一种基于神经网络的机器人路径规划算法

研究已知障碍形状和位置环境下的全局路径规划问题。给出了一个路径规划算法，其能量函数的定义利用神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程。规划出的路径达到了析线形的最短无碰路径。仿真研究表明，本文提出的算法计算简单，收敛速度快，方法可行。     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

机器人避开多随机障碍物的路径规划遗传算法

针对当前路径规划中存在的诸多问题,提出了基于遗传算法的机器人避开多随机障碍物的路径规划方法。首先提出障碍物环境的神经网络模型,并利用该模型建立机器人动态避碰路径与神经网络输出的关系,将需规划路径的二维编码简化成一维编码,并把动态避碰要求和最短路径要求以及边界约束条件融合成一个适应度函数。通过对该算法进行实验仿真,证明该方法具有良好的动态避障性能,是有效和正确的。     

强化学习方法在移动机器人导航中的应用

路径规划是智能机器人关键问题之一,它包括全局路径规划和局部路径规划.局部路径规划是路径规划的难点,当环境复杂时,很难得到好的路径规划结果.这里将强化学习方法用于自主机器人的局部路径规划,用以实现在复杂未知环境下的路径规划.为了克服标准Q 学习算法收敛速度慢等缺点,采用多步在策略SARSA(λ)强化学习算法,讨论了该算法在局部路径规划问题上的具体应用.采用CMAC神经网络实现了强化学习系统,完成了基于CMAC神经网络的SARSA(λ)算法.提出了路径规划和沿墙壁行走两个网络的互相转换的方法,成功解决了复杂障碍物环境下的自主机器人的局部路径规划问题.仿真结果表明了该算法的有效性,同传统方法相比该算法有较强的学习能力和适应能力.     

改进人工势场法和ID-BFS融合算法的无人艇路径规划研究

为解决传统人工势场法在无人艇路径规划中存在的问题,提出一种改进人工势场法和ID-BFS算法的融合算法。针对目标不可达问题,在斥力势场函数中添加目标点距离因子进行修正;针对局部极小值问题,提出一种利用虚拟目标点配合ID-BFS算法进行局部路径修正的方法;针对环境中存在大型不规则障碍物的情况,增加障碍物边界斥力模型,在障碍物实际边界处提供斥力,使算法不会穿越障碍物边界。作者结合类真实规划场景对算法进行仿真实验。试验结果表明,文中算法有效解决了传统算法存在的弊端:引入距离修正因子解决了目标不可达问题;基于虚拟目标点和融合ID-BFS算法的局部路径搜索法对局部极小值有一定的规避和逃离作用;添加障碍物边界斥力模型提高了算法在复杂环境下的适应性,并可以做到在复杂环境下的实时规划效果。     

基于旋转势场法的双足机器人避障路径规划方法

针对双足机器人在实际环境中运动时难以实时规避障碍物的问题,本文提出了基于旋转势场法的避障路径规划方法。该方法将足迹规划思想引入基于势场法的局部实时路径规划中,通过设计新的障碍物旋转势场来解决传统势场法的局部极小值问题,进而利用旋转势场和足迹规划间的映射关系实现双足机器人的实时避障运动。将该算法应用到一台双足机器人上进行实验验证,现场设定障碍物使路径更接近实际作业环境,机器人顺利完成了U型场地的避障,验证了该方法的有效性。     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题，提出了一种基于遗传模拟退火算法的静态路径规划方法．通过对算法进行实验仿真，结果表明提出的静态路径规划方法是正确有效的．     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

基于偏好粒子群算法的移动机器人路径规划

针对粒子群算法收敛速度快,但易陷入局部最优的问题,提出一种基于偏好粒子群算法的移动机器人路径规划方法.在对障碍物环境建模的基础上,根据避障偏好利用粒子群优化算法规划出全局最优路径.为避免搜索过程中算法陷入局部最优,采用深度优先搜索策略,保持了种群的多样性,提高了算法的搜索能力.实验结果表明:该方法能够有效地避开障碍物,并且获得较好的路径规划效果.     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题,提出了一种基于遗传模拟退火算法的静态路径规划方法.通过对算法进行实验仿真,结果表明提出的静态路径规划方法是正确有效的.     

