改进海洋捕食者算法的机器人路径规划研究

为解决海洋捕食者算法(MPA)收敛速度慢、收敛精度低、易陷入局部最优的问题,提出一种多策略改进海洋捕食者算法(IMPA)。引入Logistic混沌映射初始化种群,增加捕食者种群多样性;基于当前迭代次数t的自适应移动步长动态调整策略,增强算法逃离局部最优的能力;在IMPA迭代后期,加入中垂线算法(MA),基于中垂线策略的游离粒子位置更新方法,能够加快更新捕食者的位置,增强算法的寻优速度和寻优精度,避免算法陷入局部最优。最后通过改变IMPA阶段转换寻优过程,进一步平衡搜索过程,加强全局与局部适应性。选用6个基准测试函数对算法性能进行测试,测试结果显示:IMPA收敛速度更快,收敛精度更高;最后将改进算法应用于移动机器人路径规划,仿真结果表明:该算法规划的路径长度更短,搜索效率更高。

无人机辅助移动边缘计算中信息新鲜度优先的轨迹规划和任务卸载算法设计

无人机辅助移动边缘计算系统在5G/6G通信中有着深远意义。针对6G通信网络中各类通信设备对信息时效性和数据新鲜度的需求,提出一种基于双深度Q网络的信息新鲜度优先的轨迹规划和任务卸载算法。结果表明,所提出的算法相较于基准算法有效降低了平均AoI。

基于Voronoi图和快速行进的移动机器人导航路径规划

移动机器人导航路径规划是机器人的关键技术,其目标是高效、高质量寻找导航和运动规划路径。论文介绍了移动机器人通用控制平台的架构,提出了一种新的全局路径规划器,即采用Voronoi图提取环境中最安全的区域,并将快速行进法应用于由Voronoi图所提取的最安全区域中,从而获得最短的路径。另外,提出了通用机器人导航架构,在对导航架构描述的基础上将机器人导航和环境快速全局规划器相结合,并采用样条规划曲线对机器人的全局路径进行细化插补。该方法将地图尺寸缩小为一维地图,且是移动机器人环境中最安全的区域,这使得移动机器人具有速度快、可靠性强的特点。将提出的方法应用于实际的移动机器人导航路径规划中,结果表明该方法能够成功地完成移动机器人导航路径规划任务。

自主行进成套配电箱可翻转运转车的系统设计研究

自主行进成套配电箱可翻转运转车系统设计的主要目的是实现载有多种硬件模块运转车系统的自动避障测距行进功能,系统具有简单、经济、可靠、智能化的特点,适合应用于配电柜在生产试验场所各小室短距离自动转运,为配电柜生产检测企业频繁流转柜体提供便利。本设计运用了多种传感器测量技术进行避障和测距控制,人工势场法全区域覆盖局部路径规划行进路径,完成道路行进作业的自主实现。成套配电箱可翻转运转车系统硬件电路设计部分包含了控制器子系统、动力和电力子系统、传感探测子系统三部分的方案论证和选择;软件设计部分对于实现系统功能的运转车系统主程序和各个子程序绘制出软件流程图并进行了理论分析。

基于平滑A^＊算法的移动机器人路径规划

栅格环境下A*算法规划出的移动机器人路径存在折线多、转折次数多、累计转折角度大等问题.为获得较优路径,提出平滑A*算法.在A*算法规划的路径基础上,遍历路径中的所有节点,当某一节点前后节点连线上无障碍物时,将延长线路的这一中间节点删除,建立平滑A*模型.仿真结果表明,平滑A*算法优于Ant(蚁群),Anyti me D*算法.平滑A*算法路径长度降低约5%,累计转折次数降低约50%,累计转折角度减少30%～60%.平滑A*算法能处理不同栅格规模下、障碍物随机分布的复杂环境下移动机器人路径规划问题.

