基于路网的车辆路径规划融合算法究

针对室外区域非结构化道路环境,为了同时解决全局路径规划问题和局部路径规划问题,提出一种基于Floyd算法、A*算法和人工势场法的路径规划融合算法。采用A*算法规划可行路径,基于Floyd全局最优距离和权重数据递归求出最优路径;改进人工势场法,设计分段力场结合自适应角度函数,规划避障路径;基于三次多项式曲线拟合得到满足动力学约束的行车轨迹。采用MATLAB/Simulink进行路径规划仿真,结果表明：路径规划融合算法根据前方检测环境能准确规划出全局绕路轨迹和局部避障轨迹,单次规划时间分别为1.14 ms和45 ms,满足实时性要求。实车实验结果表明仿真结果准确,验证了实路径规划融合算法的有效性和算法的鲁棒性     

基于双重A~*算法的移动机器人动态环境路径规划

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。     

混合遗传算法在机器人路径规划中的应用

针对传统智能算法在多障碍物环境下求解路径时存在忽视路径安全性，易陷入局部最优解等问题，提出一种融合粒子群算法(PSO)、遗传算法(GA)和人工势场法(APF)的混合遗传算法(PA-GA)。首先，改进障碍物参数和算法的适应度函数，引入防碰撞距离与安全距离，保证路径安全性；其次，通过动态调整粒子群算法中的惯性权重增强粒子的搜索能力，加快算法收敛；然后，引入分群策略、等级交叉策略和人工势场法来改进遗传算法的交叉变异操作，依靠自适应调整交叉变异概率加快收敛速度；最后，将改进后的算法融合，保证混合算法在全局和局部的寻优能力。仿真结果显示，PA-GA算法具备了较强的寻优能力，且路径检索结果更好，收敛速率也更快。     

改进A*算法的AGV避障路径规划研究

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点，使用传统八叉树搜索策略时，AGV易发生碰撞障碍物现象，在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题，提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计，因此引入启发式函数的权重系数提高A*算法的搜索效率；设置障碍物安全距离，为判断障碍物区域内当前障碍物是否影响AGV通行提供参考，再次改进原有八叉树搜索策略提升避障性能，然后对得到的无碰撞路径进行路径优化处理，保留关键转折点；最后实现A*和DWA算法融合，进一步优化路径，并实现全局动态路径规划。实验结果表明：融合算法使得路径更加平滑，提高了算法的避障性能，表明了融合算法在机器人路径规划中的可行性。     

改进人工势场法的AGV路径规划算法研究

针对传统人工势场法路径规划中存在的局部极小值和目标不可达问题,提出了一种面向AGV路径规划的改进人工势场法。该算法将道路边界障碍化,对障碍物密集区域的障碍物进行连锁处理,在斥力函数中引入目标点与AGV间的距离因数,在局部极小值点附近合适位置增加虚拟障碍物。仿真结果表明：改进算法可以有效解决局部极小值问题和目标不可达问题,同时使AGV避开障碍物陷阱成功到达目标点。     

基于优化A*和DWA算法的移动机器人避障路径规划

针对移动机器人在路径规划过程中路径曲率不连续,避障能力差等问题,提出了一种将改进A*和动态窗口法（DWA）相结合的路径规划方法。首先,在传统的A*算法基础上,将传统的8个搜索方向改为5个,提高搜索效率;其次,将Floyd算法思想引入A*算法中,设计了一种新的启发式搜索函数,实现了无斜穿障碍物顶点,增加了路径的平滑度;最后,融合改进算法以及动态窗口法,构造了新的评价函数,在保证规划路径全局最优性的基础上达到避障效果。仿真结果表明：该研究对于移动机器人自主导航的应用具有一定的参考价值。     

模糊改进的人工势场法机器人局部路径规划

移动机器人在狭窄、障碍物繁多的密闭环境中工作,人工势场法(APF)应用于机器人避障及局部路径规划存在局部最优、目标不可达等问题,文章提出一种模糊改进的APF算法,通过重新构建障碍物斥力势场、障碍物运动速度和加速度势场、引力势场模型,克服局部最优陷阱;在某些特殊情况下,使用模糊算法给机器人提供辅助作用力,帮助机器人安全到达目标点。把改进模糊APF算法用于机器人避障,仿真结果表明:改进的控制算法应用于多障碍物环境可以帮助机器人实现安全避障。     

