基于移动障碍的MWSN节点协同转向避障方法

针对传统蜂拥控制模型协同避障的研究,笔者曾对其做出了改进,并加入了Steer to Avoid避障法则,通过仿真表明,它能够有效提高避开静止障碍的效率。该模型用于具有移动障碍的环境时,若障碍的运动方向与节点的判断方向同向,可能会与障碍物保持相对静止,从而大幅度降低避障效率。对Steer to Avoid进一步改进,提出一个新的针对移动障碍物的避障模型。当障碍物的运动趋势和节点的Steer to Avoid转向判断相同而且两者的速度较为接近时,节点将向着障碍物运动的相反方向运动。提出了对障碍物的移动预判。仿真实验结果表明,与传统两个模型相比,该模型在平均速率和时间效率上有显著提高,并且适用于避开未知的移动凸形障碍。     

基于人工势场与IB-LBM的机器蛇水中2D避障控制算法

为了提高多冗余度、多自由度机器蛇水下环境运动适应能力,提出了基于人工势场与IB-LBM （immersed boundary method-lattice Boltzmann method）相结合的机器蛇水中2D智能避障算法.首先,采用格子Boltzmann方法描述2D水中障碍模型、构造统一形式.然后,运用浸入边界法,结合现有的蛇形曲线运动方程,在计入人工势场法引力和斥力作用的情况下,推导得到机器蛇2D水中避障模型.之后,通过改变障碍影响距离、机器蛇摆动振幅、摆动频率、障碍点斥力增益系数、雷诺数以及目标点引力增益系数等重要参数,研究机器蛇在不同情况下的避障效率和避障安全性.最后,通过多次仿真求取各项参数的最优值.仿真结果表明,在各项参数都最优时,该算法能使机器蛇快速、安全、有效地避开水下复杂环境中的静态障碍而到达目标点.该方法不仅能够充分研究机器蛇在水中的流固耦合特性,获得实时避障效果,而且能够利用已知的环境信息生成最优路径.     

改进SSD算法的无人喷雾机避障路径规划

传统无人喷雾机避障路径规划算法存在规划路径规划精准度与规划效率无法平衡的问题,导致在高精度规划设定下,算法寻优过程较为复杂,整体规划效率偏低;设定高效率寻优条件下,所得路径偏差较大,严重影响正常农业生产。为了解决精度与效率的平衡问题,引入改进的SSD算法,对无人喷雾机避障路径规划过程进行全程优化;通过建立改进的SSD算法卷积模型、创建障碍目标注意力机制、避障路径规划;实现提升模型特征影响程度,优化路径障碍分析能力,增强障碍路径规划计算能力的效果。通过对比实验数据表明,经过提出算法优化后的无人喷雾机避障路径规划精准度与规划效率均有所提升,能够更好地平衡障碍规避精度与路径规划效率,具有较高的研究价值。     

一种新的移动机器人组的多目标控制仿真实验

为了实现具有编队运动和避障能力的分布式自治系统,针对协同的轮式移动机器人组提出了一种非线性控制方法,使得其在动态变化环境中能编队运动,避开静态和动态障碍物,并有效地跟踪虚拟领航机器人。首先,建立了多目标控制问题模型,然后为环境中的每一个物体生成人工势场,在此基础上设计生成综合控制量。此方法系统地综合考虑了协同运动、虚拟领航者跟踪、避障和振荡抑制等多目标的实现。采用李亚普洛夫方法对所需的基本条件和主要特性进行了严格地证明和推导。所提出的控制基于势场法,提高了机器人组的瞬态性能,并解决了其固有的振荡问题。仿真研究表明,该方法保证了移动机器人组在动态环境中能有效地实现协同运动、虚拟领航者跟踪、避障和振荡抑制等多目标任务。     

异构无线传感器网络对移动目标的连续跟踪

针对固定节点组成的传统无线传感器网络在进行目标跟踪时存在的能耗过高和覆盖空洞问题,提出在传统传感器网络中引入少量移动性节点组成异构传感器网络进行目标跟踪的方案.基于较传统0/1监测模型更为实际的概率监测模型,提出一种协同调度移动节点和固定节点工作的算法来对移动目标进行跟踪.移动节点对目标实施近距离的移动式跟踪,减少了处于活跃状态的固定节点数量,节约了能耗.此外,移动节点可以移动进入空洞监测目标,解决了传统网络不能监测覆盖空洞中的目标的问题.基于NS2的实验结果表明所提出的跟踪方法可以大幅度减少固定节点的能耗并提高跟踪质量,证明了其有效性.     

