移动式煤炭采样机采样臂智能避障路径规划方法研究

针对煤炭采样臂智能避障路径规划问题,基于改进人工势场算法提出了一种路径规划方法。根据采样臂工作特点,构建了一种位姿信息的表征方法,并建立了采样臂与障碍间的虚拟仿真模型。以采样臂关节空间为搜索空间,以总势能最小为目标函数,实现了避障路径规划。规划过程综合考虑了关节限位、连杆碰撞与障碍物安全距离信息,并通过引入虚拟坡度防止规划陷入局部极小值。通过仿真实验得到的路径平滑连续,且满足安全距离的要求,验证了规划方法的有效性和可行性。     

复杂动态环境下基于深度强化学习的AGV避障方法

为提升自动导引车(AGV)在智能工厂复杂动态环境下的避障能力，使其能在全局路径引导下安全、高效地完成避障任务，提出一种基于深度强化学习的局部避障方法。首先，将避障问题表示为部分观测马尔可夫决策过程，详细描述了观测空间、动作空间、奖励函数和最优避障策略，通过设置不同的奖励实现以全局路径引导局部避障规划；然后，在此基础上，采用深度确定性策略梯度算法训练避障策略；最后，建立了仿真实验环境，并设计多种实验场景来验证所提方法的有效性。实验结果表明，所提方法可以应对复杂动态环境，减小避障时间与距离，提高运行效率。     

基于改进快速扩展随机树算法的双机械臂协同避障规划方法

提出了一种基于改进RRT算法的双机械臂协同避障运动规划方法。针对静态障碍物对主臂进行避障运动规划,寻找主臂可行路径。将主臂每一时刻的运动位姿视为规划从臂运动时的动态障碍物,为从臂规划可行运动路径。为提高算法的搜索效率,利用节点剪枝择优和设置目标区域的方式使算法快速收敛。在MATLAB程序建模实验的基础上,在ADAMS中进行仿真实验,验证了该算法的有效性和可行性。     

基于视觉的平面关节机器人避障路径规划

针对平面关节机器人工作平面相对固定的特性，利用相机获取工作平面的环境信息。从图片构建地图信息的过程中，提取障碍物轮廓作为障碍物栅格，并将世界坐标下的安全距离映射为像素坐标下的安全像素距离，再将轮廓曲线沿法向向外扩展安全像素距离得到完整的地图信息。考虑到传统A*算法搜索的路径存在冗余节点会对后续机器人的速度规划带来较大的困难，利用改进的A*算法，剔除了路径上的冗余节点，减小了速度规划的复杂度；同时，障碍物轮廓已被扩展安全像素距离，保证了路径搜索过程中节点到障碍物的最小距离，实现了安全距离可控的避障路径规划。     

沿全局最优路径滚动避障的车间机器人导航研究

为了减少机器人在车间工作时的路径长度、提高行驶安全性,提出了全局规划和局部滚动避障相结合的机器人导航方法。对车间静态环境进行全局路径规划,在传统蚁群算法基础上,在转移概率中引入节点被访问次数作为新启发因子、同时引进随机选择策略和"回退-惩罚"策略,从而提出了基于改进蚁群算法的全局路径规划方法。对车间动态环境进行局部滚动预测避障,分确定和不确定运动提出了碰撞预测和碰撞避免策略,实现了沿全局最优路径滚动避障行驶。经仿真验证,改进蚁群算法规划出的路径比传统方法缩短了42.3%;在车间动态环境下,机器人使用滚动预测避障策略可以沿着最优路径安全到达目标点,实现了机器人在车间动态环境下安全导航。     

基于改进蚁群算法的AGV路径规划

针对复杂仓储环境中自动引导车AGV的路径规划问题,提出一种改进型蚁群路径规划算法。首先,通过栅格法建立AGV运行环境,在传统蚁群算法基础上引入方向系数,改进蚁群算法的启发函数,使算法初期在路径选择上具有指向性;其次,加入全局信息素更新机制,以提高算法搜索效率;最后在路径选择过程中引入安全距离判断策略,使AGV在安全距离范围内通过障碍物。仿真结果表明,改进蚁群算法能够快速搜索出最优路径,同时能实现自主避障和避免陷入死锁。     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

