基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树(RRT)算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数(即降低路径曲率和远离障碍物),并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明:优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。

改进人工势场引导的双向扩展随机树路径规划算法

针对地面移动机器人在复杂环境之下要求规划路径实时性强、路线平滑度高、避障精确完备等需求,在快速扩展随机树算法(RRT)的基础之上,提出一种由改进人工势场法(APF)引导的双向扩展随机树算法(APF-Bi-RRT^(*))。首先,在每次迭代的过程之中两棵随机树同时分别从起始点和目标点进行扩展,以加快算法收敛速度;其次,在算法随机树生长方向上,引入目标偏置策略来优化随机子节点的选取,并在随机树和障碍物中加入人工势场分量,限制路径方向选择的随机性,改进算法克服引力和斥力过大导致陷入局部最优值或目标不可达的问题;最后,在形成锯齿型规划路径之上应用一种采样优化和关键节点平滑策略,进一步缩短和平滑原路径的总距离。对比实验结果证明,该算法既克服了传统随机树算法的节点盲目扩展的问题,又兼顾了生成路径的效率和平滑性,与目标偏置RRT算法相比,在规划路径长度上减少了9.7%左右,在运行时间上缩短了65.3%左右,在算法迭代次数上减少了78.2%左右。

位姿约束下的双向扩展机械臂路径规划方法

针对机械臂路径规划方法存在的规划效率低、连杆通过性差、路径粗糙等问题,以渐进最优快速随机搜索树RRT*为基础,提出一种位姿约束下的双向扩展机械臂路径规划方法(PCO-BT-RRT*)。首先,设计目标偏置引导的双向扩展RRT*算法(BT-RRT*),改进了RRT*算法的初始化过程,将起始点和目标点分别作为两棵随机树的初始节点,并通过目标偏置策略引导其以一定概率相向生长,加快探索未知区域,在保证路径代价较低的同时提升路径生成速度。其次,提出一种位姿约束路径优化策略(PCO),采用机械臂运动学模型和碰撞检测规则共同约束新节点扩展过程,寻找机械臂可达空间内的避障路径;对生成路径剪枝剔冗,缩短可行路径长度,同时对消冗节点以迭代调整的方式进行平滑优化,提高路径生成质量。通过仿真实验分析,验证了所提方法在路径规划问题上的显著性成效;在自主研发的BIM信息融合下建筑砌筑系统进行真机避障测试,验证了该方法的实用性。

基于不同搜索路径下成对随机游走的推荐算法

推荐系统中用户项目之间的交互及其他信息可以构成一个异构信息网络(HIN)。传统基于HIN的推荐算法往往直接构建用户项目间的异构信息网络,忽略了用户用户以及项目项目本身具有的相似性,所构建的网络不够完整,并且在计算节点关联性时鲜有考虑不同搜索路径下的不同关联性。为解决上述问题,提出一种考虑用户及项目本身相似性的HIN推荐算法。通过查找用户与项目之间更多的搜索路径,并考虑不同的搜索路径,引入深度学习中的随机游走(RW)来度量用户项目节点之间的关联度,从而实现更加精确的推荐。将所提算法在公开的MovieLens数据集上进行了实验,实验结果表明:相较于传统的协同过滤推荐算法以及基于HIN的推荐算法,基于不同搜索路径下成对随机游走的算法具有更高的推荐性能。