动态环境下多重A*算法的机器人路径规划方法

传统的A*算法仅适用于全局的静态环境,在求解路径规划问题时存在搜索效率低,路径不平滑等不足。针对这些问题,进行了以下改进：优化全局路径节点,引入删除冗余点准则与新增节点准则,使得全局路径更加平滑,更符合机器人运动学规律;结合滚动窗口法的思想,在每个滚动窗口内进行局部路径规划,首先根据前一步的节点信息确定局部子目标区域,然后在局部子目标区域内引入避障控制策略进行实时避障。最后通过Matlab软件建立多种栅格地图仿真,从路径轨迹的平滑度、搜索效率与局部规划能力方面将改进后的算法与原算法进行对比,并在动态环境下进行仿真分析,仿真结果表明改进后算法拥有良好局部规划能力,且路径轨迹更加平滑,在复杂环境下搜索效率更高。     

基于改进人工势场法的物流无人配送车路径规划

传统人工势场法在面对多障环境时易陷入局部最优,导致路径长度和拐点数量增多从而严重降低配送效率。为此,考虑复杂环境多障密集和离散分布特征,结合相对位置检测策略和边界条件判断决策,采用自主虚拟圆作用域设计,修正路径长度和拐点数量缺陷;进一步地,基于模型预测理论,建立四轮转向车辆稳定性控制器,实现理想模型路径的精准跟踪控制;采用MATLAB软件进行模拟避障实验,并与传统算法路径搜索关键要素特征进行对比仿真。研究结果表明,所提出的改进人工势场算法相比于传统算法,全局拐点数量减少10个,路径缩短21.06%,跟踪偏差率低于6%。通过研究,解决了车辆多障环境适配及避障安全性问题,实现了指定轨迹的平稳、安全配送,为无人配送车规划算法的改进提供了理论指导。     

基于PSO-GSA优化的井下加权质心人员定位算法

针对煤矿复杂环境中,接收信号强度指示的人员定位精度较低,难以动态跟踪参数变化的问题,提出一种利用改进的引力搜索算法应用于加权质心定位中进行井下人员定位的方法。先采用对数距离路径损耗模型得到信标节点到未知节点的距离,然后通过加权质心定位算法对未知节点定位;最后利用粒子群万有引力混合算法对相关参数和估计的位置信息进行优化。实验结果表明,该方法能够增强对环境变化的自适应能力,更有效地提高定位精度。     

应用粒子群优化分配WSN多目标跟踪节点任务

针对WSN多目标跟踪时传感器节点任务分配竞争冲突问题,提出一种基于最近邻的离散粒子群优化节点跟踪任务分配算法.通过构建多目标多传感器节点联盟协同跟踪任务分配问题的数学模型和目标函数,采用最近邻法对粒子群节点任务分配进行初始化,以目标函数作为适应值函数指引粒子飞行,快速实现节点优化分配.实验表明:在节点覆盖较稀疏情况下,粒子群优化节点任务分配方法与最近邻方法相比,能耗大大减少,并能有效解决多目标跟踪节点任务分配冲突问题和多个监测联盟对传感器资源竞争冲突时系统能耗增加的问题.PSO算法对于实际环境的WSN多目标跟踪具有优越性.     

