基于改进Ａ∗＋ＲＤＰ算法的无人艇回坞路径规划方法

针对无人艇（Unmanned Surface Vessel, USV）自动回坞时高效路径规划等任务需求,本文提出了一种基于改进A*算法的无人艇回坞路径规划方法。在传统A*搜索算法基础上增加船艏角度偏差因素和碰撞避免等约束条件,结合拉默-道格拉斯-普克（Ramer-Douglas-Peucker, RDP）算法规划出优化的全局路径。建立航迹最短和推力变化率（Snap）最小的多约束优化模型,推导Snap最优时Bezier曲线构造方法,以满足回坞曲线连续性和运动约束。仿真实验结果表明,相比于传统A*和RRT（Rapidly-exploring Random Tree）算法,本文提出的改进A*+RDP算法规划的路径长度平均缩短了约4%~9%,而且路径规划计算量较低。曲线插值的平滑轨迹满足无人艇的运动学约束,适用于无人艇自动的回坞路径规划任务。     

基于改进人工蜂群算法的机器人路径规划北大核心CSCD

为了实现在避障环境空间下移动机器人的平滑最优路径规划,提出了一种基于改进蜂群算法的三次Bezier曲线优化的路径规划方法。借助Bezier曲线描述路径,把路径规划问题转换为生成Bezier曲线有限个点的位置优化问题,并改进人工蜂群优化算法进行最优路径搜索。该改进算法在雇佣蜂的搜索阶段中引入个体当前最优值及随机向量,并选择新的选择概率函数,不仅加快算法的收敛速度,而且在一定程度上有利于保持种群多样性,防止算法陷入局部最优。仿真结果表明,该算法可以有效地进行平滑路径的无碰撞路径规划。     

基于改进粒子群三次Bezier曲线优化的路径规划

为了实现在障碍环境空间下移动机器人的平滑最优路径规划,提出了一种利用Bezier曲线描述路径与改进粒子群优化算法相结合的路径规划方法。借助三次Bezier曲线描述路径,可以将路径规划问题转换为生成Bezier曲线有限个点的位置优化问题,通过改进的具有指数变化的认知因子的粒子群优化算法进行最优路径搜索。仿真实验表明,该算法可以有效地进行平滑的无碰撞路径规划,并具有较强的跳出局部最优的能力。     

加速度约束条件下的非完整移动机器人运动控制

将移动机器人的运动规划与跟踪控制问题合并在一起，对加速度约束条件下的非完整移动机器人运动控制问题进行研究，提出基于贝塞尔曲线的路径规划方法，以满足机器人的非完整约束．在考虑所受加速度约束的条件下，通过规划机器人状态时问轨线的方法实现了时间最优的轨迹规划．基于控制李亚普诺夫函数推导出了轨迹跟踪的控制律．仿真实验结果表明所提出的算法是有效的．     

基于QPSO 算法移动机器人轨迹规划与实验

针对移动机器人路径规划问题,提出一种基于QPSO算法的路径规划方法,并用概率论的方法分析了移动机器人路径规划的收敛性,阐明了该方法随均匀分布和正态分布的参数关系和收敛区间;然后根据移动机器人的运动特征提出一种改进的轨迹规划方法。移动机器人平台的实验结果表明了该方法在移动机器人路径规划中的有效性和可行性。     

