融合B样条与改进APF的路径规划算法研究

人工势场法(APF)广泛运用在农业车辆路径规划中,但应用中存在易陷入局部最优、避障路径不连续、超出道路边界等方面的问题。为解决上述问题,提出一种基于B样条与改进APF融合算法。针对果园等非结构化道路条件对斥力场函数进行设计,在改进的APF算法中融入B样条优化算法模块进行局部路径优化。仿真实验表明:B样条-改进APF算法可以有效地解决相关问题,在复杂道路下规划的避障路径最大曲率与平均曲率为0.2302、0.0652 m^(-1),比较其他改进的APF算法,分别降低58.64%、33.47%,曲率连续满足无人车辆动力学约束;此外运算时间为6.982 ms,具有一定的规划实时性。

2种典型AUV编队控制算法比较与局部优化研究

本文研究分析了基于领航者-跟随者的编队控制方法和基于路径跟随的编队控制方法等2种常用的AUV编队控制方法异同点。针对2种方法在路径点切换时航向变化较大的共性问题,提出采用B样条曲线对规划航路做在线的局部B样条拟合优化,对路径切换点处领航AUV的控制航向角作适度平滑处理。通过数值仿真验证了该方法可改善路径切换时,基于领航者-跟随者的编队控制中的跟随AUV目标跟踪位置变化速度和曲率,削弱了跟随AUV的点跟随难度;同时在路径跟随的编队控制中,利用B样条基函数自变量作为在切换点附近路径的同步控制参数的一部分,可提高切换点附近路径上编队的同步速度。

基于动态启发的双向搜索A^(*)路径规划算法

针对传统路径规划A^(*)算法搜索速度慢,且所得路径转角过大的问题,提出了一种基于双向搜索的A^(*)路径规划算法。首先调整A^(*)搜索算法的整体搜索方向为双向搜索,初步提升搜索速度;其次,在规划过程中引入动态权重系数来调节启发式函数,通过平衡路径长短与规划速度之间的关系,进一步提高搜索速度;最后采用B样条曲线对所规划的路径进行平滑优化,解决A^(*)算法规划路径转角过多无法满足移动机器人实际运动控制的问题。仿真实验结果表明,相比传统的A^(*)算法,该算法在搜索节点和规划时间方面分别平均减少79.24%和62.56%。

多种方法的工业机器人轨迹规划与仿真

针对工业机器人运动过程中产生的冲击振动现象,提出采用多种方法进行运动轨迹规划。通过关节角度、角速度和角加速度随时间变化曲线来反映轨迹变化规律。基于HA006型机器人D-H参数建立MATLAB模型,针对空间轨迹规划问题采用三次、五次多项式插值、3-5-3混合多项式插值方法以及B样条插值优化五次多项式插值函数轨迹的新方法。结果表明,加速度曲线直接影响了运动过程中力的突变;B样条插值优化的轨迹在MATLAB软件中的仿真输出结果更加平滑,较好地消除了力的突变现象,能有效提高机器人运动质量和使用寿命,并为后续关节控制研究工作奠定基础。