动态复杂环境下的机器人路径规划蚂蚁预测算法

研究了一种新颖的动态复杂不确定环境下的机器人路径规划方法和动态避障码蚁预测算法.该方法模拟蚂蚁的觅食行为,由多组蚂蚁采用最近邻居搜索策略和趋近导向函数相互协作完成全局最优路径的搜索.在此基础上用虚拟蚂蚁完成与动态障碍物碰撞的预测,并用蚁群算法进行避障局部规划.理论和仿真实验结果均表明,即使在障碍物非常复杂的地理环境,用文中算法也能迅速规划出优化路径,且能安全避碰.     

三维动态环境下多无人机编队分布式保持控制

针对无人机编队沿参考轨迹飞行时遭遇突发障碍物而发生碰撞的问题, 提出一种可实时避障及机间避碰的分布式编队保持算法. 基于虚拟结构编队策略, 采用非线性模型预测控制(NMPC) 方法设计分布式编队控制器. 为了实现通讯延迟下的机间避碰, 采用基于不同优先级的改进避碰惩罚策略. 仿真结果表明, 所设计的分布式编队控制器能保证编队及时避开环境中的突发障碍物, 且无人机间不发生互碰, 避障后的各编队继续以原队形沿参考轨迹飞行.

     

一种基于效益的多机器人避碰协调策略

多移动机器人系统在完成同时定位和地图构建SLAM任务时,机器人之间常常存在相互碰撞的问题,而这种碰撞的避免又不同于一般的避障,因为避障问题中的障碍物一般是不动的。为了解决机器人之间的避碰问题,提出了一种基于效益的多机器人避碰协调策略。该策略以提高多机器人系统探索效率为主,确定机器人通过交叉路口的顺序。同时考虑了动态协调避碰的情况,给出了确定机器人通过交叉路口顺序的算法。通过机器人在交叉路口实现避碰协调算法的仿真示例,对该方法的避碰协调过程进行了说明,并对仿真结果进行了分析,同时对仿真中机器人和目标位置的空间关系给出了合理的假设。     

非确定性环境中移动机器人避障策略的验证 ——基于形式化建模和概率分析

针对存在制动机误差和传感器噪声等因素的移动机器人,提出采用概率模型检测的方法对非确定性环境中移动机器人的避障策略进行验证和定量分析。首先将移动机器人的避障运动和动态障碍物的不确定性运动建模为马尔可夫决策过程。然后运用概率计算树逻辑语言描述移动机器人运动的关键属性并使用概率模型检测工具对其进行验证。最后分析得到移动机器人成功避障所花费的避碰时间,移动机器人到达目标位置所需要的时间和能量以及操作误差发生时的避碰时间对避障策略的影响,并使用MATLAB仿真验证成功避碰时间的正确性。     

未知环境下群机器人多目标搜索协同控制

未知环境下,群机器人无法预先获取多目标搜索的环境信息,仅可局部感知与局部通信.本文针对避障效率与搜索效率的缺陷提出边界扫描的避障策略和目标位置估计的粒子群算法,边界扫描的避障策略(BSOA)将障碍物简化成连续障碍物与非连续障碍物两种情况,并根据情况向特定边界运动;目标位置估计的粒子群算法(TPEPSO)则利用获取的目标信号估计目标位置,结合粒子群算法到达目标附近,从而实现目标搜索.提出的方法与基于简化虚拟受力分析模型的循障避碰方法(SVF)及扩展粒子群算法(EPSO)、自适应机器人蝙蝠算法(ARBA)仿真比较,搜索效率提高5.72%～21.58%,总能耗减少4.30%～19.11%.     

不同优先级的多水下机器人避碰技术研究

在多水下机器人之间显式通讯条件下,采用动态优先级策略成功地解决了水下机器人编队航行过程中的避碰避障问题。并建立了环境仿真器,进行了多水下机器人协调避碰仿真实验,取得了良好的效果,验证了算法的有效性。     

基于预测窗的轮式移动机器人最优避障避碰算法

针对非线性轮式移动机器人的避障以及多机器人间的相互避碰问题,提出了一种基于预测窗的避障避碰算法.首先为了便于预测碰撞的发生,通过反馈线性化将非线性的机器人运动学模型转化成线性模型;然后根据线性模型预测会导致机器人发生碰撞的所有相对虚拟加速度变化量集合,称之为加速度变化障碍.基于此,为每个机器人构造既能躲避障碍物又能相互避碰的可行加速度变化集合.然后通过优化指标函数求得最优虚拟加速度变化量,最后将其转换成机器人的实际控制量.这种算法与现有的相比,可使机器人在避障或避碰过程中的行驶方向角、线速度的变化幅值更小,角速度和线加速度的变化更为平顺,而且运行所用的平均时间更短.仿真结果演示了所提出算法的有效性和相对于已有方法的优势.     

