未知环境下基于椭圆约束的机器人路径规划

针对未知环境下机器人路径规划问题,提出一种基于椭圆约束的路径规划方法。借助椭圆约束规划路径,将路径规划问题转化为椭圆参数优化问题。通过建立椭圆约束优化模型,引入障碍物和目标位置的约束,考虑机器人运动步长及运动方向的影响,实现复杂未知环境下机器人路径规划。基于不同算法的仿真实验结果表明,该方法有效解决了未知环境下机器人路径规划问题,在大量障碍物存在的未知环境,也能快速有效地进行无碰撞路径规划。     

机器人路径规划研究

机器人路径规划是在有障碍物的工作空间中寻求一条安全无障的最优路径,是当前机器人研究领域的热点问题,是实现机器人自主导航和完成复杂任务的关键技术之一。在对智能路径规划方法研究的基础上,提出了基于人工免疫算法的机器人路径规划,并对免疫算法进行了详细设计。仿真结果表明,人工免疫算法可以很好地规划出恰当的路径,收敛速度快,规划效果好,较好地验证了所提出方法的正确性和有效性。     

基于改进RRT算法的差动机器人路径规划

为了解决快速扩展随机树(RRT)算法在差动机器人路径规划中存在的最近邻函数不合理、收敛速度慢、路径曲折等问题,提出一种改进RRT算法。该算法沿用RRT算法基本框架,在最近邻函数中添加角度变化,以满足差动机器人自身约束;在节点扩展阶段引入启发步长因子,使扩展步长根据节点位置和扩展方向动态调整,加快搜索效率的同时兼顾规划成功率;对初始规划路径进行修剪和平滑处理,以得到差动机器人的可执行路径。仿真实验结果表明,该算法减少了路径搜索时间,生成的路径更为平滑,易于差动机器人跟踪控制。     

基于改进蚁群算法的电力信息网络设备智能巡检机器人路径规划方法

巡检机器人在行驶时经常会与障碍物相撞,为避免出现此类错误,基于改进蚁群算法设计电力信息网络设备智能巡检机器人的路径规划方法。建立蚁群信息素初始化结构,获取目标区域的运动矩阵,设置智能巡检机器人的运动学约束条件,基于改进蚁群算法构造机器人路径规划估价函数。通过对计算巡检机器人的巡检完成度,设计智能巡检机器人路径规划算法。实验结果显示,该路径规划方法可以完整准确地规划无障碍物的路径以及有障碍物的路径,同时对必经路线上的障碍物进行反馈。对比不同光线条件下的路径规划效果可知,光线越充足,路径规划算法的迭代次数越少,避障准确率越高。     

基于变维度状态空间的增量启发式路径规划方法研究

在移动机器人路径规划中需要考虑运动几何约束,同时,由于它经常工作于动态、时变的环 境中,因此,还必须保证路径规划算法的效率.本文提出了一种基于变维度状态空间的增量启发式路径规划 方法,该方法既能满足移动机器人的运动几何约束,又能保证规划算法的效率.首先,设计了变维度状态空间, 在机器人周围的局部区域考虑运动几何约束组织高维状态空间,其他区域组织低维状态空间;然后,基于变维 度状态空间,提出了一种增量启发式路径规划方法,该方法在新的规划进程中可以使用以前的规划结果,仅对 机器人周围的局部区域进行重搜索,从而能保证算法的增量性及实时性;最后,通过仿真计算和机器人实验验 证了算法的有效性.     

改进萤火虫算法求解多机器人路径规划

为解决多机器人在静态环境中的路径规划问题,以路径长度为优化目标模型,并针对此模型设计了多机器人萤火虫算法(MR-FA)。首先,考虑到路径安全性对环境中的障碍物采取扩张操作,设计初始化规则以提高生成初始种群的效率;其次,根据算法的连续性原理及特点,设计个体等长策略将维度不一致的个体转变为等维度个体以便于萤火虫的移动更新,并对移动更新后的不可行解采取路径修正策略;然后对规划出的每个机器人的移动路径进行碰撞检测,同时针对机器人不同的碰撞情况设计相应的避碰策略,即暂停—回退策略(PFS)、局部路径重规划策略(LPRS);最后,为验证MR-FA的有效性,在三组环境中进行仿真实验并与其他三种算法进行对比,综合得出MR-FA在解决多机器人路径规划时更有优势。     

