复杂环境下DWA与RRT算法融合的AUV局部路径规划

针对复杂水下环境下的自主水下航行器(autonomous underwater vehicle,AUV)局部路径规划问题,传统动态窗口法(dynamic window approach,DWA)存在复杂障碍物中陷入局部停滞,动态避障性能不佳等问题,本文提出了一种基于DWA与快速随机搜索树(rapid-exploration random tree,RRT)算法融合的路径规划算法。改进的DWA算法速度空间根据整个动态窗口的周期生成,重设了评价函数并结合AUV任务环境引入洋流能耗评价函数;改进的RRT算法在局部已知空间内规划导引点,帮助DWA脱离局部停滞状态并实现更安全的动态避障。将2种算法融合,实现了AUV在复杂水下环境中的局部路径规划。仿真表明,该融合算法能够降低AUV在洋流中的能耗代价,解决了DWA在复杂障碍物中陷入局部停滞的问题,能够安全有效地躲避动态避障物。

改进RRT-Connect与DWA算法的巡检机器人路径规划研究

针对传统RRT-Connect算法在密集复杂环境中路径规划效率低、动态避障效果差等问题,提出一种改进RRT-Connect与DWA融合算法。该算法通过改进采样策略、动态步长优化和碰撞检测引导随机树生长;在随机树中采用贪心策略和角度约束优化路径。基于巡检机器人建立运动学模型,通过速度采样空间生成轨迹簇;建立模糊逻辑系统自适应调整DWA算法评价函数的权重系数,将全局最优路径点融入DWA算法中实现全局最优路径和实时避障。仿真结果表明,在油气站场密集复杂环境中,改进RRT-Connect算法较传统算法路径缩短约27.09%,平滑度提高约84.6%,碰撞距离提高约18.75%;改进融合算法路径减少约2.97%,平滑度提高约78.8%,碰撞距离提高约30.6%,验证了提出算法的有效性。

基于改进DWA的四轮差速移动底盘模型算法研究

针对四轮差速移动底盘在路径规划中遇到的局部最优问题以及目标不可达到的问题,提出了一种改进的动态窗口法(dynamic window approach,DWA)。在传统DWA算法的基础上对评价函数进行了改进,针对局部最优问题,引入预碰撞评价函数,能够使移动底盘在移动过程中提前避开位于移动底盘和目标点之间的障碍物以及凹型障碍物;针对目标不可达问题,改进航向评价函数的权重系数,将航向角评价函数权重系数设为随移动底盘与目标距离减小而增大的权重函数,能够有效解决目标不可达问题。改进后的DWA算法可通过新的评价函数规划出更为合理高效的移动路径。通过对改进DWA算法进行MATLAB仿真实验验证表明,改进后的DWA算法具有良好的效果,保证了四轮差速移动底盘良好的避障性能。

融合RRT^(*)与DWA算法的移动机器人动态路径规划

为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。

改进A^(*)与ROA-DWA融合的机器人路径规划

为了解决机器人路径规划中传统A^(*)算法和动态窗口法(DWA)存在的遍历节点较多、冗余点较多以及路径不平滑,缺乏全局引导,易陷入局部最优以及安全性低等问题,提出融合改进A^(*)算法和随机避障动态窗口法(ROA-DWA)的路径规划算法.该算法通过启发式函数的权重调整、Floyd算法、冗余点删除策略、静态和动态障碍物分类处理和速度自适应因子等方式来提高搜索效率,减少路径长度和拐点数量,将已知障碍物对路径的影响最小化,大幅提高动态避障效率,使得机器人在平稳到达目标点的同时还提升了机器人的安全性,更好地适应复杂的动态和静态环境.实验结果表明,该算法具有较好的全局最优性和局部避障能力,在大型地图中展现出更好的优势.

