移动机器人的完全遍历路径规划:生物激励与启发式模板方法

提出了基于生物激励神经网络的一种新的完全遍历路径规划方法.该方法集成了模板模型、启发式搜索和障碍物逼近算法.一种称为分流合作-竞争反馈网络的生物激励神经网络被用于移动机器人的工作环境建模,而模板模型法、启发式算法和障碍物逼近算法用于移动机器人的避障路径规划,其中障碍物逼近算法能够实现不规则形状障碍物周边区域的遍历,以进一步改善路径规划的覆盖区域.仿真研究表明,本文方法使得路径规划的性能得到明显的改进,例如规划路径的重叠率,而且算法简单有效.     

未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法.该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数.引入虚拟障碍和直接填充算法,解决了u型障碍区域的连续遍历问题.最后通过仿真实验表明了该方法在未知复杂环境下的有效性.     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索，提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模，将滚动窗口的概念引入到局部路径规划，由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．     

智能吸尘器全覆盖遍历路径规划及仿真实现

分析了常用的全覆盖遍历路径算法,提出了基于区域分割的全覆盖遍历路径规划的实现方案:首先智能吸尘器沿着水平与垂直路线扫描房间,将房间分成若干无障碍的小区域,然后以图的深度优先搜索算法确定这些小区域的衔接顺序,并在这些小区域内以螺旋收缩算法进行遍历。在实验室环境内,在智能吸尘器最小系统上,通过实验验证了提出的全覆盖遍历路径规划。实验主要分为4项:走直线、直角转弯、子区域内螺旋行走、子区域衔接,实验证明智能吸尘器在给定的环境下,能够按照预想的效果进行遍历。     

基于区域优化分割的机器人全覆盖路径规划

在移动机器人全覆盖路径规划问题中,将区域分割、子区域内部行走方式、子区域衔接顺序三个子问题的优化置于整个含障区域覆盖任务总体优化的目标下考虑,探讨着眼于实用的用时最少且路程最短的子区域内部行走方式、区域分割方法和子区域间衔接顺序。确定子区域应为凸多边形;证明从路程最短和时间最少两方面讲,向内螺旋方式都是完成子区域内行走的最优行走方式;提出兼顾子区域内部行走方式和子区域衔接顺序的分割含障区域的优化方法;建立分割后整个区域的连通图模型并运用Hopfield神经网络算法求得优化的子区域间衔接顺序。     

一种室内扫地机器人全遍历路径规划方法研究

针对目前室内扫地机器人大多采用随机式或者规划式清扫方式,会造成重复率高、覆盖率低及清扫时间长等问题,提出了一种沿边学习、子区域划分和局部地图创建、沿边向中扩展清扫循环的全遍历路径规划方法.机器人通过传感器沿第一条边学习周围环境,学习结束后划分子区域并建立局部地图;以子区域边界点为起点沿边向中扩展遍历清扫子区域;完成子区域清扫后以遍历终点为起点进行第二条边学习,直到完成整个环境区域的清扫.实验验证方法覆盖率提高了4%~8%,清扫时间缩短了2~7 min,且成本低、方法简单易行,具有一定的应用价值.     

基于改进的生物激励神经网络机器人路径规划算法

针对传统生物激励神经网络（BINN）在点对点全局路径规划中存在的路径偏离和路径非最优问题,提出了基于路径修正和无障碍理想路径制导的生物激励神经网络算法。路径规划的初始阶段,通过判断起始单元外部激励输入和起始单元活性值大小决定是否触发路径生成策略,从而实现初始路径修正;在生成下一位置单元的算法中结合无障碍理想路径的导向,引入实际路径单元与无障碍理想路径单元间的理想路径接近率使路径神经元活性值增大,从而实现路径优化。在静态复杂环境下,分别以三种算法进行了对比实验。实验结果表明,改进后的路径规划算法相比传统生物激励神经网络算法和基于目标制导的生物激励算法,不仅解决了路径规划初始阶段的路径偏离问题,而且使路径长度和路径转折次数更低,效率更高。     

基于改进蚁群算法的全向移动机器人全遍历路径规划

受全遍历环境影响, 现有方法规划得出的路径长度过长, 为提高路径规划性能, 获取最优路径, 提出基于改进蚁群算法的全向移动机器人全遍历路径规划方法. 在拓扑建模示意图的基础上, 依据移动机器人在原坐标系下的位置信息, 利用角度转换建立新的环境模型. 考虑蚁群算法存在的问题, 将递减系数引入到启发函数中, 更新局部信息素, 通过设定迭代阈值, 调节信息素的挥发系数. 最后通过路径规划流程设计, 实现对全向移动机器人全遍历路径的规划. 实验结果表明, 所设计方法不仅可以缩短全遍历路径长度, 还可以缩短路径规划时间, 获取最优路径, 从而提高了全向移动机器人的全遍历路径规划性能.     

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.     

自治水下机器人的自主启发式生物启发神经网络路径规划算法

针对复杂海流环境下自治水下机器人(autonomous underwater vehicle, AUV)的路径规划问题,本文在栅格地图的基础上给出了一种基于离散的生物启发神经网络(Glasius bio-inspired neural networks, GBNN)模型的新型自主启发式路径规划和安全避障算法,并考虑海流对路径规划的影响.首先建立GBNN模型,利用此模型表示AUV的工作环境,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;其次,根据神经网络中神经元的活性输出值分布情况并结合方向信度算法实现自主规划AUV的运动路径;最后根据矢量合成算法确定AUV实际的航行方向.障碍物环境和海流环境下仿真实验结果表明了生物启发模型在AUV水下环境中路径规划的有效性.