基于关键链遗传操作的机器人路径规划

针对复杂环境下遗传算法规划路径难的问题,提出一种基于关键链遗传操作的机器人路径规划方法。将回退策略和禁忌策略与启发式邻域搜索相结合保证路径的可行性。通过提取初始可行路径中的关键链,降低算法所需存储空间及计算代价。对关键链进行局部自适应变异和交叉操作,增强算法的优化能力。实验结果表明,该方法能有效地规划复杂环境下的机器人运动路径,算法性能优于同类算法,规划时间可满足实际应用需求。     

带时间约束的多机器人协作规划研究

通过对多机器人协调规划的研究,将协调任务的要求化为混合整数规划的不等式约束。设计出时间性能指标最优的费用函数,规划出各个机器人最优路径。然后,利用反馈控制器,将规划出满足完整性约束的路径转化为满足机器人运动学约束的轨迹。     

基于区域行进策略的飞机油箱检查机器人路径规划算法

针对类似于飞机油箱环境中连续型机器人的路径规划问题,设计基于区域行进策略的路径规划算法,结合机器人本体结构约束规划到达油箱内任意给定目标点的路径。连续型机器人具有运动灵活性,但超冗余自由度导致了三维空间规划的多解性,增加了算法的复杂度。采用降低维度的方式,通过将三维空间转化为二维平面进行规划,降低了算法的时间复杂度。将飞机油箱的单舱划分为两个区域,根据目标点所处区域位置确定规划策略。最后,基于Matlab对所提算法进行仿真,实验结果验证了算法的可行性和有效性。     

带滚动约束轮移式机器人动态规划的研究

根据轮移式机器人的运动学模型,研究受到滚动约束轮移式机器人在动态环境中的运动规划问题.将快速随机搜索树算法与优化方法相结合,实现了一种新的算法,规划出既可避障又可满足机器人滚动约束的运动.将该算法运用到动态环境下机器人的运动规划中,并通过仿真表明该算法能较好地引导机器人在动态环境中实现满足滚动约束的避障路径.     

Robotic path planning using evolutionary momentum-based exploration

In this article, we propose a new algorithm to solve the problem of robotic path planning in static environment where the source and destination are given. A grid-based map has been used to represent the robotic world. The basic algorithm is built on an evolutionary approach, where the path evolves along with generations with each generation adding to the maximum possible complexity of the path. Along with complexity we optimise the total path length as well as the minimum distance from the obstacle in the robotic path. It may be seen that the value of evolutionary parameter number of individuals as well as the maximum complexity is less at start and more at the later stages of the algorithm. We use a Gaussian increase in these values whose parameter may be adjusted to control the time and output. Seven genetic operators have been implemented that include selection, crossover, soft mutation, hard mutation, insert, delete and elite. The phenotype representation consists of the coordinate where the robot is supposed to make a turn. This happens by the traversal of the path using these points by the evolutionary algorithm. Momentum determines the speed of the algorithm in this traversal.     

基于节点扩张的遗传算法在机器人路径规划中的应用

将一种新型的遗传算法应用于移动机器人路径规划。提出基于障碍节点扩张法的无障碍连通路径初始种群的产生算法,以及基于待变异节点扩张的变异操作算法,同时在交叉、变异操作之后进行局部优化,简化编程,提高适用性。仿真结果表明同普通的A*算法相比较,该路径规划算法具有寻优质量高、规划路径更为平滑的特点     

基于space-time的二叉树表示动态环境中的路径规划

研究具有空间和时间的三维动态环境下的机器人路径规划分析了四叉树表示二维空间的搜索算法,在此基础上,提出采space-time,用二叉树表示二维空间的方法时间信息中增加加速度利用二叉树遍历方法和算法设计一个在动态障碍物环境下进行路径规划的新算法并,,A*,,在足球机器人系统中进行仿真,实现了较好的路径规划。     