随机轮载下钢桥面顶板与纵肋焊缝疲劳裂纹扩展特性研究

车辆轮迹横向分布是钢桥面板焊缝处产生随机应力谱的一项关键因素,加之焊接缺陷形态的随机性,诱发钢桥面板疲劳裂纹随机扩展行为。为了研究钢桥面顶板焊缝处疲劳裂纹的随机扩展特性,基于断裂力学理论与扩展有限元方法分析了轮迹横向分布对钢桥面板顶板焊根和焊趾等效应力强度因子的影响规律,揭示了轮迹横向分布离散度、初始裂纹深度和初始裂纹形态比对焊缝处疲劳裂纹随机扩展路径分布的影响规律。结果表明:轮载中心处于U肋正上方中心和焊缝中心位置分别为顶板焊趾和焊根的最不利横向加载工况;车辆轮迹横向分布对顶板焊根和顶板焊趾疲劳裂纹前缘应力强度因子影响差异显著,顶板焊根最大等效应力强度因子为85.99 MPa·mm^(1/2),比顶板焊趾增加了6.72%;轮迹横向分布离散度和初始裂纹深度与钢桥面板焊缝处疲劳裂纹随机扩展路径分布离散程度成正相关,初始裂纹形态比与其成负相关;焊缝细节初始裂纹深度越大,车辆荷载对其横向影响范围越大;焊缝细节初始裂纹形态比越大,车辆荷载对其横向影响范围变化不明显。

近海复杂环境下UUV动态路径规划方法研究

为解决近海环境下水下无人航行器(unmanned underwater vehicle,UUV)的动态路径规划问题,本文提出一种结合全局和局部动态路径规划的算法。首先,本文提出一种基于自适应目标引导的快速拓展随机树算法,以增加随机树生长的方向性,并通过转向和重选策略减少无效拓展加快算法的收敛速度。接着,获得全局路径之后使用自适应子节点选取策略获取动态窗口法的子目标点,将复杂的全局动态任务规划分解为多个简单的动态路劲规划,从而防止动态窗口法陷入局部极小值。最后,通过UUV出港任务仿真实验验证了算法的有效性和实用性。

灌溉机器人全覆盖路径规划方法

灌溉机器人全覆盖行动的各个任务具有较为明显的空间并行性,随着全覆盖范围扩大,在对覆盖区域进行分解阶段,需要充分考虑将整个区域空间分解为哪些区域。但是,灌溉机器人受到视觉感知区域限制,准确匹配和衔接路块间最近端点的难度较大,导致局部路点的连通和线路衔接出现差错,难以有效全覆盖。为了有效解决这一问题,提出一种灌溉机器人全覆盖路径规划方法。通过快速搜索随机算法展开需要覆盖区域的边界检测,考虑视觉传感器的感知范围受限因素,采用灰度质心法展开区域视图边界提取,根据提取结果建立地图。在地图上建立线段序列,通过曼哈顿最小距离原则连接地图上的部分路径线段,形成多个弓形线路块。使用分治算法匹配和衔接各个弓形线路块间最近端点对,引入改进A*算法对全局以及局部路点的连通和线路衔接,实现灌溉机器人的全覆盖路径规划。实验结果表明:针对简单灌溉区域,该方法的路径重复率为0.041%,灌溉覆盖率为98.90%;针对复杂灌溉区域,该方法的路径重复率为0.017%,灌溉覆盖率为99.87%。这说明针对不同的灌溉环境,该方法均可以实现理想的路径规划,不仅可以最大限度地实现全覆盖,并有效地减少路径冗余程度,可以获取理想的灌溉机器人全覆盖路径规划方案。

随机矩阵理论在高速路关键路径辨识中的应用

高速公路网络是我国各地区相互连接的重要纽带,高速公路网络关键路径辨识对确保高速网络的可靠运行具有重要意义。传统的关键路径分析方法基于拓扑结构,未考虑交通网络的运输量特性;而现有的基于运输量数据的分析方法只考虑部分路径的运输量特性,难以反映交通网络的实际运行情况。利用路径运输量数据,搭建运输量随机矩阵模型,针对高速公路网络异常后的运输量变化特性,定义关键路径评估指数,实现异常影响程度的量化评估,在此基础上提出一种基于数据驱动的高速公路网络关键路径辨识方法。最后,采用辽宁省高速公路网络进行分析,验证了所提方法的合理性和有效性,并将该方法应用于城市路网案例中,进一步证明该方法具有普适性。

改进RRT^(*)算法的无人艇局部路径规划方法

文中提出一种改进RRT^(*)算法,该算法依据国际海上避碰规则计算本船与他船间DCPA与TCPA并判断会遇场景,限制采样空间.通过偏置采样在采样空间中选取采样点,增强目的性,加快搜索速度.依据线段公理和锚点采样的方式重新选择父节点,去除中间冗余的节点,减少路径转向次数和路径长度,使得最终生成的路径相对平滑.结果表明:改进RRT^(*)算法减少了81%以上的转向点和5%以上的路径长度.

