基于椭圆碰撞锥的无人艇动态避障方法

为了提高无人艇在海洋动态避障中的效率,提出一种基于椭圆聚类-碰撞锥推演的可预测型无人艇海洋动态避障控制方法。在现有的路径规划算法,大多数对障碍物进行圆形建模,进一步采取规避措施。依据无人艇在海洋环境下实际的碰撞问题,提出对动态船只进行椭圆聚类,进一步提高无人艇的避障效率。提出的避障算法结合了《国际海上避碰规则》(COLREGS),并在避障结束后回归到初始规划轨迹上,最后,对提出的动态避障算法进行了仿真分析和实验测试。

基于碰撞锥改进人工势场的无人机避障路径规划

针对人工势场法在进行无人机航迹规划时易陷入局部最优、在狭窄通道中存在抖动现象等问题,提出一种基于碰撞锥改进势场法的无人机避障路径规划算法。利用碰撞锥碰撞检测条件设计障碍物斥力势场判定系数,以排除由无关障碍物势场产生的不利影响。根据障碍物类型威胁度和无人机与障碍物间相对状态威胁度,设计模糊斥力增益调节系数来解决人工势场易陷入局部最优的问题。同时,为防止势场变化和通过狭窄通道时引发的抖动现象,设计抖动抑制调节系数并给出抖动情况下的航迹点规划方法。在此基础上,基于碰撞锥改进人工势场函数设计一种无人机避障路径规划算法。实验结果表明,相对人工势场避障算法,该算法能够解决算法易陷入局部最优和存在的抖动问题,且在规避动态障碍物时取得了较好效果。

碰撞锥检测改进的多智能体避障算法

避障是多智能体能够适应复杂环境并顺利完成任务的必要条件之一。为使多智能体更快通过障碍物并达到一致,提出了一种多智能体避障控制算法。算法引入了避障系数,该系数由基于角度比较的碰撞锥检测方法来确定,并通过牵制控制输入完成多智能体的避障。证明了在该算法作用下所有智能体最终会避开障碍,避免碰撞并最终达到一致。通过实验仿真分析和对比,该方法能够使得多智能体更快避开障碍物。

LS-DYNA与ABAQUS模拟锥体-平整冰碰撞问题的比较分析

基于黏聚单元有限元方法,采用两款软件对平整冰与锥体碰撞进行数值模拟,并将两款软件计算得到的平整冰断裂模式及产生的冰载荷进行比较.在此基础上,将数值模拟结果与实测结果进行对比,并利用两款软件共同研究碰撞速度对于冰载荷的影响.结果表明:采用两款软件计算获得的平整冰断裂模式比较接近,且在时域与频域方面均与实测结果吻合良好;采用LS-DYNA的计算效率高于ABAQUS.采用两款软件共同研究碰撞速度对于冰载荷的影响.

考虑初始缺陷的平整冰-锥体结构碰撞数值模拟

基于非线性有限元数值方法,对含初始缺陷的平整冰与锥体结构碰撞场景进行了模拟。将标记为初始缺陷的实体冰单元从平整冰模型中删除,并将黏聚单元插入到实体冰单元之间。在实尺度下对平整冰与锥体碰撞场景进行了数值模拟,分析了平整冰的断裂破坏模式并预报了锥体所受冰载荷,并将数值模拟结果与不考虑初始缺陷的数值模拟结果进行了比较。分别分析了初始缺陷分布位置和含量对锥体所受冰载荷的影响。结果表明,初始缺陷对于平整冰的断裂破坏模式和冰载荷均有重要的影响。

基于DPPO的移动采摘机器人避障路径规划及仿真

针对移动采摘机器人在野外作业过程中面临随机多变的复杂路径环境难以自主决策的难题,提出一种基于深度强化学习的自主避障路径规划方法。设定状态空间和动作空间,借助人工势场法设计奖励函数的思想,提出了一种基于碰撞锥避碰检测的障碍物惩罚系数设定方法,提高自主避碰能力。构建了虚拟仿真系统,使用分布式近端策略优化算法(distributed proximal policy optimization,DPPO)完成了移动采摘机器人的学习训练并进行实验验证。仿真结果表明:本系统能够快速、稳定的控制虚拟移动采摘机器人自主避障,获得更优的作业路径,为采摘机器人自主导航提供理论与技术支撑。

复杂动态环境下基于A*的改进DWA算法研究

针对传统DWA算法在复杂动态环境中容易陷入局部最优和动态避障性差等问题,提出一种基于A*的改进DWA算法。首先在DWA算法中引入碰撞锥对静、动障碍物进行避障检测,并通过速度窗口剔除掉具有碰撞威胁的速度来优化约束空间。其次根据静、动障碍物信息改进评价函数,提高DWA算法的轨迹评估能力。最后将改进的DWA算法与A*算法相融合,解决DWA算法在复杂环境中容易陷入局部最优的问题。仿真结果显示,相比于其他同类型算法,该算法在行进速度和安全距离方面均可提高50%以上,不但可以使机器人按照全局最优路径行进,而且有效提高了机器人在复杂动态环境的避障能力。

高速水面无人艇动态障碍物危险规避算法

水面无人艇(USV)是一种重要的海洋自主机器人,在障碍物环境中自主航行问题是当前USV的重要研究内容。针对高速USV在动态环境中的危险规避问题,提出一种基于行为的动态危险规避算法。算法首先对USV的运动特性进行分析获得基本运动空间,采用碰撞锥理论对USV与障碍物之间的情况进行判定,将海事规则约束和碰撞约束转换为USV基于行为的约束,通过求解基于偏航角度和速度的优化问题获得USV最优规避行为。仿真实验结果证明所提出的算法能够有效引导USV在高速(30 kn)情况下对动态障碍物实现有效危险规避。

结构化道路智能车辆换道轨迹规划

针对结构化道路的智能车辆自主换道轨迹规划,提出碰撞锥模型与鲸鱼优化算法相结合的轨迹规划方法。以换道车辆安全性和稳定性评价指标为优化目标,建立优化函数与约束条件,通过鲸鱼优化算法获得最优换道轨迹。结合模型预测控制方法,运用MATLAB/Simulink与CarSim进行算法验证。实验结果表明:文中方法实时性较强,在不同车速和转向轨迹下能够实现安全稳定换道。

基于未知环境碰撞冲突预测的群机器人多目标搜索研究

群机器人在未知动态环境下进行多目标搜索时,存在碰撞预测和搜索效率不高等问题。提出了一种碰撞几何锥和改进惯性权重的粒子群优化算法相结合的多目标搜索策略。首先,根据静、动态威胁物的不同分别引入碰撞锥(CC)和速度障碍法(VO),提出了简化复杂障碍物的膨胀几何法(SG)和一种改进CC和VO的碰撞几何锥模型(CGC);有效解决了复杂不规则威胁物的避碰预测问题,并根据CGC模型作出威胁评估报告以确定最优避障方向。其次,提出一种改进惯性权重的粒子群优化算法(IWPSO),提高了搜索效率同时有效解决了粒子群优化算法易陷入局部最优的问题。最后,将两种改进的方法(CGC-IWPSO)相结合以实现群机器人的多目标任务搜索,相比于简化虚拟受力(SVF)、自适应机器人蝙蝠算法(ARBR)、具有运动学约束的粒子群算法(KCPSO),本文方法在搜索时耗、能耗以及避障次数上分别至少减少了15.59%、 10.14%、 14.12%。