GJK算法的一种特殊情形的形式化验证和应用

计算几何算法经常用于机器人避碰运动规划等安全攸关领域,对这些算法进行正确性证明非常重要.用形式化方法对算法进行验证是一种十分有效的手段,尤其是定理证明的方法用严格的数学公理和定理推理证明逻辑模型的性质,对所验证的性质而言是完备的.基于GJK算法设计了计算空间两条线段间距离的算法,用定理证明器HOL4对其相关的定义和定理进行形式化定义和证明,进而基于霍尔逻辑完成形式化表示和证明,对该算法的正确性实现了形式化验证.最后,给出了这一经过验证的算法在双臂机器人无碰撞运动规划中的应用.     

基于HOL4的形式化方法

针对计算机系统设计的正确性问题,研究了一种在测试空间上完备的形式化方法,探讨了硬件系统在定理证明器HOL4中进行形式化验证的一般方法,其中包括如何采用高阶逻辑形式化描述系统的实现与规范,以及在HOL4中证明目标的一般过程.同时,以乘法器为实例,提出一种功能分解法对需要分析的电路进行形式化建模,并对模型的性质在HOL4中进行推理与验证,从而证明了乘法器电路设计的模型满足所提取的性质.     

水下机器人三维路径规划

本文提出了基于八叉树区域分别环境建模方法，在此基础上，利用A算法解决了静态环境的三维路径规划，并对规划出的路径进行了三维修正，使其满足机器人轨迹跟踪的要求，另外，以八叉树环境建模基础，对动态环境下的三维路径规划进行了研究。     

基于改进粒子群算法的水下机器人路径规划研究

针对水下机器人在路径规划中遇到的约束条件复杂、寻优算法性能不稳定、路径不平滑等问题,文章提出了一种基于改进粒子群算法的水下机器人路径规划方法。首先,基于函数模拟法构建水下地形及障碍物环境;其次,在优化目标设计方面,从减少能耗的角度出发,文章在传统路径长度最短的基础上,又增加了对水下机器人姿态角度变化以及转向节点位置分布均匀性的优化,以进一步适应实际情况;然后,分析了粒子群算法中惯性权重对算法性能的影响,引入了改进措施,以提高算法的寻优性能;最后,将计算出的初始路径采用B样条曲线进行平滑处理,得到最终的机器人运动规划轨迹。仿真实验结果表明,文章所提路径寻优方法相较于传统蚁群算法和粒子群算法,综合能耗分别降低了56.6%和19.3%,在求解能力和收敛性上也表现出了更优的性能。     

一种蚂蚁粒子群融合的机器人路径规划新算法

研究了一种全新的蚂蚁粒子群融合的机器人路径规划算法。该方法首先用链接图建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用粒子群算法局部调节全局导航路径上的路径点,得到更优路径。计算机仿真实验表明,即使在复杂的环境下,利用该算法也可以规划出一条全局优化路径,且能安全避障。     

一种遗传蚁群算法的机器人路径规划方法

研究遗传算法和蚁群算法可作为新兴的智能优化算法,在解决多目标、非线性的组合优化问题上表现出了传统优化算法无可比拟的优越性。基于将两种智能优化算法动态融合的思想提出了一种新的遗传蚁群算法(GA-ACO)。与已有的将遗传算子引入蚁群算法的结合方式不同之处在于,GA-ACO算法第一阶段采用了遗传算法生成初始信息素分布,在第二阶段采用蚁群算法求出最优解,从而有效地结合了遗传算法的快速收敛性和蚁群算法的信息正反馈机制。仿真结果表明,在具有深度陷阱的特殊障碍物环境下,应用GA-ACO算法求解机器人路径规划问题可以得到较好的的结果。     

一种基于粒子群算法的轮式机器人路径规划

针对轮式机器人具有非完整性约束的情况,为了优化机器人路径,提出了利用粒子群算法处理轮式机器人在滚动窗口内的路径优化问题。根据机器人当前滚动窗口内的障碍物信息进行避障和趋向目标运动,同时在充分考虑轮式机器人运动特性的基础上构建了一个符合其非完整性约束和避障要求的适应度函数,从而能较好地满足实时避障的要求。为了尽量减少可行区域由于障碍物建模造成的损失,提出了采用改进的栅格法进行建模,该方法较全面地考虑了障碍物的外形尺寸。仿真实验证明上述方法的正确性和有效性。     

一种蚂蚁遗传融合的机器人路径规划新算法

针对栅格法建模的不足,本文研究一种全新的蚂蚁算法与遗传算法融合的机器人路径规划算法.该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用遗传算法局部调节全局导航路径上的路径点,得到更优路径.计算机仿真实验表明,即使在复杂的环境下,利用本算法也可以规划出一条全局优化路径,且能安全避障.     

