改进的A＊算法在机器人路径规划中的应用

文中提出了一种改进的A＊算法并应用于机器人路径规划中。采用基于A＊算法的二次路径规划策略,机器人行走时遇到突然出现的未知障碍物时能有效地进行路径重规划;采用基于优先级的子节点生成策略,考虑到了现实中机器人的体积,使规划路径能在现实中得到执行;最后,通过MATLAB仿真平台进行了仿真,验证了此算法的有效性和可靠性。改进的A＊算法提高了机器人的智能水平和实时路径规划能力。     

一种改进RRT的多机器人编队路径规划算法

多机器人路径规划是机器人领域的一个热点问题,相比于单机器人路径规划,其算法难度和复杂度都有所增加,在规划时需要兼顾多机避障、相互协作等难点问题.本文提出一种改进快速扩展随机树的多机器人编队路径规划算法,用于解决多机器人在复杂环境下的编队路径规划问题.针对多机器人在编队规划中的位置约束问题,定义机器人之间的领航-跟随结构,并对机器人队形建模.针对规划过程中编队朝向变化问题,建立搜索树扩展方向与队形方向之间的联系,通过调整队形方向改变规划时的编队朝向.针对具有质点模型和非完整约束动力学模型两种不同模型的多机器人系统,分别进行了仿真实验.仿真结果表明该算法在处理多机器人编队路径规划问题时可以取得良好的效果.     

免疫算法在移动机器人路径规划中的应用

具体阐述了免疫算法在移动机器人路径规划中的应用,使机器人从给定点到目标点可以有效地躲避障碍物而且找到一条最短的路径;构建了机器人的数学模型和亲和力函数,并且说明了机器人的控制方式,给出了算法的具体实现步骤以及仿真实验。实验结果表明,免疫算法在应用到移动机器人路径规划时具有良好的性能。     

基于改进双向A*势场混合算法的灭火机器人路径规划方法研究

在灭火机器人的运行中,由于其工作环境的复杂性对机器人的路径规划提出了很高的要求,因此本文提出了一种改进A*算法和人工势场法相结合的路径规划算法。本文采用双向搜索方式的A*算法进行全局规划,解决了传统A*算法耗时长的不足;本文采用改进的人工势场法进行局部动态路径规划,解决了目标不可达和局部极小值问题。本文通过MATLAB平台,分别对改进A*算法和人工势场法进行仿真分析,结果表明混合算法有效减少规划时间并可生成更优路径。最后,在Turtlebot2移动平台上对该融合算法应用进行实验,结果表明融合算法减少了规划计算时间,使路径搜索效率和规划指标得到显著提升。     

一种煤矿井下救灾机器人路径规划方法

针对煤矿救灾的时效性,提出了一种基于遗传算法的煤矿井下救灾机器人路径规划方法。模拟煤矿井下环境,设立坐标点,构建地图;通过组合方式编码,完成初始群体设定;以路径长度最短,行走速度最快为目标,设计适应度函数;完成交叉算子及变异算子设计。仿真实验证明了该算法的有效性和可行性。     

改进的A∗算法移动机器人路径规划

针对复杂环境下移动机器人利用A*算法规划的路径存在转折点多,路径不够平滑且移动机器人无法在拐点处自动调整姿态等问题,提出一种改进的A*算法。首先在障碍物边缘放置虚拟障碍物形成缓冲区,同时改进A*算法启发搜索函数,并在静态、动态环境下进行仿真。最后对规划出的路径利用动态切点法进行二次平滑处理,使得路径进一步平滑便于机器人控制。仿真结果表明,改进算法较原A*算法规划的路径远离障碍物,时间缩短16.3%,无锐角转折点,累计转折角度减少10%-20%;减少了机器人碰撞的几率,提高了路径规划效率和机器人的稳定性,以及通过狭窄区域或通道的能力。     

基于模糊算法的移动机器人路径规划

为了解决移动机器人最优路径规划问题,提出一种基于模糊算法的移动机器人路径规划策略.利用超声波传感器对环境进行探测,得到关于障碍物和目标的信息.运用模糊推理将障碍位置信息与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好的避障,从而实现了移动机器人的路径规划.仿真实验结果表明了模糊算法优于势场法和A*算法,具...     

基于遗传算法的足球机器人路径规划

足球机器人系统是一个智能型系统,并且处于一个具有实时对抗性的动态的复杂环境系统中。路径规划层是机器人决策系统的核心之一。本文研究了足球机器人系统的运动学原理,讨论了遗传算法在足球机器人路径规划中的应用,使机器人能避开障碍物从给定点到目标点找到一条比较短的路径,进行仿真实验,比较了不同遗传代数对路径规划的影响。     

改进Ａ∗算法与人工势场算法移动机器人路径规划

针对复杂环境下移动机器人路径规划问题,提出了将局部路径规划与全局路径规划相混合的路径规划方法。首先,对全局规划A*算法进行改进。改进后的A*算法路径转折点减少,总转折角度减小并删除冗余节点,缩短了路径长度;其次,综合环境和路径的情况以全局路径的拐点为局部目标点,采用改进的人工势场法进行局部路径规划,通过加入机器人与目标点的相对位置和改变合力角度的方法来解决目标不可达问题和局部极小值问题;最后对所提算法进行仿真,仿真结果表明该算法可以有效解决复杂环境下移动机器人路径规划的问题,提高规划效率。     

