无人机协同搜救方式。根据环境的动态变化性和探测的不确定性,建立了表示环境确定度和目标探测概率的动态搜救图模型,根据态势信息选择时间域步长,并根据有人机/无人机协同搜救任务特点,设计了搜救收益指标,并利用粒子群优化进行求解。仿真结果表明了本文方法的有效性和优越性。

未知动态环境中基于分层强化学习的移动机器人路径规划

提出了一种基于分层强化学习的移动机器人路径规划算法.该算法利用强化学习方法的无环境模型学习能力以及分层强化学习方法的局部策略更新能力,克服了路径规划方法对全局环境的静态信息或动态障碍物的运动信息的依赖性.仿真实验结果表明了算法的可行性,尽管在规划速度上没有明显的优势,但其应对未知动态环境的学习能力是现有其它方法无法比拟的.

动态未知环境中移动机器人的滚动路径规划

本文借鉴预测控制滚动优化原理，研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题．文中提出的基于滚动窗口的移动机器人路径规划方法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规划，实现了优化和反馈的合理结合，对动态环境具有良好的适应性．

动态未知环境下一种Hopfield神经网络路径规划方法

针对动态未知环境下移动机器人路径规划问题,采用一种有效的局部连接Hopfiled神经网络(HopfieldNeuralNetworks,HNN)来表示机器人的工作空间.机器人在HNN所形成的动态数值势场上进行爬山搜索法来形成避碰路径,并且不存在非期望的局部吸引点.HNN权值设计中考虑了路径安全性因素,通过在障碍物附件形成局部虚拟排斥力来形成安全路径.HNN的连接权是非对称的,并且考虑了信号传播时延.分析了HNN的稳定性,所给稳定性条件和时延无关.HNN模型中突出了最大传播激励,从而使得HNN具有更广的稳定性范围并能表示具有更多节点的机器人工作空间.为对该HNN有效仿真求解,结合约束距离变换和HNN的时延性,给出了单处理器上高效的串行模拟方案,规划路径的时间复杂度为O(N)(N是HNN中神经元的数目),使得路径重规划能快速在线进行.仿真和实验表明该方法的有效性.

动态未知环境中移动机器人的滚动路径规划及安全性分析

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的机器人路径规划问题 .提出的基于滚动窗口的移动机器人路径规划方法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规划 ,合理结合了优化与反馈 ,对动态环境具有良好的适应性 .

动态未知环境中的优化路径规划算法

提出一种在未知动态环境中进行启发式优化搜索的实时路径规划算法 .该算法采用并行搜索策略 ,在机器人当前位置点到终点的连线方向上作角度增减两个方向的并行搜索 .仿真试验证明该算法是实时而有效的 .

动态未知环境下移动机器人的路径规划新方法

首先提出一种基于极坐标空间的、以机器人期望运动方向角为路径优化指标的未知静态环境下移动机器人的路径规划方法。对于动态未知环境下的路径规划,采用自回归模型预测各障碍物位置,并把预测位置视为障碍物下一时刻的瞬时静态位置,从而将动态障碍物环境转换成瞬时静态障碍物环境,应用静态路径规划方法实现动态未知环境的路径规划。

动态环境中服务机器人的改进型地图学习规划

针对室内服务机器人进行服务工作时需要躲避碰撞和抵达目标点的功能需求,本文提出了一种改进型地图学习路径规划算法.在地图学习规划算法的基础上,该算法首先约定了移动机器人的非完整性,使规划具有更高的可行性.然后改进了障碍物的影响方式,令已探测到的障碍物仅对已知区域产生作用,从而减少未知区域对路径选择的影响.接着,优化了地图学习算法中的随机选点策略,即若目标点出现在探测范围内时则令目标点作为初始选取点,解决了地图学习规划在临近目标点时收敛性不佳问题.并设计自适应速度移动策略以进一步提高算法的收敛性能和机器人的规划效率.最后,仿真及实验结果表明改进型地图学习路径规划算法相比于传统地图学习算法具有更好的规划效率和目标收敛能力.

智能机器人在动态未知环境中的路径规划方法探寻

目前,智能机器人面对动态未知环境的避障及路径优化问题仍存在一定困难,而恰恰这方面的应用研究更具有实用价值,如灾难搜索营救、安保巡逻、家政服务、导游迎宾、餐饮服务等都要求机器人能够进行环境探测分析、主动避障和路径规划的能力。本文作者将强化学习的思想用于移动机器人在动态未知环境的路径规划中,结合改进的学习算法,实现机器人对运动障碍物的有效躲避,并通过仿真实验证实了该策略和算法的有效性。

一种未知环境下方向自适应的机器人避障算法

针对机器人在未知动态环境中移动时避障难、路径规划复杂的问题,基于动态窗口法(Dynamic Window Approach,DWA)进行研究和优化,提出一种能够自适应调整方向的避障方法。首先通过障碍物信息计算可通行的间距和角度,设置临时目标点,解决了原算法会绕行密集静态障碍物区域或陷入局部最优的问题,然后在原算法的基础上新增一个用于处理动态障碍物的决策函数,将机器人与动态障碍物之间实时速度和距离的关系作为该评价函数的依据,并为该函数设置合理触发阈值,触发后通过计算选择最优的轨迹方向以完成动态避障。MATLAB实验结果证明,所提出的方法较原算法避障能力强,路径规划效率高,应对未知动态环境时有较大优势。

复杂动态环境下机器人避撞路径规划

为了使机器人在复杂动态环境中实现最优路径规划,提出了改进人工蜂群算法的路径规划方法。分析了传统的人工蜂群算法原理,引入了小步长侦查蜂为跟随蜂提供障碍物分布的先验信息;为了防止机器人与动态障碍物发生碰撞,对动态障碍物周围的可行节点进行障碍化处理,将节点障碍指数与节点与目标点距离糅合为节点选择准则,同时提出了障碍避撞预测和障碍避撞策略。由仿真实验可以看出,改进算法不仅成功实现避撞,而且规划出避撞条件下的最优路径。

基于HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性。针对这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法。算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点。当发生下降阻碍时,则仅对需要的范围传播权值变更信息。算法适用于大范围的时变环境,并具有良好的收敛性。仿真实验验证了算法可行性和正确性。

欠驱动USV实时自主避障路径规划算法

针对未知动态环境下欠驱动USV的多障碍物实时自主规避问题,提出了一种在线避障路径规划算法。算法基于全局路径的引导,充分考虑环境多障碍约束、USV本体运动学与动力学约束、既定航线约束,同时采用多目标函数作为优化函数,通过障碍物运动预测与滚动优化方式进行在线实时避障;之后,通过仿真实验与分析验证了算法的正确性;最后,利用某无人艇对所提避障算法进行湖上实验,结果验证了算法在实际工程应用中的有效性。

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.