基于改进人工势场法的机械臂路径规划北大核心

针对传统人工势场法对机械臂进行路径规划时存在局部最小值等问题,对人工势场法进行改进。首先,建立机械臂碰撞模型,确保实现有效碰撞检测;其次,重新定义传统算法的引力斥力函数,解决引力过大而斥力作用弱化导致碰撞以及障碍物与目标点距离过小造成目标不可达的问题;最后,提出一种基于椭圆模型的策略跳出算法局部最小值陷阱和局部震荡,最后进行了仿真验证。结果表明,改进后的人工势场法简单可靠,避免了原算法的局部最小等问题,能快速有效地实现机械臂避障路径规划。     

基于人工势场法的移动机器人路径规划研究

基于人工势场法的移动机器人路径规划具有目标不可达、在障碍物前振荡、存在局部极小值等问题。通过分析振荡现象产生的原因以及局部极小值点存在的原因,提出一种基于人工势场模型、采用量子粒子群算法来选择人工势场模型参数的算法,从而克服人工势场法的模型缺陷,实现路径的优化。仿真结果表明,该方法能有效地提高路径规划的性能。     

改进人工势场法的机械臂避障路径规划

针对人工势场法在机械臂避障路径规划中易陷入局部最小值等问题，提出一种改进人工势场法的机械臂避障路径规划方法。首先，对机械臂连杆及障碍物进行包络体建模，将避障碰撞检测问题转化为圆柱体与球体、圆柱体与长方体的最短距离求解；其次，提出在机械臂关节空间建立目标点的引力场和斥力场，在笛卡尔空间建立引力场相结合的算法，并采用快速随机搜索树法(RRT)解决传统人工势场法局部极小点的问题；最后，采用MATLAB开展仿真与实验，结果表明该算法规划目标位置平均误差为0.010 m,相较于传统的算法更接近于目标位置，可实现机械臂逃离局部极小点并完成避障路径规划。     

改进人工势场法在移动机器人路径规划中的应用

为解决传统人工势场法在路径规划中存在的缺陷,对目标不可达和局部极小点的情况进行了分析。将引力函数分段,避免引力过大而碰到障碍物的情况;通过引入机器人与目标点之间的距离因子,对斥力势场的生成和计算机制进行改进,以解决障碍物在目标点附近时的不可达问题。在已改进人工势场函数的基础上,提出一种用偏转角度来构建附加牵引力的方法以解决局部极小点问题。在MATLAB中对改进的算法进行了对比仿真实验,实验结果表明了该方法的有效性和可行性。     

模糊改进人工势场法移动机器人路径规划

针对人工势场法应用于机器人路径规划中存在的各种问题,提出一种模糊改进人工势场法。首先,建立斥力势场梯度等级,在解决目标不可达问题的同时,保证路径规划的安全性;其次,引入逃逸力,利用模糊算法推算出逃逸力大小,帮助移动机器人逃离局部最优陷阱;最后,在MATLAB环境下对常规改进人工势场法和模糊改进人工势场法进行了仿真实验,实验结果表明,模糊改进后的人工势场法能够解决目标不可达问题、局部最优问题,同时在避障安全性方面存在一定优势。     

基于状态转移规则改进蚁群算法的机器人路径规划

针对传统蚁群算法在全局路径规划中存在的收敛速度慢、局部最优解、算法优化能力低、种群多样性与收敛速度相互矛盾4种主要问题进行改进，提出了基于动态更新状态转移规则的蚁群算法。通过人工势场法改进启发函数，提高算法的优化能力；利用伪随机状态策略改进状态转移规则，提高了算法的收敛速度；引入动态信息素更新方式，解决局部最优问题，协调种群多样性与收敛速度的矛盾。利用剪枝法对改进后的路径规划算法进行优化。通过分步仿真、对比仿真的方法证明算法改进过程的合理性，提高了蚁群算法在路径规划中的性能。仿真结果表明，改进后算法的路径长度缩短44.08%,运算时间缩短45.13%,在解决4种问题的同时，有效提升了机器人全局路径的平滑性和安全性。     

动态环境下基于IVS算法的多机器人路径规划北大核心

针对动态环境下的多机器人路径规划问题,采用改进虚拟弹簧算法(improved virtual spring algorithm,IVS)解决路径优化过程中局部最小值和障碍物附近目标不可达问题(GNRON)。首先,基于栅格法建立网络交互动态力学模型,描述多机器人系统网络结构;其次,以最优路径和最短时间为目标,基于机器人编队控制,提出IVS算法,同时建立有效的启发式规则,并根据动态障碍物自身的运动属性,重新规划一条障碍物少的路径;最后,采用MATLAB将本文方法与传统虚拟弹簧算法和动态A*算法进行仿真对比分析,验证IVS算法在解决多移动机器人路径规划问题上具有搜索效率高、避障能力强和环境适应性好的优势。     