基于改进A^(*)-DWA算法的移动机器人路径规划

为在能量有限或补给不足的情况下,降低移动机器人的能耗,提高在动态环境下给定任务的完成率,提出一种改进A*算法与动态窗口法相融合的路径规划方法。首先,考虑地面坡度、摩擦等因素,构建机器人能耗模型,提出基于能耗成本的路径搜索新准则。其次,针对路径冗余、多转折造成能量损耗的问题,提出基于动态基准转折惩罚、三角剪枝与弦定弧过渡法相结合的路径优化方法,保证全局路径能耗最优。接着,针对动态窗口法狭窄环境下灵活性差的问题,融合改进A*和动态窗口法并提出航向角自调整策略,增强动态避障能力。最后,设计了全局节能路径偏离评价与能耗评价子函数用于局部节能路径的规划。仿真结果表明,所提方法在能耗、平滑性和动态避障等方面有明显的提升,在复杂、狭窄的场景中应用更具优越性。

融合A^(*)与DWA算法的水面船艇动态路径规划

为解决水面船艇路径规划同时要求全局最优、实时避障和航迹安全可靠的问题,提出了一种基于融合A^(*)算法与动态窗口算法(DWA)的水面船艇路径规划方法。首先通过引入启发函数动态加权策略,提高A^(*)算法的搜索效率;然后综合考虑水面船艇的运动特性,采用一种路径转角节点角度削弱策略,减少转角,缩短全局路径长度;最后,基于全局因素影响与航迹安全约束对DWA算法的轨迹评价函数进行改进,并以全局路径提供子目标点引导DWA算法进行局部规划的方式完成算法融合。实验结果表明,融合算法相比于现有算法的总转向角度分别减少了45.6%、46.0%,验证了融合算法的有效性与可行性,并且相较于其他传统算法更具优越性。

融合改进A^(*)算法和DWA算法的全局动态路径规划

针对常规A^(*)算法存在的路径规划中冗余节点过多、拐点过多、规划路径与障碍间的距离过短、容易产生碰撞等问题,提出了一种将改进A^(*)算法与动态窗口法相结合的新方法。该算法通过对栅格地图中的障碍栅格进行量化处理,提取环境信息,并根据这些信息对A*算法的启发函数和子节点选择策略进行调整。此外,为了优化路径的平滑度和安全性,设计了一种路径节点平滑处理算法。仿真实验结果表明,融合动态窗口法的融合算法不仅能够保证所规划路径的全局最优性,而且能够有效地避开随机障碍物。

基于改进DWA的动态环境路径规划算法

在涉及机器人自主运动和目标跟踪等场景中,动态障碍物的存在可能会对实时规划产生威胁。因此,生成一条安全路径以确保机器不会与动态障碍物发生碰撞显得至关重要。为此,提出一种改进的动态窗口法(dynamic window approach,DWA),其基于参考速度障碍物(velocity obstacle,VO)的思想,通过考虑障碍物的速度计算基于障碍物的危险区域,进行DWA节点选择排除不可行的路径,并且通过引入人工势场法作为评价函数选择最佳节点以避免与动态障碍物发生碰撞且能够快速到达期望目标点。结果表明:相对于传统的DWA算法,本文提出的DWA-VO算法在动态环境中相对于传统的DWA算法具有更高的成功率和更好的规划质量。

基于IFGM-IDWA融合算法的智能小车路径规划

针对动态窗口法在动态障碍物环境下避障效果差、路径非最优等问题,将改进间隙跟踪法(improved follow the gap method,IFGM)与改进动态窗口法(improved dynamic window approach,IDWA)进行融合。改进间隙跟踪法的效用函数考虑障碍物间的间隙大小和智能小车与目标坐标的夹角来寻找可行间隙及合理的航向角;在DWA原有评价函数中引入动态避障函数,使智能小车在面对多个动态障碍物时能灵敏地控制速度,以达到敏捷避障目的。实验结果表明:与传统DWA算法相比,IFGM-IDWA融合算法减少了15%~25%的碰撞率,能够更加灵活地控制智能小车的平移速度和旋转速度,更加有效地保证智能小车运动过程中的安全性,且减少了时间消耗,提高了运动效率。

