Dynamic path planning strategy based on improved RRT^(*)algorithm

In order to solve the problem of path planning of mobile robots in a dynamic environment,an improved rapidly-exploring random tree^(*)(RRT^(*))algorithm is proposed in this paper.First,the target bias sampling is introduced to reduce the randomness of the RRT^(*)algorithm,and then the initial path planning is carried out in a static environment.Secondly,apply the path in a dynamic environment,and use the initially planned path as the path cache.When a new obstacle appears in the path,the invalid path is clipped and the path is replanned.At this time,there is a certain probability to select the point in the path cache as the new node,so that the new path maintains the trend of the original path to a greater extent.Finally,MATLAB is used to carry out simulation experiments for the initial planning and replanning algorithms,respectively.More specifically,compared with the original RRT^(*)algorithm,the simulation results show that the number of nodes used by the new improved algorithm is reduced by 43.19%on average.

目标区域引导的RRT^(*)机械臂路径规划算法

针对传统RRT^(*)算法在机械臂路径规划的过程中存在规划效率低、路径质量不佳、机械臂位姿不当等问题,提出一种目标区域引导的RRT^(*)机械臂路径规划算法(TA-RRT^(*))。在传统RRT^(*)算法基础上,引入目标偏向策略并使用球形子集约束采样,缩小采样范围并使新节点朝向目标点扩展,增强目标导向性;对新节点采用直连策略,让算法可以更快地收敛从而提升路径生成速度。对初始规划路径去除冗余点并使用三次B样条曲线转换成平滑路径,优化了路径质量。对机械臂进行位姿约束,通过机械臂逆运动学判断机械臂连杆位姿可达性,并利用包络盒模型判断机械臂是否与障碍物碰撞。实验结果表明,在二维以及三维场景下,TA-RRT^(*)算法在采样次数、规划时间、路径长度以及平滑度等方面的性能均优于RRT^(*)算法,验证了该方法的正确性及可行性。机械臂仿真实验以及在真实环境下的测试结果显示,加入位姿约束后机械臂运行规划好的轨迹时,机械臂各个关节在运行规划路径的过程中并未与障碍物发生碰撞且具有良好的稳定性。

融合目标检测与DWA算法的AGV路径

针对AGV(Automated Guided Vehicle)叉车处于环境信息未知或环境动态变化情况下的路径规划及导航问题,文中提出了一种由YOLOv5(You Only Look Once version 5)目标检测算法获取目标位置。根据目标位置规划出全局基础路径,再融合DWA(Dynamic Window Approach)局部动态路径规划算法进行AGV路径规划与导航,使AGV叉车在未知环境或局部环境信息未知的环境中能快速识别目标位置并完成路径规划到达目标位置。实验结果表明,相较于改进前方法,文中所提方法在路径长度、耗费时间以及AGV叉车航向误差方面均有良好表现,路径长度平均减少12%,耗费时间平均减少约5%且AGV航向与目标航向的平均误差在5°以内。所提方法提高了AGV叉车在未知环境中的工作效率以及工作灵活性。

复杂动态环境下多无人机目标跟踪的分布式协同轨迹规划方法

针对复杂威胁环境下多无人机协同跟踪动态目标的问题,提出了一种多策略改进灰狼优化算法(multi-strategy improved grey wolf optimization,MSIGWO)的分布式模型预测控制方法。通过对多无人机跟踪动态飞行目标场景问题描述,考虑无人机运动学、相对运动学、战场复杂威胁、机间距离和视场传感器等约束,建立了多无人机协同跟踪动态目标的数学模型;基于分布式模型预测控制设计了多无人机协同轨迹在线优化求解框架,提出了一种改进灰狼算法作为分布式轨迹规划求解策略,通过控制参数自适应调整策略,最优位置学习更新策略以及跳出局部最优解策略来增强种群多样性,进而提升算法的优化求解能力;应用数值仿真和半实物仿真验证了所提出策略和方法的有效性。仿真结果表明:提出的多无人机分布式协同轨迹规划方法能够在有效避开动态环境障碍的条件下协同跟踪动态目标,具有较优的跟踪效能。