势场力引导的蚁群算法在室内轨迹规划中的应用

单一的蚁群算法在路径搜索前期具有盲目性,导致收敛速度较慢,容易陷入局部最优;而传统的人工势场法在凹形障碍物时避障困难。将人工势场法与蚁群算法结合,提出一种由势场力引导的蚁群算法。算法将人工势场法中的力因素转化为一种蚁群算法里的信息素权值,能够在开始时加快蚁群算法的收敛速度,并随着迭代次数增加逐渐降低力因素对蚂蚁的影响,在陷入局部最优时通过回退降低了蚁群算法陷入局部最优的可能性。又增加了路径曲线距障碍物距离的设置,使其更贴近现实应用。最后使用该算法与其它类似势场蚁群算法进行了仿真比较,在条件一致的情况下,文中算法的收敛速度更快,路径距离更短。     

基于改进人工势场法的机械臂路径规划仿真

为解决六自由度机械臂在工作空间中的路径规划问题,提出一种改进的人工势场法与快速随机搜索树(RRT)算法相结合的规划方法。以发那科M-20iA工业机器人作为研究对象,选取其各连杆D-H参数并创建坐标系,分析其正运动学问题。然后采用包围球包络障碍物、圆柱体包围盒包络机械臂,将碰撞问题转化为球心到圆柱体中轴线最短距离的问题。接着改进势场法的势函数,并在机械臂进入局部极小点时改用RRT算法使机械臂跳出该点,之后继续采用势场法规划路径到达目标点。最后在MATLAB中对该改进算法进行仿真,仿真结果证明:该算法可以成功避障,保证机械臂平稳运行至目标处。     

基于改进蚁群算法的移动机器人路径规划

针对动态未知环境下机器人路径规划中存在的不足,提出一种全局规划和局部规划相结合的混合型规划方法。全局规划中,针对基本蚁群算法易陷入局部最优以及易陷入U型或V型障碍物的缺陷,提出采用夭折策略对基本蚁群算法进行改进,并采用改进的蚁群算法离线规划出一条粗略的全局优化路径,将该"粗"路径分解为局部规划各个阶段的子目标。局部规划中,机器人实时探测局部环境信息,应用滚动优化原理,不断修正运动路线,使机器人在每一时刻的滚动窗口内都避开障碍物向子目标点运动,把整体的寻优分解为各个滚动窗口内的局部寻优,克服了全局规划不能追踪动态信息的缺点。仿真结果表明,该方法可行且具有良好的稳定性。     

基于改进人工势场法的搬运机器人避障算法研究

搬运机器人作为移动机器人中的一种,应用前景十分广泛。基于搬运机器人的避障问题,对人工势场法进行研究,针对人工势场法容易出现的局部极小值问题和目标不可达问题进行分析,通过引入虚拟障碍物模型,较好地解决了人工势场法的局部极小值问题;修改斥力模型修正了目标不可达问题。在MATLAB软件中对改进之后的算法进行仿真,验证了该算法的可行性。     

动态环境中基于改进势场法的移动机器人路径规划

在一般势场法的基础上,针对动态环境中,目标和障碍物都是运动的条件下,提出了一种改进的势场法。通过在吸引力势场函数中引入相对速度和设置机器人的避碰预警距离等方法解决了目标移动环境下路径规划的问题。仿真实验证明该方法是有效的。     

融合改进RRT和动态窗口法的路径规划算法北大核心

针对传统RRT算法在规划中随机性过大,搜索时间过长且不能够实现动态避障等问题,从3个方面进行改进。针对RRT算法搜索树扩展方向过于随机,根据以起始点与目标点为对角线的矩形中的障碍物占比向目标点方向扩展,分别在有障碍物与无障碍物的环境中与传统RRT算法对比,验证改进算法的高效性;对改进算法规划的路径进行关键节点提取,并按照关键节点进行优化;将优化后路径分段使用改进动态窗口法。将融合算法与传统动态窗口法以及RRT算法在路径拐点数量以及路径长度等方面进行比对,结果表明:融合算法具有高效性且在规划的路径中加入临时障碍物时,移动机器人也能很好地避开。