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。

基于改进渐进最优的双向快速扩展随机树的移动机器人路径规划算法

针对带启发式的快速扩展随机树(RRT-Connect)算法路径生成的随机性以及渐进最优的双向快速扩展随机树(B-RRT~*)算法收敛速度的缓慢性,提出了一种基于B-RRT~*改进的高效路径规划算法(EB-RRT~*)。首先引入一种智能采样函数,使随机树的扩展更具方向性,从而减少寻路时间,并提高路径的平滑性;其次在B-RRT~*算法的基础上,在EB-RRT~*算法中加入了一种快速扩展策略,使改进后的算法在自由空间中使用RRT-Connect算法的扩展方式进行快速扩展,而在障碍物空间则使用改进的渐进最优的快速扩展随机树(RRT~*)算法进行扩展,在提高扩展效率的同时避免算法陷入局部最优。将EB-RRT~*算法分别与快速扩展随机树(RRT)、RRT-Connect、RRT~*和B-RRT~*算法进行仿真对比,仿真结果表明,改进后的算法在路径规划效率及路径平滑性方面均明显优于其他算法;且相对于B-RRT~*算法,其在路径规划时间上降低了68.3%,在迭代次数上减少了48.6%。

机器人路径规划的快速扩展随机树算法综述

路径规划是移动机器人的重要研究内容。快速扩展随机树(Rapidly-Exploring Random Tree,RRT)算法因在机器人路径规划中的成功应用,自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法,相对传统路径规划算法,具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质,并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后,展望了算法未来的研究方向与挑战。

预规划最优快速探索随机树

移动机器人的路径规划在应急救援、自主开采、仓库管理等各个领域起到了重要的作用。提出一种基于预规划抽样的路径规划方法,对于多障碍物环境下进行路径规划有良好的表现。该算法由预先路径生成过程和路径重规划过程组成。使用最优快速探索随机树(RRT^(*))算法获得初始路径作为先验知识,然后在此基础上通过蚁群算法重新优化规划得出最优路径。相比直接使用RRT^(*)算法路径长度更短,路径平滑度更好。

基于改进快速扩展随机树算法的双机械臂协同避障规划方法

提出了一种基于改进RRT算法的双机械臂协同避障运动规划方法。针对静态障碍物对主臂进行避障运动规划,寻找主臂可行路径。将主臂每一时刻的运动位姿视为规划从臂运动时的动态障碍物,为从臂规划可行运动路径。为提高算法的搜索效率,利用节点剪枝择优和设置目标区域的方式使算法快速收敛。在MATLAB程序建模实验的基础上,在ADAMS中进行仿真实验,验证了该算法的有效性和可行性。

改进的快速扩展随机树路径规划算法

针对快速扩展随机树(RRT)路径规划算法缺乏稳定性和偏离最优解的问题,提出了一基于RRT的偏向性路径搜索算法(m-RRT)。m-RRT采用生成随机点向量组的形式对随机点选取策略进行了优化,改善快速扩展随机树的不确定性,减少不必要的扩展,而加快向目标位置搜索的速度,且得到的路径优于RRT算法的结果。通过其在二维平面路径规划和三维机械臂路径规划的测试,表明其具有一定的应用价值。

一种改进的快速扩展随机树航迹规划算法

针对现有航迹规划算法缺乏同时具备快速性和最优性的问题,本文提出了一种新的无人机航迹规划算法,在快速扩展随机树算法基础上,引入一个方向参数,并采用Dijkstra算法对改进算法产生的冗余节点进行处理,得到了一条优化的航迹。最后采用K航迹法进行航迹平滑处理,使得规划的航迹成为无人机的可飞航路。仿真结果表明,该算法能够在有效提高航迹产生速度的同时,可以得到近似最优的航迹。