基于蝙蝠优化算法的智能机器人路径规划方法

为了解决智能机器人规划路径时,由于未能获取机器人信号目标强度,路径规划存在适应度值低和规划时间长的问题,提出基于蝙蝠优化算法的智能机器人路径规划方法。建立机器人模型并获取机器人目标信号强度,利用粒子群算法搜索机器人移动目标,结合蝙蝠算法和黄金正弦算法获取种群平均位置,通过分阶段搜索流程,实现机器人移动路径规划。结果表明:所提方法的路径规划时间仅为2.0 s,适应度达到了24.1,不可行解个数为零,该方法有效提高了适应度值,降低了规划时间,具备可行性和实际应用价值。

APF与A*融合的多目标点路径规划算法

在智能餐厅环境下,针对移动机器人在多目标点路径规划时存在规划效率不高的问题,提出了一种基于A*算法与APF算法相结合的多目标点路径规划的方法。将多目标点路径规划问题转化成类旅行商问题,采用A*算法和人工势场法规划出多目标点的最优遍历顺序。首先,将若干个目标点用一个集合表示并应用在A*算法上面,实现A*算法多个目标点的路径规划;其次,引入人工势场法对多个目标点进行优先级判定,借助人工势场法计算各个目标点的势能值,之后利用人工势场法得到的势能值对目标点集进行排序,完成各个目标点之间的最优顺序;最后,对规划好的目标点集使用A*算法进行全局路径规划。为了验证该方法的有效性和先进性,将该算法进行消融实验,同时也与两种典型的多目标点规划算法进行对比。结果表明,该算法是有效的,能够在缩短路径规划时间和降低路径代价的同时规划出一条有效路径。

复杂环境下多无人机协同目标跟踪路径规划

为解决多无人机在复杂环境下协同目标跟踪的路径规划问题,提出基于模型预测控制(model predictive control,MPC)和先进自适应化学反应优化(advanced adaptive chemical reaction optimization,AACRO)算法相结合的方法。基于目标跟踪模型,使用集中式MPC作为路径规划问题的实时控制框架,设计5个指标成本函数在多种约束条件下优化跟踪性能,获取无人机的最优跟踪路径;针对上述多维问题的复杂程度,使用一种新型智能算法解算MPC控制策略。仿真结果表明:该方案具备有效性和可行性,对无人机群协同目标跟踪具有重要的应用价值。

基于强化学习的动目标协同观测任务自主规划方法

随着空间目标的数量逐渐增多、空中目标动态性日趋提升,对目标的观测定位问题变得愈发重要.由于需同时观测的目标多且目标动态性强,而星座观测资源有限,为了更高效地调用星座观测资源,需要动态调整多目标协同观测方案,使各目标均具有较好的定位精度,因此需解决星座协同观测多目标的任务规划问题.建立星座姿态轨道模型、目标飞行模型、目标协同探测及定位模型,提出基于几何精度衰减因子(geometric dilution of precision, GDOP)的目标观测定位误差预估模型及目标观测优先级模型,建立基于强化学习的协同观测任务规划框架,采用多头自注意力机制建立策略网络,以及近端策略优化算法开展任务规划算法训练.仿真验证论文提出的方法相比传统启发式方法提升了多目标观测精度和有效跟踪时间,相比遗传算法具有更快的计算速度.

基于改进RRT算法的无人靶车路径规划研究

在实战化演习演训中通常使用无人靶车作为精确制导武器的移动靶标,针对不同的作战任务无人靶车需要以不同的车速进行自主行驶,因此无人靶车需要具备在不同车速条件的路径规划能力。为解决这一问题,对传统RRT算法进行了改进。首先根据车辆的二自由度的运动学模型,计算出不同速度下的转向角度限制,并利用战场遥感地图构建二值地图,然后将车速与扩展步长进行匹配,同时在选取随机树中邻近节点的过程中加入车辆最大转向角度的限制,最后使用三次准均匀B样条曲线进行光滑拟合得到最终路径。对改进的算法进行仿真实验,仿真结果表明该算法能够完成不同车速下的路径规划任务,并在某演习战场环境下进行了验证,证明本研究为不同车速下无人靶车的路径规划问题提供了一种新的解决方案。

基于改进RRT算法的冗余机械臂路径规划研究

针对RRT算法在机械臂路径规划的过程中无方向性,在无障碍物处产生过多无用节点的问题,采用目标偏置、双向分段搜索的策略对RRT算法进行改进,提出了具有导向性的双向分段搜索的改进RRT算法并应用于七自由度冗余机械臂的路径规划上,通过Matlab进行了三维环境路径规划仿真实验,并通过ROS平台进行冗余机械臂在简单环境与狭窄环境的避障仿真实验。实验结果表明,改进的RRT算法能够有效地减少路径的节点数量与搜索时间,并提高路径规划的成功率。