动态环境下基于模糊逻辑算法的移动机器人路径规划

基于模糊控制的思想来解决移动机器人路径规划中的避碰问题,以便机器人在动态环境中快速、准确地找到一条无碰撞的路径,最终达到目标点。针对所给动态环境,设计一个模糊控制器;在确定模糊控制器的输入、输出变量以及各自语言值的基础上,根据动态障碍物与机器人运动方向的夹角、碰撞时间、碰撞点在障碍物上的位置等信息,制定相应的模糊控制规则。研究结果表明:本文设计的动态模糊控制器有效。

动态障碍物环境下移动机器人路径规划

以机器人基本避障策略与启发式动态规划法相结合的方法 ,研究了在障碍物轨迹已知的动态环境中机器人的路径规划问题 .根据机器人与单个障碍物可能的碰撞情况 ,分别提出几种避障策略 ,策略内容为子目标和相应的速度 .根据这些策略 ,在机器人当前视窗内 ,将形成一个策略树 .采用启发式动态规划算法 ,依据时间和路径费用最小原则 ,找出一个最优策略集 ,即最优子目标集 .

基于遗传算法的移动机器人的一种路径规划方法

在考虑机器人及障碍物尺寸的条件下,将遗传算法用于针对运动目标的移动机器人动态避障路径规划,采用了两次寻优的办法规划最佳路径,并针对两次的遗传算法操作寻优过程,分别建立了严谨且简洁的适配值函数.仿真实验表明,本文提出的动态避障路径规划方法可实时、稳定地产生移动机器人的最佳规划路径.该方法也可用于智能机器人追踪移动目标的自动导航.

动态和未知环境中基于改进粒子群优化的路径规划

为了提高动态和未知环境中路径规划的能力,提出了一种改进粒子群优化和评估路径优劣程度的适应度函数。先把起始点作为智能体的当前点,如果当前点到目标点的直线路径会发生碰撞,再由改进粒子群优化根据适应度函数循环搜索不会发生碰撞的下一个移动点。适应度函数包括智能体到粒子之间的等效距离和粒子到目标点的等效距离两个部分。当有新的移动障碍物出现时,从智能体当前点起的已搜索到的路径分段判断是否与新的移动障碍物发生碰撞,从发生碰撞的路径开始由改进粒子群优化重新规划路径。仿真测试和比较结果表明,提出的方法在动态和未知环境中有较强的路径预测能力。

无人机编队对地面目标追踪问题研究

针对无人机编队对地面目标追踪问题,利用虚拟结构结合基于行为的控制方法提出了新的分布式无人机编队策略,编队无人机均匀分布在以虚拟或者实体领航者为球心的球面上。由李雅普诺夫向量设计出控制量引导编队对地面目标进行追踪,在有障碍物的环境下通过将障碍物转化为椭圆形的势能场,并通过计算切线向量作为速度方向,得到两种平滑的避障轨迹,并且给出了在无人机编队中的避障轨迹选择策略,仿真实验验证了策略和算法的有效性。

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。

遗传算法在AUV局部路径规划中的应用研究

利用遗传算法(GA)实现AUV(自主水下机器人)对于运动目标的自主避碰,根据前视声纳信息探测到的障碍物距离信息,AUV的运动信息以及航迹规划信息.算法采用了二进制编码规则,并把避碰、航迹跟踪等约束条件作为适应度函数的影响因子,将AUV的下一步的航向和速度作为避碰算法的输出结果.仿真表明,AUV对动目标的自主避碰效果良好、避碰和航迹回归路径平滑.