一种任务转化的动态避障算法

传统的避障算法多适用于静态障碍物,且当障碍物位于机械臂末端期望轨迹上时,算法会失效,针对传统算法的不足提出了一种基于任务转化的动态避障算法。该算法通过监测机械臂各杆件与障碍物之间的最小距离变化实现末端期望轨迹跟踪运动和避障运动的任务转化,通过实时监测障碍物的位置变化完成动态避障。最后,通过三自由度平面冗余度机器臂的仿真实验,验证了该算法的有效性。仿真结果表明,该算法能够有效解决当障碍物位于机械臂末端期望轨迹上时存在的冲突问题,且能够完成动态避障。     

基于椭圆碰撞锥的无人艇海洋动态避障控制方法

为了提高无人艇在海洋动态避障中的效率,提出一种基于椭圆聚类-碰撞锥推演的可预测型无人艇海洋动态避障控制方法。在现有的路径规划算法,大多数对障碍物进行圆形建模,进一步采取规避措施。依据无人艇在海洋环境下实际的碰撞问题,提出对动态船只进行椭圆聚类,进一步提高无人艇的避障效率。提出的避障算法结合了《国际海上避碰规则》(COLREGS),并在避障结束后回归到初始规划轨迹上,最后,对提出的动态避障算法进行了仿真分析和实验测试。     

基于改进蚁群算法的移动机器人最优路径规划

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢及转弯次数多等问题,提出了一种改进蚁群算法。该算法将栅格法建立的环境模型划分为3种不同搜索区域,运用数学模型按距离比值方法对初始信息素差异化分配,避免蚂蚁前期盲目性搜索;基于可选孙节点个数的区域安全信息和转角启发信息选择下一子节点,并构造目标性启发函数,有效减少蚂蚁陷入死锁次数,提高路径平滑性和目标导向性。采用"狼群分配策略"更新信息素,加快路径的优化。在动态路径规划中,根据滚动窗口的信息检测与碰撞预测,对不同的碰撞类型实施有效的避障策略。仿真结果表明,改进蚁群算法规划出的路径长度更短、转弯次数更少,能够有效避开静态及动态障碍物,具有较好的全局优化性,验证了改进蚁群算法在静态及动态路径规划下的可行性和优越性。     

汽车高速状态下紧急避障系统研究

为了保证汽车在高速状态下紧急避障的安全性,研究了汽车紧急避障系统。建立了汽车动力学模型和质点模型;使用S函数规划了初步避障路径,考虑避障过程中路径内出现新障碍物的情况,提出了模型预测控制的路径再规划方法;在路径跟踪方面,考虑汽车高速行驶在低附着路面等极限工况,以路径跟踪误差最小和输入量最小为优化目标,设计了考虑车辆非线性特征的线性时变模型预测控制器。经仿真验证,在避障过程中路径内出现新障碍物时,路径再规划方法可以规划出一条安全、且偏离初步路径最小的路径;在极限工况下,线性模型预测跟踪控制器会发生甩尾危险,无法实现路径跟踪;而线性时变模型能够实现路径跟踪,且跟踪过程安全稳定。     

基于安全点引导混合算法的启发式机器人动态路径规划

针对机器人在复杂环境下路径规划难以兼顾全局最优和实时避障的问题，将改进的A^*算法和人工势场法结合，提出一种具有启发式动态路径规划的安全点引导(SPG)混合算法。设计了终点逼近策略，解决了传统A^*算法规划路径转折点过多的问题，同时采用平面向量积法避免传统人工势场法路径振荡。设计安全点引导的启发式策略将两种改进算法结合，既保证安全路径，又逃离局部极小值点。分别在静态和动态环境下对SPG混合算法进行仿真并与传统混合算法相比，静态环境和动态环境下的路径长度与运行时间分别缩短了10%,25.6%和9.5%,30.9%,表明SPG混合算法具有良好的全局路径规划与动态避障能力。最后在真实场景中验证了SPG混合算法的有效性。     