基于引导扩展的快速随机搜索树算法

针对移动机器人在路径规划过程中,快速扩展随机树(RRT)算法随机性强、搜索无偏向性以及在较窄出口环境下搜索效率明显下降等问题,提出一种基于障碍物有效顶点引导扩展的改进算法。该算法通过对碰撞障碍物分析,选取障碍物有效顶点引导随机树扩展,从而提高随机树的搜索效率。最后,在机器人操作系统(ROS)上进行仿真实验,使用ROS可视化工具(RVIZ)显示规划结果,结果显示基于障碍物有效顶点引导扩展的算法性能更优。

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。

三维环境中机器人路径规划算法改进

为解决快速扩展随机树算法(rapid-exploration random tree,RRT*)在三维环境中盲目搜索路径以及缺乏节点扩展记忆性等问题,提出一种融合蚁群算法的双向搜索算法ACO-RRT*。为适应精细化三维建模环境和解决地面起伏不平坦等问题,对RRT*算法进行改进优化。采用双向搜索策略,在起点和终点同时运行改进后的RRT算法和蚁群算法,相向而行,对路径长度和运行时间进行优化。针对生成路径不够平滑等问题,引入B样条曲线平滑策略优化路径。仿真结果表明,所提算法能够有效用于机器人三维路径规划。

渐进式约束扩展的机械臂运动规划算法

为了保证冗余机械臂带约束运动规划时的路径连续性,针对目前的直接插值和连续插值方法潜在的约束失效和路径失效问题,提出渐进式约束扩展的快速搜索随机树算法(PCE-RRT)。该算法在进行搜索树扩展时引入了一种渐进式约束扩展方法,该方法使用带有最近点信息的逆运动学计算策略,可以在保证任务约束的情况下迭代缩短最近点和扩展点的距离,让每一次扩展都能够保证搜索树的约束性和连续性。PCE-RRT可以使最终生成的搜索树很好地贴合于约束流形子空间,且树上任意两个相连节点都能满足连续条件。通过仿真实验对算法进行验证,实验结果表明该算法能够为机械臂带约束运动规划问题提供同时满足约束性和连续性条件的路径解。

石化场站移动机器人RRT算法路径规划方法

广域石化场站环境具有障碍多、路况复杂、高度受限等多重干扰,不利于移动机器人的日常探测及应急救援。为了保证移动机器人在石化场站各种复杂地形下的正常工作,针对当前移动机器人的快速扩展随机树(rapidly-exploring random tree,RRT)算法及RRT*算法和Informed RRT*算法的原理,对比分析了用于移动机器人复杂石化场站环境路径规划的不同特征,并通过Pycharm仿真对比了几种算法各自的优缺点,为其进一步应用提供理论支撑。经仿真对比实验表明,Informed RRT*算法在复杂环境中表现出优越性。

基于多策略融合的改进RRT路径规划算法

针对传统快速扩展随机树(RRT)及其衍生算法在路径规划时生成路径效率较低、无效探索点较多等问题,提出一种多策略融合的改进RRT算法。首先利用启发式选择策略确定最合适的扩展节点,然后结合基于目标偏置的自适应动态步长策略,使随机树始终向目标点区域扩展,最后通过垂距断点预优化的跳点连线策略去除冗余点,生成一条没有较大转折角的最短安全路径。通过不同复杂程度的仿真实验和现实环境实验对该算法进行测试。结果表明,与RRT、RRT*和Bi-RRT*算法相比,本文算法在时间消耗上分别减少了大约80%、50%和60%,在路径节点数上分别减少了大约65%、40%和35%。机器人依据该算法可以高效生成一条无碰撞,仅包含起始点、目标点和非突兀转折点的最优路径。

基于改进RRT算法的电缆敷设算法设计

为提高发电工程电缆敷设效率与准确性,采用快速扩展随机树(RRT)算法来设计电缆敷设算法,设计了电缆通道、敷设搜索树、敷设路径等计算要素的数据结构,结合渐进最优的RRT*算法的“重连”操作来优化电缆路径长度,设定了电缆属性、容积率、电缆弯曲限制等敷设条件。通过通道修剪、迭代约束、终点导向、多点扩展、路径复用等多种方式优化了敷设算法。