应用D~* Lite算法的目标移动时无人机三维航迹规划

针对不确定环境下目标移动时的无人飞行器三维航迹规划问题,采用改进的D*Lite搜索算法,设计了一种三维航迹快速规划方法。利用改进的代价评估函数,根据突发威胁和移动目标的实时信息,将航迹规划约束条件和改进的搜索算法相结合,给出了地面目标移动时的无人飞行器三维航迹规划方法。仿真结果表明,该算法不但可以满足实时在线的航迹规划要求,能够有效躲避突发威胁,打击移动目标,还能有效地缩小搜索空间,提高搜索效率及寻优能力,能较好地解决不确定环境下目标移动时的航迹规划问题。

动态复杂环境下的机器人路径规划蚂蚁预测算法

研究了一种新颖的动态复杂不确定环境下的机器人路径规划方法和动态避障码蚁预测算法.该方法模拟蚂蚁的觅食行为,由多组蚂蚁采用最近邻居搜索策略和趋近导向函数相互协作完成全局最优路径的搜索.在此基础上用虚拟蚂蚁完成与动态障碍物碰撞的预测,并用蚁群算法进行避障局部规划.理论和仿真实验结果均表明,即使在障碍物非常复杂的地理环境,用文中算法也能迅速规划出优化路径,且能安全避碰.

基于动态目标位置的车辆弯道保持控制仿真

智能交通领域中,车辆的横向控制技术是智能车辆控制的关键技术.基于动态目标位置,提出车辆弯道保持的控制算法.利用三次曲线对车辆行驶路径进行规划,使用理想数据训练基于T-S模糊神经网络的控制器,进行计算机仿真.结果表明,该控制算法能够实现对车辆转向的平稳操作,较理想地实现了对车辆弯道保持的控制,合理地模拟了车辆实际转弯过程中的运动特性.

应用几何理论的智能机器人路径规划仿真

路径规划是智能机器人导航的基本环节之一,具有复杂性、随机性等特点。研究应用于医疗服务系统的智能机器人,对于机器人工作环境最大的特征就是周围物体运动的复杂性和随机性。充分考虑了运动障碍物的随机性,研究了随机运动障碍物的位置分布规律,并结合其具有惯性的特点和导航需求,提出了一种应用几何理论对智能机器人运动路线进行逐步判别的"直线-切线-垂线"路径规划方法。经计算机仿真表明,方法是一种正确、高效、实用的算法,对研究智能机器人绕过随机运动障碍具有一定的参考价值。

基于S7-1200PLC和时域分析的工业机器人移动轨迹最优化规划方法

受到规划算法的影响,导致工业机器人协同规划过程的平均求解耗时较高。因此,提出基于S7-1200PLC和时域分析的工业机器人移动轨迹最优化规划方法。针对工业机器人的实际工作环境,提取轨迹规划约束条件,并依托于S7-1200PLC,设计轨迹跟踪控制器,参数化预测时域内的工业机器人移动轨迹控制增量,建立滚动时域轨迹规划算法,结合滚动规划框架,得到最优的工业机器人移动轨迹最优化规划序列。实验结果表明:所提出的最优化规划方法协同规划求解耗时,相比其他两种方法,分别降低了51.52%和60.25%。

智能机器人综合路径规划算法在Matlab中的实现

在充分考虑了运动障碍物随机性的基础上,研究了随机运动障碍物的位置分布规律,并结合随机运动障碍物具有惯性的特点,提出了对机器人运动路线进行逐步判别的一种综合路径规划方法。仿真结果表明,该算法正确、高效、实用,对机器人绕过随机运动障碍物具有一定的参考价值。

地面移动目标被动探测最优路径规划

提出了一种机载传感器对地面移动目标被动测量的最优路径规划方法。该方法考虑目标状态估计精度,采用扩展卡尔曼滤波算法进行传感器量测信息滤波,进而实时计算传感器目标探测跟踪的信息矩阵。在此基础上,考虑目标被动探测的环境及飞行器性能约束,以目标信息阵等为指标,进行被动探测最优路径规划,实现地面移动目标探测。最后,进行了该被动探测最优路径规划算法的仿真研究。研究结果表明,所提出的被动探测最优路径规划算法能够快速、有效地完成最优被动探测路径的规划计算。