基于虚拟目标点的足球机器人路径规划的研究

在构筑微型机器人足球系统的基础上,开发了视觉子系统和无线通讯子系统。针对足球机器人运动的决策子系统,提出了基于虚拟目标点的路径规划方法和避障算法。仿真和实验证明,这种算法在动态路径规划中的有效性。     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

自动泊车系统中AGV路径规划及碰撞规避问题分析

采用抑制转弯权值的改进A~*算法作为全局路径规划,结合动态冲突检测及动态避障策略,有效解决多AGV运行环境下的运行安全问题。优化算法能够实现AGV最优路径规划及动态避障功能,且算法执行效率高,在采用拓扑图法对智能停车场的实际环境建模的基础上,可提高AGV在实际应用领域的综合效益。     

基于ROS的语音导航智能小车设计与研究

为提高移动智能小车SLAM自主导航避障性能和运动稳定性,提出一种基于ROS框架的语音导航智能小车设计方法.建立智能小车的运动学模型,完成硬件电路和软件平台的搭建,基于粒子滤波器的FastSLAM算法,结合A*和动态窗口法DWA,编写ROS框架下的Gmapping功能包,实现智能小车的运动实验仿真、路径规划和动态避障.采用语音识别控制策略,利用Gazebo仿真和Rviz可视化,开展智能小车的语音导航试验.对比分析A*结合TEB算法的小车避障耗时及运动平顺性,仿真与实车验证结果均表明,本文方法设计的智能小车避障时间短,移动路径具有连续性,语音导航对环境的适应性强.     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

一种有效的移动机器人行为融合避障方法

移动机器人避障路径规划问题一直是移动机器人自主导航问题的关键。现有的避障路径规划算法多数针对某一指定目标寻优过程,经常出现为了获得最优解或最优路径而导致死锁或震荡现象。引进多目标优化理论,提出一种基于动态区间权重的多目标优化避障算法,该算法把避障过程划分为3种动作行为融合过程,通过赋予行为函数不同的权重,实时动态改变不同动作行为的输出比率。不是获得当前时刻最优解或最优路径,而是仅获得当前时刻的最有效解、最满意路径。从理论上分析并证明多行为输出避障导航系统的有效性和鲁棒性。试验表明该算法可以在确保移动机器人避障过程的实时性和鲁棒性前提下有效地提高避障过程的灵活性和安全性。     

基于弹簧模型的移动机器人路径规划研究

针对传统人工势场法在路径规划中存在局部极小点问题,提出了一种基于虚拟弹簧模型的移动机器人局部路径规划算法。通过模拟弹性小球在有障碍物的斜坡上滚下过程中的受力情况,规划移动机器人从开始位置到目标点位置的移动过程;建立弹簧力学模型完成机器人的避障行为,并结合使用沿障碍物边缘移动和切换目标点位置两种控制策略,解决局部路径规划算法极易出现的局部极小点问题。仿真试验和实际移动机器人的实验表明,该算法能进行实时避障和路径规划,并确保移动机器人在绝大部分环境中能安全、快速地到达目标点。     

基于改进型DWA的移动机器人避障路径规划

针对传统动态窗口法(DWA)中存在的绕行于稠密障碍物区外侧,造成总路程增加,遇见距离相近障碍物构成的"C"形障碍物组合而陷入评价函数失灵等问题,提出了基于改进型DWA的移动机器人避障路径规划。首先,基于本文提出的关键航迹点的概念,提取出A*全局规划路径轨迹中的关键航迹点;然后,以关键航迹点到待评价轨迹的距离作为依据,定义新的评价子函数,获得新型DWA评价函数。仿真结果表明:该基于改进型DWA的移动机器人避障路径规划能够提前规避"C"形障碍物组合,并且提升了传统DWA算法对稠密障碍区的通过性。仿真实验中总迭代次数、运行时间及总路程均缩短了10%以上。