基于未知环境碰撞冲突预测的群机器人多目标搜索研究

群机器人在未知动态环境下进行多目标搜索时,存在碰撞预测和搜索效率不高等问题。提出了一种碰撞几何锥和改进惯性权重的粒子群优化算法相结合的多目标搜索策略。首先,根据静、动态威胁物的不同分别引入碰撞锥(CC)和速度障碍法(VO),提出了简化复杂障碍物的膨胀几何法(SG)和一种改进CC和VO的碰撞几何锥模型(CGC);有效解决了复杂不规则威胁物的避碰预测问题,并根据CGC模型作出威胁评估报告以确定最优避障方向。其次,提出一种改进惯性权重的粒子群优化算法(IWPSO),提高了搜索效率同时有效解决了粒子群优化算法易陷入局部最优的问题。最后,将两种改进的方法(CGC-IWPSO)相结合以实现群机器人的多目标任务搜索,相比于简化虚拟受力(SVF)、自适应机器人蝙蝠算法(ARBR)、具有运动学约束的粒子群算法(KCPSO),本文方法在搜索时耗、能耗以及避障次数上分别至少减少了15.59%、10.14%、14.12%。     

基于改进A*算法和动态窗口法的机器人路径规划

针对移动机器人在复杂环境下(包含静态和动态环境)的路径规划效率低的问题,提出了一种改进的A*算法与动态窗口法相结合的混合算法。针对传统A*算法安全性不足的问题,采用障碍规避策略,优化节点的选择方式,增加路径的安全性;针对转折点多的问题,采用递归二分法优化策略,去除冗余节点,减少转弯次数;针对静态环境下路径平滑性不足的问题,采用动态内切圆平滑策略将折线角优化成弧度角,以增加路径的平滑性。对于传统动态窗口法的目标点附近存在障碍物时规划效果不好和容易在凹型槽类障碍物中陷入局部最优的问题,在原有的评价函数中引入了距离偏差和轨迹偏差。最后,对所提的改进A*算法和混合算法分别在静态和动态环境下与其他算法进行仿真比较。从结果可以看出,与传统混合算法相比,临时障碍环境下,路径长度和运行时间分别缩短了13.2%和65.8%;移动障碍环境下,路径长度和运行时间分别缩短了13.9%和44.9%,所提的算法提高了在复杂环境中规划路径的效率。     

机器人二维环境下仿人虚拟力场避障研究

动态环境下避障是机器人实现自主运动的关键。首先建立了适合虚拟力场算法的机器人工作环境数学描述。将人避障行走策略引入虚拟力场中,具体包括：设计了单元格障碍物可信度的邻域平滑累积值计算方法,模拟人对移动障碍物的躲避策略;建立可信度的不确定推理计算方法,处理信号和环境存在干扰问题;设计了基于目标点方位角的吸引力计算公式来解决目标点超出感知空间问题;设计了变权重加权排斥力计算方法,使机器人对前进方向的障碍更敏感;借鉴人绕开障碍物策略,采用临时旋转目标点方向得到的虚拟目标点来使机器人沿障碍物运动直到绕开。针对房间和街面环境,在MobotSim平台上进行仿真实验,给出了实验结果和分析。在合理设置参数下,机器人能避开障碍物到达目标点,且避障路径优于传统的虚拟力场方法。结果验证了该方法的有效性。     

面向未知环境及动态障碍的人工势场路径规划算法

实际战场环境错综复杂,很多隐蔽、动态的障碍无法通过高空手段预先探测得知,因而对智能体执行任务的安全性产生威胁。针对未知且障碍形态多样的战场环境,以躲避动、静障碍,追踪目标为研究对象,提出一种面向未知环境及动态障碍的改进人工势场(Artificial Potential Field,APF)路径规划算法。在该算法中,智能体构建了以目标点为中心的引力势场,以及以障碍物为中心的斥力势场,在智能体行进路途中感知局部障碍及目标点的运动信息,并且将信息加入势场函数的计算中达到动态避障与追踪的效果;另一方面,引入距离因子及动态临时目标点来消除APF算法常见的无解问题——极小解情况及路径抖动现象。通过建立不同数量的随机障碍场景,进行多次仿真对比实验,结果表明:所提算法能够在未知环境中灵活躲避动态障碍并进行目标点的追踪,可以有效消除死解及路径抖动问题。将所提算法与传统APF算法及添加了动态避障机制的文献[19]所述算法进行对比实验,结果表明所提算法能成功化解两种对比算法路径规划失败的情况,顺利完成路径规划任务,且成功率在95%以上。     