动态环境下改进蚁群算法的多Agent路径规划

针对动态环境下的多Agent路径规划问题,提出了一种改进的蚁群算法与烟花算法相结合的动态路径规划方法。通过自适应信息素强度值及信息素缩减因子来加快算法的迭代速度,并利用烟花算法来解决路径规划过程中的死锁问题,避免陷入局部最优。在多Agent动态避碰过程中,根据动态障碍物与多Agent之间的运行轨迹是否相交制定相应的避碰策略,并利用路径转变函数解决多Agent的正面碰撞问题。仿真实验表明,该方法优于经典蚁群算法,能够有效解决多Agent路径规划中的碰撞问题,从而快速找到最优无碰路径。     

舰船编队的避障/避碰控制

针对舰船编队系统中的协同控制问题进行了避碰和避障研究.运用了虚拟结构方法,通过在势函数中加入相对碰撞函数,解决了舰队之间的避碰问题;并通过设定安全航线,解决了避障问题.基于舰船的运动学和动力学特性,运用李亚普诺夫理论,设计了一种舰船编队控制器.最后对设计的控制器进行了仿真,验证其正确性和有效性.     

基于简化虚拟受力模型的群机器人多目标搜索协调控制

针对未知凸和非凸障碍物以及动态障碍物环境下群机器人多目标搜索问题,提出了一种基于简化虚拟受力分析模型的循障和避碰方法(SRSMT-SVF).对复杂环境下群机器人多目标搜索行为进行了分解并抽象出简化虚拟受力分析模型.基于此受力模型,设计了个体机器人协同搜索和漫游状态下的运动控制策略,使得机器人在搜索目标的同时能够实时避碰.通过对不同群体规模系统的仿真实验表明,本文控制方法能够使个体机器人在整个搜索过程中保持良好的避碰性能,有效地减少系统与环境之间和系统内部个体之间的碰撞冲突.相比于扩展粒子群算法(EPSO),本文方法使得搜索耗时和系统能耗至少减少了13.78%、11.96%,数值仿真结果验证了本文方法的有效性.     

一种基于相对坐标系下移动机器人动态实时避碰的新方法

本文提出了一种机器人在动态环境下的动态实时避碰的新方法．此方法是基于相 对坐标系，在加速度空间中，通过动态实时地调整机器人自身速度的大小和方向使其离开碰 撞区域，即碰撞危险区域，达到与动、静态障碍物之间的避碰．仿真实验验证了此方法的有 效性．     

Control of swarm behavior in crossing pedestrians based on temporal/spatial frequencies

In the densely-populated urban areas, pedestrian flows often cross each other and congestion is caused. The congestion makes us feel uncomfortable and sometimes leads to pedestrian accidents. To reduce the congestion or the risk of accidents, it is required to control the swarm behavior of pedestrian flows. This paper proposes modeling and controlling method of the crossing pedestrian flows. In the social/urban engineering, it is well known that the swarm behavior with a diagonal stripe pattern emerges in the crossing area of the flows. This is a self-organized phenomenon caused by the local collision avoidance effect of the pedestrians. To control the macroscopic behavior of the flows, we utilize this self-organized phenomenon. Firstly, we propose the continuum model of the crossing pedestrian flows. In the continuum model, the dynamic change of the congestion in the diagonal stripe pattern is simulated as the density. Secondly, the novel control method to improve average flow velocity is proposed based on the model. The proposed method utilizes the dynamic interaction between the diagonal stripe pattern and guides, who are moving in the flows. The authors derive the control algorithm through an analysis on the temporal and spatial frequencies of the crossing flows. The validity is verified with simulations using the continuum model. Moreover, we apply the proposed method to the particle model, assuming the actual pedestrians.     