微粒群与蚂蚁融合的机器人路径规划新算法

针对栅格法建模的不足,研究了一类全新的微粒群与蚂蚁算法融合的机器人路径规划算法。该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行搜索得到全局导航路径,然后用微粒群算法局部调节导航路径上的路径点,得到更优路径。计算机仿真实验表明,即使在蚂蚁算法得到的导航路径不佳的情况下,利用本算法也可以规划出一条全局优化路径,且能安全避障。     

水下机器人路径规划系统及算法改进

本文介绍了某水下机器人的路径规划系统的结构，针对水池的工作环境，对已有的路径规划算法进行了改进，水池试验结果表明该智能水下机器人路径规划算法正确，路径规则系统运动可靠。     

基于自适应混沌变异粒子群算法的路径规划

研究了一种全新的基于自适应混沌变异粒子群的路径规划算法。该方法首先进行环境建模,利用改进的粒子群算法获得一条较优路径。在改进的粒子算法中为防止早收敛,加入自适应混沌变异操作,在加强算法局部搜索能力的同时保证搜索过程中种群的多样性。仿真实验表明,即使在复杂的环境下,利用该算法也可以规划出一条全局较优路径,且能安全避碰。     

SpaceWire译码电路在HOL4中的形式化验证

SpaceWire是在苛刻环境下的高速通信总线协议,译码电路是其接收端的关键电路,对该电路进行形式化验证具有重要的现实意义.形式化验证方法中的定理证明将需要分析的电路进行形式化建模,结合定理证明器,对模型的性质进行严格推理从而完成验证.本文运用定理证明的方法,在高阶逻辑证明工具HOL4中对SpaceWire总线的译码电路进行形式化验证.首先根据SpaceWire标准规范抽取相关性质,用高阶逻辑语言形式化描述;然后分析电路设计中的VHDL代码,依据代码实现的功能用相应的逻辑谓词建模;最后在HOL4中证明了译码电路设计的模型能满足所提取的性质.本文同时给出了形式化建模的方法和验证过程.     

Case-based path planning for autonomous underwater vehicles

Case-based reasoning is reasoning based on specific instances of past experience. A new solution is generated by retrieving and adapting an old one which approximately matches the current situation. In this paper, we outline a case-based reasoning scheme for path planning in autonomous underwater vehicle (AUV) missions. An annotated map database is employed to model the navigational environment. Routes which are used in earlier missions are represented as objects in the map. When a new route is to be planned, the path planner retrieves a matching route from the database and modifies it to suit to the current situation. Whenever a matching route is not available, a new route is synthesized based on past cases that describe similar navigational environments. Case-based approach is thus used not only to adapt old routes but also to synthesize new ones. Since the proposed scheme is centered around reuse of old routes, it would be fast especially when long routes need to be generated. Moreover, better reliability of paths can be expected as they are adapted from earlier missions. The scheme is novel and appropriate for AUV mission scenarios. In this paper, we describe the representation of navigation environment including past routes and objects in the navigational space. Further, we discuss the retrieval and repair strategies and the scheme for synthesizing new routes. Sample results of both synthesis and reuse of routes and system performance analysis are also presented. One major advantage of this system is the facility to enrich the map database with new routes as they are generated.This work was supported in part by National Science Foundation Grant No. BCS-9017990.     

基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

基于群集智能算法的移动机器人路径规划研究

本文提出一种新的群集智能算法,在用Dijkstra算法基于链接图建模的地图中得到一个最优解的可行空间后,再用粒子群算法或蚂蚁算法优化得到全局的最优路径。因为群集智能算法是一种概率搜索算法,没有集中控制约束条件,不会因为个别个体的故障影响整个问题的求解,具有较强的鲁棒性,所以在机器人全局路径规划应用中具有较显著的优点。仿真结果表明了算法的有效性,是机器人路径规划的一个较好的方法。     

基于改进粒子群算法的无人机路径规划

针对传统粒子群算法PSO求解无人机路径规划问题时存在极易陷入局部最优的问题,在PSO算法中引入细菌觅食算法BFO的趋化操作、迁徙操作,以提高其寻优能力。首先根据无人机飞行环境建立三维高程环境模型,并使用路径长度代价、障碍危险代价和航迹高程代价来构造适应度函数;然后在分析了粒子群算法和细菌觅食算法原理及特点的基础上,给出了算法的改进方法及其具体流程。最后,通过Matlab仿真验证表明：混合算法有效改善了粒子群算法的缺陷,在进行无人机路径规划时,相比于传统PSO算法,混合算法寻优精度和稳定性有明显改善。     

Complete coverage path planning for wheeled agricultural robots

In the agricultural industry, an evolutionary effort has been made over the last two decades to achieve precise autonomous systems to perform typical in-field tasks, including harvesting, mowing, and spraying. One of the main objectives of an autonomous system in agriculture is to improve the efficiency while reducing the environmental impact and cost. Due to the nature of these operations, complete coverage path planning (CCPP) approaches play an essential role to find an optimal path which covers the entire field while taking into account land topography, operation requirements, and robot characteristics. The aim of this paper is to propose a CCPP approach defining the optimal movements of mobile robots over an agricultural field. First, a method based on tree exploration is proposed to find all potential solutions satisfying some predefined constraints. Second, a similarity check and selection of optimal solutions method is proposed to eliminate similar solutions and find the best solutions. The optimization goals are to maximize the coverage area and to minimize overlaps, nonworking path length, and overall travel time. To explore a wide range of possible solutions, our approach is able to consider multiple entrances for the robot. For fields with a complex shape, different dividing lines to split them into simple polygons are also considered. Our approach also computes the headland zones and covers them automatically which leads to a high coverage rate of the field.