基于四阶贝塞尔曲线的无人车可行轨迹规划

对于实际的无人车系统来说,轨迹规划需要保证其规划出来的轨迹满足运动学约束、 侧滑约束以及执行机构约束.为了生成满足无人车初始状态约束、目标状态约束的局部可行轨迹,本文提出了一种基于四阶贝塞尔曲线的轨迹规划方法.在该方法中, 轨迹规划问题首先被分解为轨形规划及速度规划两个子问题.为了满足运动学约束、 初始状态约束、目标状态约束以及曲率连续约束,本文采用由3个参数确定的四阶贝塞尔曲线来规划轨迹形状.为了保证转向机构可行,本文进一步采用优化方法求解一组最优参数从而规划出曲率变化最小的轨线.对于轨线执行速度规划,为了满足速度连续约束、加速度连续约束、加速度有界约束以及目标状态侧滑约束,本文首先求解了可行的轨迹执行耗时区间,再进一步在该区间中求解能够保证任意轨迹点满足侧滑约束的耗时,最后再由该耗时对任意点速度进行规划.本文结合实际无人车的应用对轨迹搜索空间生成、道路行车模拟以及路径跟踪进行了仿真实验,并基于实际的环境数据进行了轨迹规划实验.     

基于交互车辆轨迹预测的自动驾驶车辆轨迹规划

针对城市道路等复杂行车场景,提出了一种基于交互车辆轨迹预测的自动驾驶车辆轨迹规划方法,将高维度的轨迹规划解耦为低维度的路径规划和速度规划;首先,采用五次多项式曲线和碰撞剩余时间规划车辆行驶路径;其次,在社会生成对抗网络Social-GAN的基础上结合车辆空间影响和注意力机制对交互车辆进行轨迹预测;然后,结合主车规划路径、交互车辆预测轨迹及碰撞判定模型得到主车S-T图,采用动态规划和数值优化方法求解S-T图,从而得到满足车辆动力学约束的安全、舒适最优速度曲线;最后,搭建PreScan-CarSim-Matlab&Simulink-Python联合仿真模型进行实验验证。仿真结果表明,提出的轨迹规划方法能够在对交互车辆有效避撞的前提下,保证车辆行驶的舒适性和高效性。     

虚拟仿真在机器人路径规划及跟踪上的应用

在机器人路径规划和跟踪的优化过程的研究中,路径规划、轨迹跟踪是移动机器人研究的重要内容.过去通常采用理想数学模型进行仿真,而机器人物理属性和路面模型等都不加以考虑,使得算法难以优化路径规划、跟踪的稳定性和精度.运用现代虚拟设计仿真技术,借助动力学软件RecurDyn建立移动机器人实体模型和路面模型,利用Matlab/Simulink设计控制器,构建一个虚拟仿真平台.通过推导,设计出输入输出反馈线性化的运动控制器,并在仿真平台上进行机器人路径规划和轨迹跟踪仿真,控制器效果得以优化验证.虚拟仿真不仅能缩短研发周期,降低研发成本,并为机器人研究设计提供有效依据.     

多障碍环境中移动机器人的光滑轨迹规划

根据轮式移动机器人参数化轨迹生成模型,结合多障碍物结构化环境中障碍物的建模,把其和参数化轨迹规划模型融合,得到了具有一般性的多障碍物环境中轮式移动机器人光滑轨迹规划模型;并利用最优化控制原理,建立了任意性能指标下,多障碍物环境中最优参数化轨迹生成模型。结合数值求解方法,推导了多障碍物环境中参数化轨迹规划非线性求解模型的求解方法。最后通过仿真验证了参数化轨迹规划求解模型的正确性。     

计算机数控系统光滑时间最优轨迹规划

基于控制向量参数化(CVP)方法, 研究了计算机数控(CNC)系统光滑时间最优轨迹规划方法. 通过在规划问题中引入加加速度约束, 实现轨迹的光滑给进. 引入时间归一化因子, 将加加速度约束的时间最优轨迹规划问题转化为固定时间的一般性最优控制问题. 以路径参数对时间的三阶导数(伪加加速度)和终端时刻为优化变量, 并采用分段常数近似伪加加速度, 将最优控制问题转化为一般的非线性规划(NLP)问题进行求解. 针对加加速度、加速度等过程不等式约束, 引入约束凝聚函数, 将过程约束转化为终端时刻约束, 从而显著减少约束计算. 构造目标和约束函数的Hamiltonian函数, 利用伴随方法获得求解NLP问题所需的梯度.     