改进A^(*)和DWA的机器人路径规划研究

针对复杂环境中移动机器人路径规划效率低、环境适应能力差等问题,提出一种融合改进A*算法和动态窗口法(DWA)的路径规划算法。首先,在全局规划中采用自适应参数因子和安全半径路径优劣评价函数对冗余节点进行优化,提取关键节点,再使用圆弧处理法对已规划路径进行平滑度优化;然后,采用改进安全距离评价子函数的动态窗口法进行局部规划,提升了移动机器人的避障性能;最后,对融合算法进行仿真和实物实验。结果表明:改进的A^(*)算法在路径长度和转折角度方面均得到优化;融合改进动态窗口法后,移动机器人在复杂环境中能够找到最短无障碍路径,实时避开未知障碍,安全到达目标点位,验证了该算法的有效性和实用性。

改进A^(*)与DWA的室内服务机器人路径规划研究

鉴于全局规划无法规避动态障碍以及局部规划可能陷入局部最优的缺陷,提出一种基于服务机器人的改进A^(*)与DWA(dynamic window approach)融合的路径规划算法。针对传统A^(*)算法搜索速度较慢的缺陷,优化了评估函数;根据差速机器人运动模型,对搜索邻域进行了优化;针对传统A^(*)算法路径折线线段多等缺陷,引入新的避障策略,对路径进行折线优化以及曲线平滑;针对全局与局部规划的缺陷,融合改进A^(*)算法与DWA算法,根据全局路径关键节点分段应用动态规划算法,确保机器人能够实时避障。仿真实验证明,改进A^(*)算法的性能更好,其中关键节点减少了75%,转折次数减少了80%,路径长度减少了5.9%,搜索时间减少了46%。融合算法相较于单一的静态算法,能够通过随机障碍物,顺利到达终点。

基于改进DWA和人工势场法的编队控制研究

针对动态窗口法(DWA)在多机器人编队控制中缺乏个体间避碰策略,以及编队成员间的相互作用导致无法有效到达目标点等问题,提出了一种融合改进的DWA和人工势场法的编队控制算法。通过三项关键改进来增强编队控制能力:首先,融合人工势场法实现个体间有效的避碰;其次,在滑动窗口设计引入转向约束规则,增强机器人朝目标导航和未知环境下的全局搜索能力;最后重构评价函数,实现在远距离时优先考虑目标导航,在近距离时强化探索能力。实验表明改进后的DWA提高了多机器人体编队控制的效果和避碰性能,提升了机器人的导航效率及其在复杂环境下的避障和避碰性能。

多场景下基于IGJO⁃DWA算法的机器人路径规划

为解决传统算法在多场景下存在的搜索效率低、适应力差、动态性不足等问题,提出一种融合改进金豺优化算法(IGJO)和动态窗口法(DWA)的路径规划方法。首先,在GJO算法局部寻优阶段,引入自适应权重策略,从而防止算法陷入局部最优。同时,采用逐维逆向学习机制,解决多维优化过程中各维之间的相互干扰以及全局和局部搜索不平衡问题。其次,在DWA算法中引入一种速度动态调整策略,并对其评价函数进行优化,从而提升路径的安全性。仿真结果表明:在多种不同场景下,IGJO⁃DWA算法在路径长度、规划成功率、行驶时长等方面均优于其他算法。实验结果表明:IGJO⁃DWA算法能够帮助机器人成功绕过各类型障碍物,确保机器人安全到达目的地,验证了算法的有效性。

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法(DWA,Dynamic Window Approach)的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。