改进人工势场法的移动机器人路径规划

传统人工势场法在路径规划过程中易陷入势场局部最小点和陷阱区域,面对较为复杂的障碍物环绕环境也难以规划出完整路径。针对这个问题,提出了一种改进人工势场法。引入机器人前进的方向向量,对斥力的生成和计算机制进行了调整以解决其处于局部最小点情况下无法继续规划路径的问题;添加了判断机制以识别周边环境状况,当机器人处于陷阱区域等复杂环境下时设立虚拟目标点以引导其向外运动从而摆脱陷阱区域。结果表明,改进算法可以有效解决传统算法容易出现的路径规划中断情况;同时与传统算法相比,其在随机障碍物环境中的规划路径长度减少,有效提高了路径规划效率。     

基于路径预测人工势场法的自动跟随小车路径规划

针对自动跟随小车实际工作环境下目标点和障碍物具有可移动特征,在传统人工势场法的基础上提出一种具有动态路径预测功能的路径规划方法。通过实时采集和计算小车、目标点和障碍物的距离、运动速度和方向,预测未来三者之间可能的位置关系。根据目标点预测结果采用人工势场法确定接近目标点路径,根据预测的障碍点运行轨迹确定绕过障碍点的路径。将基于路径预测人工势场法与传统人工势场法进行仿真对比,结果表明该方法在跟随效率和避障能力上具有显著的提高。     

大数据支持下考虑障碍避让的机器人路径规划

为了使机器人在未知环境内可以成功规划出躲避障碍物的最短路径,在大数据支持下,设计了一种考虑障碍避让的机器人路径规划方法。首先分析机器人障碍物避让原理,确定机器人能够自由活动的范围。然后通过蚂蚁族群觅食流程对存在障碍物的路径进行模拟,获得基础路径规划结果,随后凭借赌轮盘规则细化,挑选节点通过机器人滚动窗口内映射,从而确定局部规划子目标,规划出对应的最短避障路径。仿真结果证明,相较于传统方法,上述方法能够更为准确地获取最优路径,且效率更高,具有高度适用性和实时性。     

改进RRT算法的室内移动机器人路径规划

针对传统RRT（快速扩展随机树）寻路算法由于扩展点的随机选取而存在搜索平均、采样效率低、偏离最优解的缺陷,提出一种偏向目标型的改进RRT算法。该算法采用目标偏向策略和气味扩散法来改善扩展节点的选取,使得随机树的生长趋向于目标点,并提出一种基于3次B样条曲线的路径平滑方法,极大地提升了搜索效率和路径质量。在仿真环境下对算法有效性进行验证,并将算法应用到真实环境下。仿真结果表明,与传统RRT算法相比,改进算法的路径长度缩短约22.1%,且路径更为平滑,在复杂环境中避障能力强。将改进RRT算法应用到Turtlebot2中,在真实环境下开展实验,实验结果证明了该算法的可靠性和实用性。     

基于模糊势场法的移动机器人局部路径规划

针对采用传统人工势场法进行移动机器人局部路径规划时存在的局部极小点和规划路径过长等问题,提出了一种基于虚拟目标点和有限状态机的模糊势场法。构造基于人工势场的虚拟目标点法来解决局部极小点问题,在合适的位置设置虚拟目标点使机器人逃离局部极小点区域。将虚拟目标点法与模糊控制相结合,对障碍物环境进行预测,及时避障,解决机器人在复杂环境中采用虚拟目标点法规划路径时存在的路径过长问题。设计一个有限状态机来判断障碍物环境,执行算法转换策略,使改进算法适用于多种复杂环境。所设计算法在MATLAB平台上进行了仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短规划路径。算法不仅适用于简单、离散环境,在传统算法运行困难的、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。     

基于传感器信息的水下机器人动态避障研究

提出一种新的基于传感器信息的自治式水下机器人(AUV)动态避障方法。介绍了传感器的工作原理。通过栅格法把传感器采集的AUV运行环境障碍信息进行合理描述,并预测动态障碍物的速度,保证AUV能够根据传感器信息躲避障碍物,达到航行要求。最后,通过仿真实验对机器人自主避障能力进行了验证。