基于改进A*算法和lattice算法的路径规划方法

针对A*算法缺乏动态性、不够平滑、计算量大,且不满足具体的非完整约束等问题,提出一种融合改进A*算法和lattice算法的路径规划方法.一方面消除传统A*算法中的冗余点,同时考虑物体的方向属性和实际运动约束,优化启发式函数最终生成全局路径.另一方面lattice根据改进A*算法生成的全局路径作为参考线,采样并结合障碍物信息和其他代价信息选出平滑的、无障碍的包含位置、移动速度、移动加速度等信息的局部轨迹.使用栅格地图进行车辆路径规划的实验仿真,该算法能够兼顾全局与局部,快速规划出一条平滑且满足车辆非完整性约束的运动路径.     

一种基于多层代价地图的移动机器人导航方法

当前移动机器人导航方法大多数是改善局部路径规划的反应式导航而没有充分考虑全局环境中的行人,借助全局范围的行人感知,提出并实现一种基于多层代价地图的全局路径规划方法。首先基于行人感知进行个人空间和群组交互的社会代价建模,基于行人轨迹预测生成包含预测阶段社会代价的多层动态代价地图,提供预测阶段的社会约束信息。全局路径规划器在动态代价地图基础上定义代价函数进行最优状态的启发式搜索,引入“规划-预测-执行”时序周期进行动态规划。最后通过和传统路径规划器在行人运动、群组交互等仿真、实际场景下进行对比试验,该方法对应路径长度、执行时间更短,和人/群组保持的距离更符合社会性。     

基于微分平坦三轮全向足球机器人的轨迹规划

针对三轮全向足球机器人路径规划、位姿控制的特点,讨论了轨迹规划的控制问题,提出了一种基于微分平坦理论的轨迹规划的控制算法。此算法在轨迹跟踪控制中用来生成可行的期望轨迹,在路径规划的基础上研究三轮全向足球机器人动力学模型的轨迹规划方法,并且同时考虑控制量约束下的最优轨迹生成。仿真及实验结果表明,该算法具有控制精度较高,实时性强的特点。     

基于微分平坦与MPC的智能车换道控制算法

为了提高智能车换道的安全性,提出了一种基于微分平坦理论与模型预测控制(MPC)算法相结合的智能车换道轨迹规划与跟踪算法。该算法利用约束求解得到基于sigmoid函数的优化路径;将其与多项式参数化时间函数作为平坦输出,利用微分平坦理论构造一个非线性性能指标函数并对其进行优化求解完成车速规划;从而实现对智能车辆路径-速度分解式的轨迹规划。利用动力学模型预测控制算法线上控制的优点,对智能车的车轮转向进行实时控制,使得车辆按照规划好的轨迹行驶完成换道。通过CarSim与MATLAB/Simulink的联合仿真,将提出的轨迹规划算法应用于车辆系统仿真软件中进行验证,结果表明该算法能够实现对智能车进行轨迹规划和跟踪控制,使其安全高效地换至目标车道。     

Bezier曲线与A~*算法融合的移动机器人路径规划

移动机器人路径规划一直是移动机器人领域里的重要技术问题。A*算法在最优路径搜索上有着比较成功的运用,但在栅格环境下的A*算法也存在着折线多、转折角度大等问题。在考虑移动机器人的实际工作环境及相关运动参数后,这些问题都将大大地影响移动机器人的工作效率。在对以上问题进行分析后提出了一种基于Bezier曲线与A*算法融合的方法来实现移动机器人的路径规划,再通过MATLAB、V-REP仿真工具来实现Bezier_A*融合算法与平滑A*算法及A*算法的对比。通过Bezier_A*融合算法使得机器人在工作中的寻优能力、路径规划效率都得到较大的提高。     

基于能耗优化的六足机器人摆动腿轨迹规划

以六足机器人单腿为研究对象,研究机器人摆动腿轨迹规划问题.由于摆动要消耗能量,所以提出了一种基于能耗优化的轨迹规划方案.结合以D-H法建立的机器人单腿运动学模型和腿部位置、速度、加速度等约束,采用多项式插值法在关节空间对机器人摆动腿进行轨迹规划.在考虑直流电机有效功率和热损耗的基础上,通过遗传算法对非线性等式和不等式约束下的非线性规划问题进行求解.仿真结果表明,所设计的方案能有效降低摆动腿能量消耗并保证轨迹连续平滑.     