多策略集成的樽海鞘群算法的机器人路径规划

针对求解机器人路径规划问题,本文提出了一种多策略集成的樽海鞘群算法.在该算法中,提出了新的自适应领导者结构,以平衡算法的探索和开发能力;引入可以提高Lyapunov指数的Logistic-Cubic级联混沌映射作为食物源的扰动算子,来避免算法陷入局部最优;采用基于自适应参数的分散觅食策略使部分追随者探索有前景的区域.在CEC 2014测试集的多种函数上,本文算法与3种改进的樽海鞘群算法和5种先进的群智能算法进行比较,结果表明本文算法综合优化性能更好.本文算法2将其用于求解机器人路径规划问题,其中用三次样条插值对路径进行平滑.在障碍是8,9,13的环境下分别进行仿真实验,仿真结果表明,本文算法在给定的仿真场景下与给定的对比算法相比获得了最好的结果.     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

未知环境下一种移动机器人实时最优路径规划方法研究

 针对未知环境下移动机器人的安全路径规划问题,提出一种基于改进神经网络和模拟退火算法相结合的方法.神经网络表示机器人的工作空间,通过BP反向算法学习外部环境结构特征和信息表示,进而优化障碍物神经网络的连接权值,利用模拟退火算法搜寻代价函数的负梯度方向,采用组合探测器来减小模拟退火算法搜索区域和应用后退策略及设置虚拟目标点的方法处理局部路径规划中出现的陷阱问题.仿真验证此方法有效性和正确性.     

基于环境模型的移动机器人路径规划

介绍了一种新的移动机器人路径规划方法。采用链接图法，对工作空间建模。用Dijkstra算法决策出全局最短路径，然后用遗传算法对此路径进行优化，得到全局最优路径。最后提出了一种对路径几何改进的方法。仿真结果表明，该方法方便简单，对所规划的路径质量有所提高。     

基于惯性导航的扫地机器人系统设计

针对扫地机器人行进中姿态控制难和无规划式清扫等问题,设计了一种以STM32F030R8T6微控制器为主控制器,以单轴陀螺仪GGPM01为姿态角检测传感器及以弓字形清扫方式为路径规划法的扫地机器人系统。因陀螺仪数据存在随机误差和噪声干扰,故采用卡尔曼滤波算法对陀螺仪和光电编码器数据进行融合,计算出机器人当前的偏航角最优估计值。再以最优偏航角和机器人速度为反馈量构成串级比例、积分、微分(PID)控制,实现机器人的直线行驶,最后采用弓字形算法实现路径规划。通过系统的仿真及软件测试,机器人以10.2～12.6 m/min的速度完成弓字形路径规划,最大角度偏移量为0.4°,验证了扫地机器人的功能特性及算法的有效性。     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

Robot path planner based on deep reinforcement learning and the seeker optimization algorithm

Path planning is one of the key technologies for mobile robot applications. However, the traditional robot path planner has a slow planning response, which leads to a long navigation completion time. In this paper, we propose a novel robot path planner (SOA+A2C) that produces global and local path planners with the seeker optimization algorithm (SOA) and the advantage actor-critic (A2C) algorithm, respectively. In addition, to solve the problems of poor convergence performance when training deep reinforcement learning (DRL) agents in complex path planning tasks and path redundancy when metaheuristic algorithms, such as SOA, are used for path planning, we propose the incremental map training method and path de-redundancy method. Simulation results show that first, the incremental map training method can improve the convergence performance of the DRL agent in complex path planning tasks. Second, the path de-redundancy method can effectively alleviate path redundancy without sacrificing the search capability of the metaheuristic algorithm. Third, the SOA+A2C path planner is superior to the Dijkstra & dynamic window approach (Dijkstra+DWA) and the Dijkstra & timed elastic band (Dijkstra+TEB) path planners provided by the robot operating system (ROS) in terms of path length, path planning response time, and navigation completion time. Therefore, the developed SOA+A2C path planner can serve as an effective tool for mobile robot path planning.     

A path tracking control system for autonomous mobile robots: an experimental investigation

A path tracking control system developed for autonomous mobile robots driven by wheels is described. In conventional approaches, the path is usually planned by smooth curves with curvature-continuity and a path tracking controller is independently designed to compensate the path error occurring in the navigation. However, smooth path planning is difficult to execute on-line due to the computational burden. In addition, the conventional path tracking algorithm often causes unpredictable tracking motion when large path error occurs. In previous work, the present authors presented a bang-bang path tracking algorithm by which smooth and stable tracking motion could be obtained even for the path given by simple combination of straight lines or circles and its effectiveness was proven via preliminary simulation studies. However, there still remained the problem that the design parameter called landing coefficient could not be optimally chosen and performance verification through real system application was not accomplished. In this study, we improve the algorithm which can determine the design parameters analytically and verify its performance by implementing the algorithm in an actual mobile robot control system designed using a personal computer. To investigate the performance of the control system, a series of path tracking experiments was conducted for a two-wheel driven robot developed in the laboratory.     

移动机器人路径规划方法研究

移动机器人技术研究中的一个重要领域是路径规划技术，它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状指出了各种方法的优点与不足，最后对移动机器人路径规划技术的发展趋势进行了展望。