动态环境下基于改进蚁群算法的机器人路径规划研究

针对动态复杂条件下的移动机器人路径规划问题,根据全局静态环境先验知识,提出一种改进蚁群算法。在经典蚁群算法的基础上通过调整转移概率,限定信息素强度的上下界,并引入相关策略解决死锁问题,可以避免初期规划的盲目性,增加解的多样性,提高算法的全局搜索能力,进一步减小算法早熟的可能性。在规划过程中,根据动态障碍物运行方向的变化与否,提出了相应的碰撞避免策略,并针对环境突发状况引入Follow_wall行为进行改进。仿真实验证明,该算法优于经典蚁群算法,可有效地指导移动机器人避免环境中的动态障碍物,获取无碰最优或次优路径,并能更好地适应环境的变化。     

基于改进人工势场法的移动机器人路径规划

为解决传统人工势场法存在局部极小值问题而导致路径规划失败问题,提出了基于改进人工势场的角度偏移法,使机器人迅速逃离局部极小值点,成功规划出一条平滑无碰撞路径。仿真实验证明了该方法规划的有效性。     

基于局部模型的水下机器人避碰方法研究

提出了基于局部模型的水下机器人的避碰方法。文中首先分析了水下机器人的避碰声纳的工作机理及存在的问题,然后介绍了基于栅格的局部模型的建立方法,根据局部模型确定出机器人周围障碍物的分布情况;最后根据规则进行避碰规划。文中给出了详细的仿真结果。     

基于粒子群优化算法的水面无人艇分层局部路径规划

基于粒子群优化算法,将无人艇的局部路径规划分为静态障碍物避障和动态障碍物避障两个层面。首先确定了粒子群优化算法中相关参数取值和适应度函数,对障碍物进行基于极坐标系下的圆形和有向包围盒建模。然后利用启发式知识对粒子进行初始化,加入路径平滑优化处理方法实现第1层路径规划——静态障碍物的避障。然后结合相关海事规则实现第2层路径规划——动态障碍物的避障,并通过两个层次的规划得到无人艇规避障碍物的最优路径。最后通过仿真实验验证了文中算法的可行性和有效性。     

一种移动机器人三维路径规划算法

研究移动机器人在三维工作环境中的全局路径规划问题,提出了一种基于神经网络结构能量函数的路径规划算法,可根据障碍物的形状设定不等的模拟退火初始温度.仿真结果表明,该算法计算简单,收敛速度快,是一种有效的移动机器人三维路径规划算法.     

动态环境下移动机器人路径规划的一种方法

研究障碍物的形状以及位置未知环境下的动态路径规划的问题，采用栅格表示障碍物与机器人的大小、位置以及他们的运行环境地图，给出了一种路径规划的算法，该算法计算简单，搜索速度快，通过仿真试验发现，用该方法规划的路经取得了比较好的效果。     

基于神经网络和粒子群算法的移动机器人路径规划

针对移动机器人传统路径规划算法效率不高,寻优能力差等问题,提出一种基于神经网络和粒子群优化算法相结合的移动机器人路径规划方法.该方法利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性.仿真结果表明,这种新路径规划方法是可行且有效的.     

移动机器人分层路径规划方法研究

移动机器人研究的一个重要领域是全局路径规划,为此给出一种路径规划方法：分层单元分解法,该方法将机器人的工作空间分层分解,并在每一层搜索路径;最终得到一条与障碍物无碰的全局路径,详细介绍了算法的实现,并进行了仿真实验,仿真结果证明了该算法能有效地节省内存空间,在大的工作环境下具有很强的实用性。     

一种动态不确定环境下的机器人路径规划算法

为了提高机器人在动态不确定环境下的实时性和适应能力,提出了一种机器人实时路径规划新方法.采用环境信息处理算法,通过搜索实时局部环境信息特征信息的方式对环境信息进行分析和处理.该方法能够捕捉动态障碍物并对动态障碍物的运动规律进行预测,将特征信息及时更新给运动动作规划算法部分.运动动作规划算法是通过引入启发式思想选择双安全子目标点,完成规划运动动作并实现优化路径.在不同环境下进行仿真实验,检验了算法的有效性,证明算法在动态不确定环境下具有良好的实时性和适应性。     

基于交互式多模型算法的无人车车辆跟踪预测技术

针对无人车车辆路口通行中动态目标的跟踪预测,分析比较基于SICK与Velodyne两种激光雷达数据的车辆提取方法,参照Velodyne的提取方法,提出合适的激光雷达布局对路口环境中的动态障碍物(主要是车辆、行人)信息进行了提取.选取交互式多模型(IMM)算法对动态目标运动趋势进行预测,并对IMM算法进行优化,提出将局部路径规划的三次曲率多项式算法抽象为路径规划模型,作为IMM算法的滤波模型以替代常规的车辆运动模型作为滤波模型.验证实验结果表明基于路径规划模型的IMM算法在无人车车辆运动趋势的预测上具有更好的超前性与更高的预测精度.