基于改进模糊算法的水面无人艇自主避障

为了提高水面无人艇（USV）在未知、复杂环境下的连续避障性能,提出一种具有速度反馈的模糊避障算法。USV利用激光扫描雷达与多路超声波传感器感知周围环境,通过对障碍物信息进行分组并设置权值的方式进行多传感器数据融合,并在模糊控制的基础上根据环境情况自动调整航速;进而提出一种考虑障碍物所有分布情况的更全面的模糊控制规则表,增强了USV对复杂环境的适应能力。实验结果表明,所提方法能通过与环境交互调整USV航速使其成功避障并优化避障路径,具有良好的可行性和有效性。     

基于凸面体圆弧航路的无人机自主避障算法

为解决无人机飞行过程中障碍物规避问题,提出一种新的三维自主避障算法.首先,根据障碍物的若干信息利用标准凸面体对不规则障碍物进行数学建模,用一个或多个标准凸面体覆盖障碍物整体或关键部分;然后,根据障碍物模型设计圆弧规避航路算法,将避障问题转化为跟踪规避航路控制问题,并定义避障判定、避障方向判断和成功避障规则;最后,结合非线性制导律和高度通道控制,实现无人机实时三维航路跟踪与自主避障.非线性数值仿真结果表明,避障算法能够有效地规避障碍物且三维航路跟踪精度好,能够应用于无人机的避障飞行任务.     

水面无人艇模糊近域图避障方法研究

针对复杂海洋环境下水面无人艇(USV)的危险规避问题,介绍一种基于局部环境信息感知的避障算法——近域图(ND)法。结合 USV高速的特性及ND法在速度控制上的跳跃性,采用模糊理论平滑速度输出,对ND法进行改进。在速度控制中加入与周围障碍物距离相关的动态系数,从而减小USV自身惯性带来的危险规避动作误差,提高了其安全性。VxWorks系统下的仿真结果表明,改进的模糊ND法能够使USV在复杂的环境下准确、快速地躲避障碍物并到达目标点。     

机械臂三维避障算法研究

为解决现有机械臂避障算法计算量大且难以实现非结构环境下三维避障问题,对分解运动速度控制算法(RMRC)进行了改进,并将其应用到Motoman机械臂三维避障中.通过对Motoman机械臂机构的合理简化和RMRC算法的进一步改进,利用Matlab搭建的Motoman机械臂仿真模型,在具有静态和动态障碍物的三维环境中对连续轨迹(CP)和点到点(PTP)的运动控制进行了仿真,最后利用所搭建的遥操作系统时改进后的算法进行验证.仿真和实验结果证明了算法的有效性和实用性.     

面向无人艇的T-DQN智能避障算法研究

无人艇(Unmanned surface vehicle, USV)作为一种具有广泛应用前景的无人系统,其自主决策能力尤为关键.由于水面运动环境较为开阔,传统避障决策算法难以在量化规则下自主规划最优路线,而一般强化学习方法在大范围复杂环境下难以快速收敛.针对这些问题,提出一种基于阈值的深度Q网络避障算法(Threshold deep Q network, T-DQN),在深度Q网络(Deep Q network, DQN)基础上增加长短期记忆网络(Long short-term memory, LSTM)来保存训练信息,并设定经验回放池阈值加速算法的收敛.通过在不同尺度的栅格环境中进行实验仿真,实验结果表明, T-DQN算法能快速地收敛到最优路径,其整体收敛步数相比Q-learning算法和DQN算法,分别减少69.1%和24.8%,引入的阈值筛选机制使整体收敛步数降低41.1%.在Unity 3D强化学习仿真平台,验证了复杂地图场景下的避障任务完成情况,实验结果表明,该算法能实现无人艇的精细化避障和智能安全行驶.     

远程自治水下机器人三维实时避障方法研究

海洋环境通常是不确定、非结构化和未知的，而远程AUV（LAUV）的避障声纳对环境感知有一定的局限，因此很难建立起精确、完整和统一的三维环境模型．LAUV实时避障是一个实时性很强的动态过程，它不但与环境有关，而且还与LAUV的运动学约束、动力学特性和操纵性有关．针对上述问题本文提出了一种基于复合控制的三维实时模糊避障方法．     

基于模糊改进人工势场法的机器人避障方法研究

在内部密封、狭窄、多障碍的船舱环境中,障碍物的分布具有随机性和不确定性,对于移动机器人的避障方法而言,传统人工势场法存在目标不可达、局部极小值等问题.设计了一种基于模糊逻辑的改进人工势场法,在避障算法的局部极小值附近,基于模糊逻辑给予移动机器人辅助控制力,帮助机器人逃离局部极小值点,避免机器人在避障过程中陷入局部极小值点的问题,并且优化路径.仿真实验表明:在多障碍复杂环境下,该算法能实现机器人实时、安全的避障.     

一种改进A*算法在无人船路径规划中的应用

无人水面船(USV)是一种新型的智能水面艇,全局路径规划是USV研究的关键技术.为了降低USV的航行成本,缩短全局路径总里程,改善路线中的波折抖动问题,提出了一种改进A*算法.改进算法中首先对启发函数结合了分区距离信息和角度变量的加权,然后使用了路径曲线平滑方法.对S-57电子海图进行解析、栅格化处理后得到仿真环境模型,在上述环境模型下验证改进后A*算法的有效性.仿真结果表明,环境模型构建方法和改进的A*算法能够生成安全合理、总里程更少,路线平滑流畅的全局路径.     

基于生物启发模型的AUV三维自主路径规划与安全避障算法

针对自治水下机器人(AUV)的路径规划问题,在三维栅格地图的基础上,给出一种基于生物启发模型的三维路径规划和安全避障算法. 首先建立三维生物启发神经网络模型,利用此模型表示AUV的三维工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;然后,根据神经网络中神经元的活性输出值分布情况自主规划AUV的运动路径.静态环境与动态环境下仿真实验结果表明了生物启发模型在AUV三维水下环境中路径规划和安全避障上的有效性.     

融合改进A*与DWA算法的移动机器人路径规划

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求,对传统A*（A-star）算法进行改进,并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比,将障碍物占比引入传统A*算法,优化启发函数h(n),从而改进评价函数f(n),提高其在不同环境下的搜索效率;其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题,优化子节点选择方式,同时删除路径中的冗余节点,提高路径的平滑度;最后融合动态窗口法,实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明,改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化,满足全局最优且能实现动态实时避障,具有更优秀的路径规划效果。