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.

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。

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。

未知环境下A*算法融合DWA算法路径规划技术研究

路径规划作为机器人技术研究领域的一项关键技术,近年来被广泛应用于智能物流、智能家居、海上搜救、巡航等领域。一个具备优秀路径规划能力的机器人不仅能够在充满障碍的环境中快速规划出一条安全且平滑的路径,还能保证这条路径在某项评价指标上达到最优。以移动机器人作为应用载体,针对A*算法在静态障碍环境中的全局路径规划问题与动态窗口法在动态障碍环境中的局部路径规划问题进行了深入研究分析,并对这两种算法进行了相对应的改进、融合及通过Python环境下的仿真测试,测试结果验证使这两种算法的优势得到互补,解决了单一算法一直无法解决的实时避障能力差与全局搜索能力差的问题。

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。

基于改进DWA的无人机实时路径规划研究

针对传统路径规划方法存在着过多依赖环境先验信息、算法路径规划实时性不强、难以适应复杂障碍环境等方面的不足,提出基于电势能理论的改进动态窗口法(DWA),扩展轨迹评价子函数空间。首先,改进设计预测轨迹选择函数来引导跳出局部最优,脱离凹型障碍环境;同时,设计速度评价函数权重动态调整机制,增强穿越密集障碍区域能力;最后,增加设计目标导航函数,提升算法趋向目标点的引导能力。仿真实验表明,改进算法可以有效克服传统DWA算法易陷入局部最优和无法有效应对复杂障碍环境等问题,更好地提升算法的路径规划能力和实时性。

城市环境下基于A*算法和DWA算法的无人机路径规划方法研究

为解决城市环境下无人机在全局最优路径的基础上实现动态避障的路径规划需求,提出一种将改进A*算法和动态窗口算法(DWA)结合的算法。首先,利用无人机的起点和目标点构成一个二维平面与建筑障碍物的高度关系进行坐标转化,将三维城市地图转换成二维平面地图,改善路径规划过程中耗时长和计算速度慢的问题。其次,针对传统A*算法得到的路径存在过多的转角、不利于无人机飞行的问题,利用弗洛伊德(Floyd)法对全局路径进行平滑处理。最后,提取平滑处理后的路径父节点作为DWA算法的中间目标点,实现局部规划。实验结果表明,在不同类型的环境下,提出的融合算法既能保证更平滑和距离更短的全局最优路径,又能有效地躲避环境中出现的动态障碍物。

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融合的移动机器人导航算法

针对在移动机器人导航过程中,单一使用A^(*)算法或DWA(Dynamic Window Approach)算法无法兼具全局路径最优与实时避障的问题,提出一种基于改进A^(*)与DWA相融合的移动机器人导航算法.首先,在改进A^(*)算法中,引入环境信息自适应调整代价函数,提高搜索效率;并利用一种关键点选取策略剔除冗余点,保留必要的路径节点,从而规划出只具有关键点的全局路径.然后,在全局路径的基础上,构造结合关键点信息的DWA算法评价函数,进而应用DWA算法以关键点作为中间目标点规划局部路径,提高路径平滑性,实现全局路径最优以及实时避障功能.最后,通过仿真实验和真实环境实验的联合论证,验证了所提出导航算法的有效性和可行性.

改进DWA算法的移动机器人避障研究

针对传统动态窗口法(DWA)在稠密障碍物区域存在最优路径难以选取及生成路径不平滑等问题,提出了一种改进的DWA移动机器人避障算法。基于微分流形切向量选取与障碍物不相交的机器人预轨迹,引入障碍物数量因子与方向角变化因子来改进评价函数,提高机器人在障碍物密集区域运行的安全性,使用改进后的评价函数对选取的轨迹进行评价,进而确定最优轨迹对应的速度。通过多组仿真实验对比表明:改进的DWA算法在障碍物密集区域能规划出更合理、平滑的运行路径,在保证了机器人安全性的同时还具有更好的避障效果。

融合改进RRT和DWA算法的移动机器人路径规划

针对传统局部路径规划存在非全局最优、易陷入困境、导航效率低等问题,这里提出了一种将改进RRT(RapidlyExploring Random Trees)算法和动态窗口法融合的算法。首先优化基本RRT算法的采样策略,使用三次贝塞尔曲线平滑所生成的全局路径。然后改进DWA(Dynamic Window Approach)算法的轨迹评价函数,构造路径最优的目标函数,以保证路径规划最优,从而提高移动机器人的避障性能。最后使用ROS(Robot Operating System)平台进行仿真验证,实验结果表明,与A^(*)-DWA和Dijkstra-DWA相比,所提出算法在复杂环境下路径长度更短、路径质量更优,行进时间明显减少,移动机器人的平均速度较A^(*)-DWA算法提高了约16.8%,证明了算法的有效性和实用性。

基于改进Q-learning算法和DWA的路径规划

针对传统Q-learning算法出现的规划路线转折点多,探索效率低,以及无法实现动态环境下的路径规划问题,提出一种基于改进Q-learning算法和动态窗口法(DWA)的融合算法。首先,改变传统Q-learning算法的搜索方式,由原先的8方向变成16方向;利用模拟退火算法对Q-learning进行迭代优化;通过路径节点优化算法进行节点简化,提高路径平滑度。然后,提取改进Q-learning算法规划路径的节点,将其作为DWA算法的临时目标,前进过程中,能够实时躲避环境中出现的动静态障碍物。最终实验结果表明:融合算法具有较好的路径规划能力,实现了全局最优和有效避障的效果。

基于双层模糊推理和改进DWA的多机器人路径规划

针对未知复杂环境下,现有多机器人系统路径规划方法存在难以处理好可达性、安全性等性能指标与求解时间之间平衡的问题,提出一种基于双层模糊推理的改进DWA(Dynamic Window Approach)算法。首先,利用线速度模糊控制器以及转向角模糊控制器输出基础位姿,保障机器人寻路过程的灵活性和安全性;然后,对传统DWA算法的障碍物距离评价函数进行改进,纳入偏离危险区评价函数,实现多机器人避碰;通过扩展评价函数和权值参数,改善鲁棒性和全局性能;最后,融合双层模糊推理与改进的DWA算法,即利用双层模糊控制确定大致的速度和方向,在此基础上采用改进DWA算法输出精确速度和转向角。仿真实验表明改进算法生成的轨迹更平滑,并且可提高多机器人路径规划的运行效率和安全性。

Nonlinear dynamics in Divisia monetary aggregates:an application of recurrence quantification analysis

We construct recurrence plots(RPs)and conduct recurrence quantification analysis(RQA)to investigate the dynamic properties of the new Center for Financial Stability(CFS)Divisia monetary aggregates for the United States.In this study,we use the lat-est vintage of Divisia aggregates,maintained within CFS.We use monthly data,from January 1967 to December 2020,which is a sample period that includes the extreme economic events of the 2007–2009 global financial crisis.We then make comparisons between narrow and broad Divisia money measures and find evidence of a nonlinear but reserved possible chaotic explanation of their origin.The application of RPs to broad Divisia monetary aggregates encompasses an additional drift structure around the global financial crisis in 2008.Applying the moving window RQA to the growth rates of narrow and broad Divisia monetary aggregates,we identify periods of changes in data-generating processes and associate such changes to monetary policy regimes and financial innovations that occurred during those times.