Towards more behaviours in crowd simulation

While collision avoidance has been the most active topic in pedestrian simulation, the modelling of other kinds of behaviours appears to be essential for better realism. Thus higher cognitive levels of perception and behaviour improve simulation quality. Furthermore, giving an agent the possibility to choose the nature of its interactions with the others can not only improve simulation realism but also bring heterogeneity in the simulated population because each agent individually perceives the situation according to its own characteristics. In this paper, we aim at providing the pedestrian agent the ability to obtain an individual representation of the environment that allows him to adapt its behaviour according to the situation. We base our work on the analysis and interpretation of the environment, which makes the agent decide the behaviour it is going to adopt. We focus on two kinds of behaviours, following and group avoidance behaviours, and on their integration in classical avoidance simulations. We integrate recent works about following behaviour and propose to model interactions directly with groups of people instead of individuals. We aim at providing perception rules totally independent from the collision avoidance model used in the simulation. Because of the improved perception process, we observe emerging speed waves, group behaviours and lane formation in our simulations. Our results demonstrate the interest of modelling such behaviours to obtain more realistic simulations and show that specific patterns and collective behaviours emerge when using several types of behaviours in simulations. Copyright © 2015 John Wiley & Sons, Ltd.     

基于改进速度障碍法的多机器人避碰规划算法

针对多移动机器人运动协调中的动态安全避碰问题,在分析速度障碍法原理的基础上,设计用于机器人之间相互避让的互动速度法则,并通过制定机器人的碰撞时间、碰撞距离因子对构型障碍的大小进行实时调整,把运动障碍物、动力学约束下的多步可达窗口、目标点都映射到一种速度变化空间当中,使多机器人的动态避碰问题转化为一种最优化问题,并构造了新的优化评价函数;设计了基于改进速度障碍法的机器人动态避碰规划算法。仿真实验表明,该方法有效地克服了碰撞冲突,实现了多机器人之间的运动协调控制,提高了机器人追踪运动目标的快速性。     

基于数值仿真的人车碰撞事故再现研究

对于对未留制动印迹的人车碰撞事故采用数值仿真方法进行再现研究,提出了通过调整碰撞车速使得仿真结果(人体抛距、人体损伤情况等)逼近真实事故结果的方法估计碰撞车速,并应用于一起真实事故的再现研究,初步验证了模型和方法的可行性.采用上述经过验证的数值模型研究人车碰撞初始条件对仿真结果的影响发现:人车相对接触位置接近汽车前部一侧时对人体抛距值的影响较大,因此单纯根据人体抛距估计碰撞车速可能会造成再现结果的失真.     

基于改进DWA的多无人水面艇分布式避碰算法

针对多艘无人水面艇(USV)相遇自主避碰问题,考虑可能存在异常行驶的USV,基于改进动态窗口法(DWA)提出一种包含碰撞风险检测和行驶职责划分的分布式避碰算法.首先,引入障碍物预测轨迹和权重因子改进传统DWA的距离评价函数,提高USV躲避多个动态障碍物的能力,同时,结合国际海上避碰规则(COLREGS)引入新的规则评价函数约束USV的避让动作;然后,引入期望速度和航向改进现有碰撞风险检测算法,减少因碰撞风险变化导致的轨迹波动;接着,针对COLREGS仅规定两船相遇时的行驶职责划分问题,提出一种考虑异常USV的多USV职责划分方法;最后,基于Matlab实现多USV相遇自主避碰仿真.实验结果表明,即使存在异常USV,分布式避碰算法依旧保证正常USV能够作出符合COLREGS的安全避让动作.     

A collective motion model based on two-layer relationship mechanism for bi-direction pedestrian flow simulation

In crowd dynamic, relations are existed among some pedestrians, which cause frequent interactions during evacuation, creating collective motion phenomena, such as the most common pattern of team-groups. Besides, collective behavior can make a beneficial effect on the evacuation process. Therefore, this paper proposes a collective motion model to simulate bi-direction pedestrian flow. First, a method of group vision sharing is proposed to help pedestrians learn the crowd around. Based on two-layer relationship mechanism proposed, aggregate force and collective collision avoidance force are added into the original social force formula. The aggregate force is the resultant of two forces, one is the attraction among the leader and team members, and the other one is that among members of groups due to the social relations. Simulation results show that the modified model can reproduce the team-groups collective pattern in real world bi-direction pedestrian flow, and can reduce the collision risk with regarding the group as collision avoidance unit. Furthermore, the evacuation efficiency is improved.     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

基于三维速度势场的AUV局部避碰研究

以势场方法的思想为出发点，提出一种基于速度势场的AUV局部避碰仿真方法．根据AUV的特点建立了空间碰撞危险区域和由水平面速度势场和垂直面速度势场组成的三维速度势场．该方法较好地利用了相对速度的信息．仿真实验证明此方法可以使AUV在水下多运动障碍物的环境中得到较好的局部避碰效果，为今后的海试打下了很好的基础．     

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%。