基于遗传算法的丛式井平台部署优化研究

丛式井钻井平台位置优化是油田开发前需要关注的重要问题,在应用枚举法、动态聚类法等方法进行平台位置优化时,要依靠经验或方法本身存在一定局限性。为此,以横向靶前位移最小和总投资费用最小为目标,建立了钻完井费用模型、采油工程费用模型、地面建设费用模型和维护费用模型的平台总投资规划模型,采用双权值法对平台位置和靶点坐标进行优化分配,并基于Python语言的遗传算法进行平台位置规划部署。应用大庆油田某区块44个靶点的坐标数据,进行了平台位置优化设计,结果表明,以横向靶前位移最小为优选目标的平台总投资规划模型,可以快速地优化钻井平台位置,给出平台位置范围和靶点分配,并可以根据不同地形选取合适的平台位置和靶点坐标,人为因素影响较小,可以很好地解决丛式井平台部署问题,对其他区块平台部署有很好的借鉴意义。

混合蚁群算法求解无人靶车路径问题研究

针对无人靶车路径过程中效率低成本高的问题,构建了无人靶车路径问题(Routing Problem of Un⁃manned Target Vehicle,RPUTV)的混合整数优化模型,该模型以无人靶车行驶路径距离最小化为优化目标。首先,为了提高算法的求解效率和求解质量,在算法的初始阶段引入贪心算法来构建初始解,同时在蚁群算法中引入了邻域搜索算法组成了混合蚁群算法(Hybrid Ant Colony Algorithm,HACA)来提高算法的局部搜索能力。其次,采用标准数据集来验证算法,同其他求解算法进行对比显示,HACA算法求解RPUTV具有更高效性。

无人靶车动态避障研究

无人靶车是军事训练中必不可少的一部分。为了测试各类精准打击武器,需要无人靶车自主移动到目标点。由于测试武器的场地环境比较复杂,所以需要无人靶车躲避移动过程中突如其来的障碍物。基于贪心初始化算法的动态避障算法(Greedy Initialization Dynamic Obstacle Avoidance,GIDOA)可以求解无人靶车动态避障路径规划问题(Dynamic Obstacle Avoidance Routing for Unmanned Target Vehicle,DOARUTV)。该算法在传统的D^(*)算法(Digital Smart Technologies for Amateur Radio)的基础上进行改进,结合贪心初始化算法,有效地探索了初始解,加快了算法迭代速度。为了验证该算法的可行性和有效性,使用Python编程语言将GIDOA和迪克斯特拉算法(Dijkstra)、A^(*)算法(A-star Algorithm)进行对比。实验结果表明:GIDOA能够解决具有动态避障功能的无人靶车问题,对比Dijkstra算法和A^(*)算法更适合DOARUTV的求解。

基于加权窗口特征的多目标火力集中分配和动态调整算法

针对现有的火力打击规划方法在战前筹划时存在局部收敛性和全局优化能力差、缺乏对战中调整的临机处理和时效性考虑等问题,提出了基于加权窗口特征的火力集中分配和动态调整算法。首先,建立了基于加权窗口特征的分配模型以量化打击效益和资源代价,从而适应对不同作战需求的火力分配;然后,针对算法参数敏感和先验知识缺失的问题,提出了一种自适应参数的基于密度的聚类算法,可自适应寻优参数选择;最后,考虑到战中调整的实时性需求,提出了改进匈牙利算法以减少代价矩阵的迭代次数。试验表明,该算法能够有效解决战前规划和战中调整问题,且在大规模数据集上表现出比其他方法更加优越的性能,验证了该算法的有效性和灵活性。

空面多目标攻击中武器-目标最优分配

在多目标空对地攻击中,合理高效的武器-目标分配能显著提升飞机的攻击效率,降低飞机在战场滞留的时间,对于提升飞机的作战效率与生存性能有着重要的意义。本文基于攻击模式、目标毁伤概率、武器成本、飞行航路等约束,构建武器-目标最优分配模型,设计了一种强化局部搜索能力的自适应遗传算法,解决了求解复杂规划问题时的过量冗余迭代与停滞问题。对多组随机目标进行了仿真验证,仿真结果证明,改进算法能够为作战任务提供优质的武器-目标分配方案,且明显提升了求解的运行效率与质量。