基于改进A^(*)算法和DWA融合的机器人路径规划研究

传统的A^(*)算法存在未考虑移动机器人实际行驶时间,路径规划转折点多,且无法处理复杂环境中出现随机障碍物等问题。针对上述问题,提出了一种将移动机器人行驶时间作为代价且能根据障碍物信息调整启发函数权重的改进A^(*)算法,有效地减少了路径规划时的转弯次数和转弯角度。使用Floyd算法进一步进行优化,删除冗余转折点,减少转弯次数以及提升路径的平滑度。改进后的A^(*)算法规划的路径相较于传统A^(*)算法平均转弯次数减少49.0%,转弯角度减少50.8%,路径长度减少1.7%。融合DWA算法后,能够在改进A^(*)算法规划的全局路径基础上进行局部路径修正,实现动态避障,最后经过仿真验证了算法的可行性和有效性。

基于AP-DWA优化的无人机动态避障航迹规划

针对传统动态窗口法在无人机航迹规划中存在无人机绕飞障碍物较远,只针对静态障碍物等问题,提出一种结合人工势场的优化动态窗口法。通过对障碍物坐标进行与时间相关的参数化,以实现动态障碍物的构建。根据人工势场法构造环境势场,并以仿真航迹末段势场值替换传统动态窗口法中的障碍物距离评价指标,避免无人机远距离绕飞障碍物。根据障碍物移动速度计算障碍物动能,将障碍物动能转化为障碍物移动方向上斥力势场,避免无人机与动态障碍物冲突。通过不同环境下的航迹规划实验表明,在静态环境下,所提算法缩短了航迹长度,提高了航迹经济性;在动态环境下,方法可以有效进行动态障碍物的避障,航迹可操作性高。

耦合改进JPS与DWA的无人机航迹规划

针对无人机传统的航迹规划方法存在求解效率低、适用范围窄的问题,提出一种考虑全局和局部规划相耦合的航迹规划方法。首先,提出几何航迹碰撞检测法以改进跳点搜索(JPS)算法,提升无人机在全局环境中航迹规划能力;其次,提出一种耦合策略的航迹规划框架,通过将无人机全局航迹信息与动态窗口局部航迹信息进行耦合,扩展动态窗口法的评价子函数,确保无人机在动态环境中具备灵活的避障能力;最后,通过仿真实验论证了所提改进JPS算法在全局搜索时间、航迹距离和航迹转折点数目等方面较现有方法的优势,验证了耦合算法在动态环境中的稳定避障能力。

基于改进DWA算法的足球机器人局部轨迹规划

针对足球机器人处于封闭式环境中,动态窗口法(dynamic window approach,DWA)极易陷入局部极小值以及动态干扰下,算法输出速度曲线震荡严重等问题,提出了一种基于辐射值计算的改进DWA算法,首先对子评价函数进行修正,进一步提高评价模型的合理性;其次通过提出辐射值计算,为算法添加新的评价维度并引入局部极小值检测方法;接着,建立并求解多目标优化问题实现对权重系数的动态调整;最后通过控制点姿态校正来提高对全局路径的跟随效率。实验结果表明,改进算法能够进行更加合理的规划,输出更加稳定的速度曲线,同时不易陷入局部极小值并且能够顺利逃离封闭障碍区域,并满足足球机器人的实时比赛需求。

改进A^(*)和DWA算法的果园喷雾机器人路径规划

在果园喷雾机器人的运行过程中,路径规划作为果园喷雾机器人的核心问题,存在着规划出的路径平滑度低、算法搜索效率低以及靠近障碍物等问题。针对果园喷雾机器人在复杂果园环境中实时躲避动态障碍物并规划出较优的全局作业路径问题,提出了一种改进A^(*)算法和动态窗口法(dynamic window approach,DWA)的果园喷雾机器人路径规划算法。优化A^(*)算法的启发函数,使该算法能够规划出一条位于果树行间中心线的路径;通过对栅格地图中加入多个引导点,引导A^(*)算法完成果园的初步全局路径规划;结合DWA算法对初步全局路径进行追踪并实时躲避动态障碍物,完成果园喷雾机器人的全局路径规划。使用MATLAB进行仿真验证,实验结果表明,改进后的算法在躲避障碍物的同时规划出现果园行间中心线路径,路径平滑较优,能够满足果园喷雾机器人在复杂环境中作业需求。