基于改进PRM算法的机器人路径规划

概率路线图(Probabilistic Roadmap, PRM)算法是移动机器人领域常用的路径规划算法。针对传统PRM算法存在采样点分布不均匀、路线图构建效率低以及路径冗余不平滑等问题,提出了一种改进PRM算法。使用二维Sobol序列优化采样策略,保证采样点全局均匀分布,优化采样点的覆盖面积,提高了采样点的质量;其次,对采样点进行邻域分类并施加连接约束,使相邻邻域采样点进行连接,减少路线图的大小,提高了路线图的构图和搜索效率;接着,使用节点平移优化算法优化节点位置,使优化路径符合实际空间中的最优路径;最后,使用贝塞尔曲线平滑路径拐点,使生成的路径更符合机器人的实际运动约束。大量仿真实验结果表明,改进PRM算法可以有效提升规划路径的质量且受采样点数量的影响较小。相比于传统PRM算法和其他改进PRM算法,提出的PRM算法在路径长度、运行时间和成功率上具有明显优势。     

移动机器人最优路径规划方法

针对移动机器人路径规划效率低的问题,提出了一种基于改进的最短路径快速算法的移动机器人最优路径规划方法。该方法在障碍Voronoi图基础上根据规则将起始点与终点加入该图以得到无碰撞路径图,然后采用改进的最短路径快速算法搜索从起始点到终点的最优无碰撞路径。仿真结果表明,采用该改进算法后,移动机器人能够沿着最优无碰撞路径前进,快速达到终点。     

一种基于概率地图的移动机器人最优期望时间目标搜索

在基于概率地图的移动机器人目标搜索规划中,目标在工作环境中的存在概率通常被设置为服从离散均匀分布,进而采用路径长度指标优化搜索任务的全局路径.然而,真实工作空间中的概率分布绝大多数并不服从均匀分布,这将导致所获搜索策略并非预期的最短时间.对此,根据实际工作环境构建概率测算模型,并基于该模型构建概率地图,进而提出一种以预期最短时间为优化指标的机器人目标搜索路径规划方法.该方法采用分层规划模式,在上层拓扑地图中进行拓扑点序列规划,而在下层特征地图中进行拓扑点间局部路径规划.实验结果表明,该方法可以显著缩短移动机器人目标搜索的期望时间,更适用于目标不服从均匀分布的工作环境.     

基于视觉图像的全向移动机器人轨迹跟踪控制研究

机器人轨迹节点跟踪比较难,导致机器人实际轨迹偏离期望轨迹,所以设计基于视觉图像的全向移动机器人轨迹跟踪控制方法。以滑模变结构控制闭环为基础,求解运动学模型、动力学模型表达式,实现对机器人移动轨迹数学模型的构建。按照视觉图像划分标准,完成对全向移动机器人运动图像的分割,通过分离目标节点的方式提取运动学特征参量,完成机器人轨迹节点跟踪处理。设置前馈控制器与扰动观测器,根据运动学不等式条件计算误差向量指标的取值范围,根据该值对主机元件的控制作用能力进行调节,实现全向移动机器人轨迹跟踪控制。对比实验结果表明,所设计的方法应用后,全向移动机器人角速度曲线、线速度曲线与期望运动轨迹曲线之间的贴合程度均超过90%,满足全向移动机器人轨迹跟踪控制要求。