全粒子推动野马优化算法的无人机三维路径规划

针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。

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。

基于改进RRT的机器人路径规划算法

随机采样的RRT算法在非完整约束的规划问题中被广泛使用,但RRT方法存在收敛速度慢、随机性强、存在大量的冗余节点的问题,同时难以快速找到路径。针对以上问题提出一种改进的RRT算法。在提出一步记忆机制的基础上,算法基于历史拓展结果进行随机拓展或者向目标拓展;同时,将随机树拓展过程中因碰撞而拓展失败的节点进行随机旋转处理,以使随机树能够成功拓展;最后,采用双树生长策略,从目标点和起点同时生长随机树,加快收敛速度。仿真结果表明,相较于RRT,改进方法计算时间缩短18.1%~88.1%,随机树节点减少24.0%~90.6%。在真实环境下的实验对比验证了改进算法在路径长度、收敛时间等方面的优势。

基于改进RRT算法的四足机器人路径规划

针对四足机器人使用RRT算法进行路径规划存在地图探索能力弱、转向角度大且不连续、不满足四足机器人运动学模型的问题,提出一种结合四足机器人自身模型约束的RRT路径规划算法:考虑四足机器人自身运动学约束与自身体积,使用局部贝塞尔曲线化对转折处进行优化;利用全局自适应步长、节点自我更新、增加目标偏置,提升算法搜索效率。四足机器人的仿真实验结果表明,改进RRT算法生成的路径可行性强、运行效率高,满足四足机器人在实际工程中对路径的要求,到达目的地的时间大幅降低。

我国产业链现代化的优化路径研究

产业链现代化是党中央的重大谋划和战略部署,是当前和今后一个时期内我国经济发展中的重大战略任务。关于如何提升产业链现代化水平,(1)本文从多个方面寻找产业链现代化的影响因素;(2)利用随机森林模型识别各要素对产业链现代化的贡献程度,找出对产业链现代化影响较大的要素;(3)利用偏效应模型揭示不同要素对产业链现代化的边际效应,探究各地区如何依据自身状况找到产业链现代化发展的最优路径。研究发现:(1)产业链现代化的驱动要素包括社会需求、科技创新、制度安排和资源禀赋4个部分;(2)不同要素对产业链现代化的边际贡献处于不同阶段,科技创新对产业链现代化的贡献最大,资源禀赋对产业链现代化的贡献最小;(3)不同地区产业链现代化的投入要素的发展差异较大,不同地区产业链现代化进入最优区间的路径不尽相同。

考虑动态倾覆稳定性的液压重载机械臂路径规划方法

针对液压重载机械臂的动态倾覆稳定性问题,提出了一种基于改进快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法的路径规划方法。与只对危险工况的静态稳定性校核不同,该算法以机械臂运动过程中的动态倾覆稳定性最优为目标,在机械臂的关节空间内进行路径规划。以7个关节变量组成的七维数组作为采样点,结合正运动学与力矩法建立机械臂的动态倾覆稳定性计算模型,利用双采样点择优原则,选择其在对应位姿下抗倾覆稳定力矩最优的随机点作为采样点,以增强算法的启发性。在Matlab平台进行的仿真实验表明,改进RRT算法规划路径的倾覆裕度在3种典型工况下分别提升了37%、28%和38%,有效地改善了液压重载机械臂作业平台的抗倾覆稳定性。