船舶三维管路智能布局优化算法

针对船舶在三维环境下管路布局约束多,工程规则难以量化,难以确定合适的优化评价函数等问题,提出一种新的船舶管路自动布局方法。首先,采用轴平行包围盒法(AABB)对船体和船内设备进行简化,将其离散成空间节点并赋予初始信息素和能量值,对空间障碍物进行标记,并对主要的敷管规则给出了具体的量化形式;其次,将快速扩展随机树(RRT)算法和蚁群优化(ACO)算法进行结合,引入方向选择策略、避障策略和变步长策略,提升了算法搜索效率和成功率,通过建立优化评价函数,利用ACO对路径进行循环迭代优化,以期得到满足工程规则的综合最优解;最后,采用计算机模拟的船舱空间布局环境进行管路自动敷设仿真实验,验证了所提方法的有效性和实用性。

基于CRS-RRT算法的无人机航迹规划

针对快速搜索随机树(RRT)算法在航迹规划过程中存在采样点扩展随机性强、航迹曲折不平滑等问题,提出了一种基于约束随机采样点的RRT(Constrained Random Sampling-based RRT,CRS-RRT)算法。该算法引入人工势场法中的引力场势能函数约束随机采样点在目标点附近采样,引导随机树朝着目标点生长,提高算法的规划速度,并结合去除冗余节点策略和Minimum Snap航迹平滑方法,在复杂三维环境中可快速生成一条安全、平滑且满足无人机动力学约束的航迹。仿真结果表明,该算法有效提高航迹规划速度并缩短航迹长度。

基于采样空间约束的改进RRT算法

由于水下环境比陆地环境复杂,在进行机器人水下路径规划时,利用传统算法规划的路径质量较差。为此,提出一种基于采样空间约束的改进快速扩展随机树(RRT)算法。首先,提取边界点,通过凸包算法划定障碍范围;其次,利用膨胀算法对划定的范围做区域膨胀,对采样空间进行约束;最后,通过对随机节点的四个特征进行计算,确定采样点的概率,为采用点的选择提供导向性,缩短因采样空间过大而导致过长寻路时间,提高路径质量。通过在PyCharm环境下的仿真实验对比RRT算法、RRT*算法和改进后的RRT算法,实验结果表明改进的RRT算法各项性能均优于RRT算法和RRT*算法。

基于改进RRT-Connect算法的路径规划研究

传统移动机器人的路径规划算法环境障碍建模复杂且容易陷入局部最小值,而基于采样的快速扩展随机树(RRT)算法通过随机节点快速扩展路径搜索效率低。RRT-Connect算法在RRT算法基础上提升了搜索效率,但存在路径曲折的问题。为此,在RRT-Connect算法基础上通过加入人工势场引导增长方法和目标偏置采样方法,改进算法规划路径的平滑性和速度。为验证改进算法的有效性,与RRT算法、RRT-Connect算法在不同复杂度环境中的执行性能进行比较。仿真实验的结果表明,改进算法在三种不同环境下的路径规划时间和路径规划长度以及标准差稳定性方面均优于其他两种算法。

基于任意时间RRT算法的三维自动布线技术

考虑约束的路径规划是线缆布局设计的重要方面,针对目前三维环境下的布线方法效率低以及对约束考虑不完善的问题,提出一种基于任意时间RRT算法的三维自动布线方法。该方法将任意时间算法与双树吸引快速扩展随机树(RRT)算法相结合,兼顾路径规划的长度约束及搜索效率,实现线缆初始路径的生成,提出了基于障碍物的磁吸算法(OBMA),将初始路径作'贴壁'细化处理完善线缆路径,最后建立了基于Cosserat弹性杆理论的线缆物理模型,计算获得线缆的精确空间姿态,从而完成布局设计。开发了原型系统,通过典型的布线场景对算法性能进行了测试,并利用某产品仪器板布线实例验证了线缆布局设计效果。