微粒群算法在机器人路径规划中的应用

提出并研究了一种应用于机器人路径规划的改进微粒群算法;提出了矢量编码方案,有效地避免了对地图建模过程的依赖;在解的评价函数中引入了障碍物排斥函数项,实现了关于所求路径到障碍物距离的优化。最后,在基本微粒群算法的基础上引入了交叉算子和变异算子,使得算法在保持较高收敛速度的同时能够很好的避免陷入局部最优点。计算机仿真结果表明了改进算法相对于基本微粒群算法的优越性,并在100次的重复实验中达到了100%的成功率。     

凸优化与A*算法结合的路径避障算法

为提高足式移动机器人的避障能力和路径规划效率,提出一种凸优化与A*算法结合的路径避障算法.首先,基于半定规划的迭代区域膨胀方法IRI-SDP(iterative regional inflation by semi-definite programming),通过交替使用两种凸优化算法快速计算出地面环境中无障碍凸多边形及其最大面积内切椭圆,用于移动机器人的局部避障和任务动作规划;然后,结合经典的A*算法,建立机器人局部和世界坐标系、机器人质心轨迹转换模型、碰撞模型和启发式代价函数,在全局环境中寻找最优成本最小的路径;最后,通过仿真实验验证该算法的有效性.     

面向地图构建的移动机器人局部路径自主规划

移动机器人在未知场景中规划路径以自主完成定位与地图构建是机器人领域的一个重要研究课题.本文阐述了一种利用实时构建的信息熵地图动态生成机器人的局部探索路径,并综合转向约束和避障约束设计了一种基于模糊评价方法的方向选择策略跟踪生成的局部路径并进行环境构图.与现有方法相比,本文方法能够根据环境动态地生成平滑连续的局部探索路径,并能引导机器人进行障碍物躲避和完成自主构图.实验结果表明相较对比方法,本文方法的探索路程最短,观测覆盖度最高,同时整个自主构图过程所需的时间也更短.     

基于改进粒子群优化算法的路径规划

针对二维静态环境下移动机器人路径规划问题,该文提出一种改进的粒子群算法求解最优路径。首先,由于传统的粒子群算法初始化粒子时并未考虑到粒子初始位置是否占障碍物空间,没有对占障碍物空间的粒子进行处理,导致粒子初始有效性低下,全局寻优不准确和全局寻优时间长。然后,为解决此问题,在初始化时采用一种修正粒子算法,解决初始时粒子有效性低下的问题。比较传统粒子群算法和该文算法的仿真结果。仿真结果表明,采用这种方法极大限度地增大了初始粒子的有效性,使算法迭代时可以更加快速准确地得到全局最优路径,所提方法有效可行。     

一种改进的机器人路径规划的蚁群算法

针对具有复杂回旋地形结构的机器人路径规划问题, 提出了一种改进的蚁群算法. 该算法引入自适应迁移概率函数实现蚁群具有正、反向运动的能力, 改善了算法的曲折迂回能力; 能见度信息中引入距离启发因素和障碍相交检测机制, 完成路径搜索与避障过程有机结合, 提高算法的搜索效率; 引入贪婪信息素更新策略和节点信息素分布, 降低了数据存储量, 改善了路径规划的效果和算法的收敛速度. 基于不同算法的比较仿真实验, 数值结果证实了该算法的有效性.     

基于惯性蚁群算法的机器人路径规划

栅格环境下蚁群算法规划出的移动机器人路径存在运行慢、路径弯多、转折次数多、局部最优等问题。为获得较优路径,提出了惯性蚁群算法。在传统蚁群算法规划的路径上,采用惯性优化原理,对每一个节点进行遍历,当两个节点间的优化路径上无障碍物时,将中间节点删除,换成优化路径。根据优化信息,动态调整信息素挥发系数,提高了算法环境适应能力。仿真结果表明,相比传统蚁群算法,惯性蚁群算法能更快地找到较优路径,能有效优化路径质量。     

基于虚拟子目标点的移动机器入路径规划

传统的反应式路径规划算法有时会出现＂死锁现象＂,为此设计了一种基于虚拟子目标点的移动机器人路径规划算法。首先根据已知的环境信息生成一条连接初始点和目标点的全局路径,移动机器人在沿全局路径行走时通过传感器探测周围的实时环境信息并寻找障碍物的转弯处,然后在该障碍物的转弯处设置虚拟子目标点,根据虚拟子目标点构建局部路径,机器人沿着局部路径走到该子目标点并进入下一个路径规划循环。仿真结果验证了该算法的有效性。