不确定采摘环境下改进RRT算法的机械臂路径规划研究

由于果蔬采摘环境的不确定性和复杂性,机械臂在复杂环境中完成采摘,其路径规划需考虑实时避障。为实现采摘机械臂在不确定环境下安全采摘,提出一种改进RRT的动态避障算法,以提升机械臂在不确定采摘环境的适应性。针对基本快速扩展随机树算法(Rapidly-exploring Random Trees,RRT)在动态环境下迭代时间长、路径长、适应性差等问题,在RRT算法的基础上,引入目标导向策略,把终点以一定概率作为随机采样点的采样方向,提高算法的迭代效率;引入动态检测机制,对已完成规划的初始路径进行实时检测,使算法适应动态变化的环境。通过仿真分析改进RRT算法,结果表明:改进RRT算法的路径减少16%,迭代时间缩短86.5%;同时,动态检测机制使算法适应动态环境。

融合A^(*)的改进RRT机械臂路径规划

针对RRT(rapidly-exploring random tree)路径规划算法在高维空间的机械臂避障路径规划时随机产生巨量节点,导致算法运行负担大、避障性能差、容易陷入局部极值的问题,提出一种结合A^(*)判断函数的改进RRT算法。对RRT的采样方式进行更改,每次生成一个包含多个随机采样点的序列,并利用改进的A^(*)判断函数进行排序;对每次生成节点进行距离判断,防止陷入局部搜索;利用重复贪心策略删除冗余节点,利用三次B样条平滑路径。在二维、三维地图及机械臂仿真与样机实验中进行算法性能分析,改进RRT算法能够大量减少到达目标位姿时产生的节点,缓解了局部极值,快速稳定地避开障碍物并到达目标位姿,证明了改进RRT算法的有效性和优越性。

复杂环境下的改进RRT算法路径规划

针对快速扩展随机树算法(rapidly-exploring trees,RRT)在一些复杂环境中存在搜索效率低、收敛速度慢、生成的路径冗余节点多等问题,提出一种改进的RRT算法。首先引入自适应目标概率策略,实时调整对目标点的采样概率;其次引入节点转向策略,提高单次采样的成功率;最后对生成的路径进行冗余节点裁剪,使路径更符合实际应用需求。在MATLAB中进行仿真实验,并与RRT算法、RRTGoalBias算法进行对比。实验结果表明,改进算法在多种不同环境下具有较好的适应性,在寻路时间、采样次数和采样成功率3个方面均有较大提升,最终平均路径长路降低了21.1%,平均节点数降低了75.3%,证明了改进算法的优越性和实用性。

改进RRT算法的四旋翼无人机路径规划方法

针对快速扩展随机树(rapidly-exploring random tree,RRT)算法在无人机路径规划过程中采样次数多、生成路径曲折等问题,提出了一种将路径重规划策略和平滑度优化相结合的路径规划算法。首先,通过重新构造采样区域降低RRT算法采样次数,利用目标偏向寻优策略为RRT算法添加导向性;其次,在筛选初始航迹点的同时引入无人机性能约束;然后,利用B样条对重规划路径进行平滑处理;最后,利用Matlab对所提出的算法进行仿真实验。实验结果为平均采样次数为386次,平均运行时间为0.43 s,平均航迹距离为1392.16(无量纲),表明了算法可有效降低采样次数并改善路径平滑性。

越野环境下势场搜索树智能车辆路径规划方法

智能车辆路径规划是智能驾驶的一项关键技术,传统的车辆路径规划方法以最短通行距离或最小通行时间为优化目标,忽视了规划过程中的车辆运动风险。在快速随机搜索树算法的基础上,运用势场模型量化评估车辆运动风险。在快速获得车辆初始运动轨迹的基础上,以车辆运动轨迹的安全性以及通行距离和车辆转角作为运动轨迹评估依据,采用轨迹重构优化方法持续优化车辆运动轨迹。采用场景模拟仿真方法,验证规划轨迹的性能。仿真实验结果表明,在典型场景下,该方法具备平衡车辆运动效率与安全性能的特点,能在越野环境中规避障碍物和环境威胁,所规划的运动轨迹符合车辆运动学特性,运动轨迹的安全性好,通行效率较高。