Automatic target tracking on multi-resolution terrain

We propose a high-performance path planning algorithm for automatic target tracking in the applications of real-time simulation and visualization of large-scale terrain datasets, with a large number of moving objects （such as vehicles） tracking multiple moving targets. By using a modified Dijkstra＇s algorithm, an optimal path between each vehicle-target pair over a weighted grid-presented terrain is computed and updated to eliminate the problem of local minima and losing of tracking. Then, a dynamic path re-planning strategy using multi-resolution representation of a dynamic updating region is proposed to achieve high-performance by trading-off precision for efficiency, while guaranteeing accuracy. Primary experimental results showed that our algorithm successfully achieved l0 to 96 frames per second interactive path-replanning rates during a terrain simulation scenario with 10 to 100 vehicles and multiple moving targets.

Path Planning of Multi-Axis Robotic Arm Based on Improved RRT*

An improved RRT∗algorithm,referred to as the AGP-RRT∗algorithm,is proposed to address the problems of poor directionality,long generated paths,and slow convergence speed in multi-axis robotic arm path planning.First,an adaptive biased probabilistic sampling strategy is adopted to dynamically adjust the target deviation threshold and optimize the selection of random sampling points and the direction of generating new nodes in order to reduce the search space and improve the search efficiency.Second,a gravitationally adjustable step size strategy is used to guide the search process and dynamically adjust the step-size to accelerate the search speed of the algorithm.Finally,the planning path is processed by pruning,removing redundant points and path smoothing fitting using cubic B-spline curves to improve the flexibility of the robotic arm.Through the six-axis robotic arm path planning simulation experiments on the MATLAB platform,the results show that the AGP-RRT∗algorithm reduces 87.34%in terms of the average running time and 40.39%in terms of the average path cost;Meanwhile,under two sets of complex environments A and B,the average running time of the AGP-RRT∗algorithm is shortened by 94.56%vs.95.37%,and the average path cost is reduced by 55.28%vs.47.82%,which proves the effectiveness of the AGP-RRT∗algorithm in improving the efficiency of multi-axis robotic arm path planning.

一种无人巡航船遍历多目标点的路径规划算法研究

针对无人巡航船遍历多目标点的路径规划问题,提出了一种混合的多目标点路径规划算法。首先,将多目标点路径规划问题转化为旅行商问题,并采用改进的灰狼优化算法规划出多目标点的最优巡航顺序。针对传统灰狼优化算法忽略环境因素的缺陷,通过在适应度函数中引入环境影响因子以反映障碍物和未知区域对路径规划的影响。然后,在上述规划好的多目标点巡航顺序的基础上,利用A*算法结合改进的人工势场法完成各个目标点之间的路径规划。针对传统人工势场法的目标不可达问题,通过优化斥力势场函数来解决。最后,分别在普通环境和复杂环境中与另外2种算法进行了仿真实验对比。实验结果分析表明,提出的算法是有效的,能够有效缩短路径规划时间,降低距离成本。

基于目标搜索算法的植保机作业轨迹规划设计

以植保机作业轨迹规划和运动控制过程为研究对象,利用移动传感器对作业区域范围进行目标搜索,建立区域范围环境模型,并采用目标搜索算法进行作业轨迹规划,采用闭环运动控制的方式实现植保机自适应轨迹控制。试验数据表明:利用该方式所获取的植保机作业轨迹与设定理论轨迹之间的最大角度偏差不大于2°,最大距离误差不大于50mm。由此说明,采用目标搜索算法进行植保机轨迹规划能够满足植保机作业精度需求。

温室草莓采摘机器人设计与试验

为实现温室草莓采摘机械化和自动化,设计并制作一种应用于日光温室的草莓采摘机器人。该机器人能实现自主路径规划,行走过程中识别成熟草莓并完成采摘。设计以ROS分布式计算系为主控制网络,以激光雷达进行移动机器人的地图构建与定位,双目深度相机实现对成熟草莓的识别和定位,搭载柔性仿生夹爪6自由度机械臂实现目标草莓抓取和放置。设计机器人软件平台,使用改进A*算法实现自主路径规划和导航避障;利用R-FCN目标检测网络和双目视觉技术实现成熟草莓检测及定位。结果表明:该草莓采摘机器人可实现目标检测及定位,检测到的草莓坐标与机器人手爪坐标的误差在4 mm以下,成熟草莓识别率为95%,满足采摘要求。