融合 A∗ 与 DWA 算法的水面船艇动态路径规划

为解决水面船艇路径规划同时要求全局最优、实时避障和航迹安全可靠的问题,提出了一种基于融合 A ∗ 算法与动态 窗口算法(DWA)的水面船艇路径规划方法。 首先通过引入启发函数动态加权策略,提高 A ∗ 算法的搜索效率;然后综合考虑水 面船艇的运动特性,采用一种路径转角节点角度削弱策略,减少转角,缩短全局路径长度;最后,基于全局因素影响与航迹安全 约束对 DWA 算法的轨迹评价函数进行改进,并以全局路径提供子目标点引导 DWA 算法进行局部规划的方式完成算法融合。 实验结果表明,融合算法相比于现有算法的总转向角度分别减少了 45. 6% 、46. 0% ,验证了融合算法的有效性与可行性,并且相 较于其他传统算法更具优越性。     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

基于改进 A∗ 算法与动态窗口法融合的 机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A~*算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A~*算法与动态窗口法相融合的机器人随机避障方法。在改进A~*算法中,首先优化了搜索点选取策略和评价函数,提高了A~*算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A~*算法较传统A~*算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。     

基于改进型DWA的移动机器人避障路径规划

针对传统动态窗口法(DWA)中存在的绕行于稠密障碍物区外侧,造成总路程增加,遇见距离相近障碍物构成的"C"形障碍物组合而陷入评价函数失灵等问题,提出了基于改进型DWA的移动机器人避障路径规划。首先,基于本文提出的关键航迹点的概念,提取出A*全局规划路径轨迹中的关键航迹点;然后,以关键航迹点到待评价轨迹的距离作为依据,定义新的评价子函数,获得新型DWA评价函数。仿真结果表明:该基于改进型DWA的移动机器人避障路径规划能够提前规避"C"形障碍物组合,并且提升了传统DWA算法对稠密障碍区的通过性。仿真实验中总迭代次数、运行时间及总路程均缩短了10%以上。     

基于视觉的平面关节机器人避障路径规划

针对平面关节机器人工作平面相对固定的特性，利用相机获取工作平面的环境信息。从图片构建地图信息的过程中，提取障碍物轮廓作为障碍物栅格，并将世界坐标下的安全距离映射为像素坐标下的安全像素距离，再将轮廓曲线沿法向向外扩展安全像素距离得到完整的地图信息。考虑到传统A*算法搜索的路径存在冗余节点会对后续机器人的速度规划带来较大的困难，利用改进的A*算法，剔除了路径上的冗余节点，减小了速度规划的复杂度；同时，障碍物轮廓已被扩展安全像素距离，保证了路径搜索过程中节点到障碍物的最小距离，实现了安全距离可控的避障路径规划。     

基于A~*算法和三次样条的工业机械臂路径平滑性研究

为提高工业机械臂运动的平滑性,提出了一种基于A*算法和三次样条函数的路径规划方法。首先建立空间障碍物3维模型,应用A*算法规划出在障碍物环境下的可行路径。然后以该路径的关键节点,建立三次样条插值函数,生成平滑的机械臂避障路径。最后通过实例对关节不同时刻的位移、速度、加速度的仿真和对比,结果验证了该方法的有效性。     

融合改进A^(∗)算法与动态窗口法的机器人避障研究北大核心CSCD

针对机器人在全局未知环境的路径规划中无法进行实时动态避障的问题,提出一种将改进的A^(*)算法与动态窗口法融合的机器人避障方法。首先将传统A^(*)算法3×3搜索领域扩展至5×5搜索领域,并将16个搜索方向进行取舍至9个,同时优化启发函数,通过优化时间复杂度来提升A^(*)算法搜索效率;然后进行冗余节点移除操作,剔除机器人路径中的多余拐点和共线的点;改进后的A^(*)算法较传统A^(*)算法平均减少了65.805%的路径规划时间和4.967%的路径长度。最后将改进的A^(*)算法与动态窗口算法进行结合,使得机器人具有动态避障能力,且保证机器人在局部避障的过程中得到全局路径规划的最优解。     

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大，搜索效率较低且规划的路径不利于机器人移动等缺点，从3个方向进行改进。首先，对于随机树扩展时随机性较大的问题，将传统的扩展方向加入改进人工势场法约束，使得随机树偏向目标点生长；其次，将改进RRT算法规划的路径进行关键点提取，并优化路径；最后，将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明，优化改进RRT算法相较于传统A^*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好，融合算法在复杂环境中规划出的路径能够很好地避开障碍物，路径更加平滑且更短。     

一种改进人工势场法的机械臂路径规划方法

针对人工势场法算法存在复杂障碍物环境中易陷入局部最小值无法运动的问题,本文提出了一种适用于静态环境中机械臂路径规划改进的人工势场法,通过在引力场中添加引力安全阈值,在斥力场中添加路径搜索当前点与目标点的欧式距离,引入自适应大步长的模拟退火算法对局部最小值进行逃逸。首先,修改势场函数模型;然后,当搜索路径陷入局部最小值时,采用自适应大步长的模拟退火算法往障碍物最少的空间逃逸;最后,在规划出来的路径上提出一种冗余节点删除策略与拐点消除算法,对规划出来的路径进行平滑处理。仿真和实验验证了本文提出的六自由度机械臂避障路径规划策略有效性。     

基于优化人工蜂群算法的多机器人协同规划

为了提高人工蜂群算法在多机器人路径规划中的性能,提出了优化人工蜂群算法。提出了一种新的环境建模方法,将障碍物边缘平滑化;分析了人工蜂群算法原理,改进了新食物源的生成方法,提出了自适应的搜索因子,兼顾了大范围搜索和算法收敛速度;改进了机器人路径点的表示方法,使用位置夹角表示机器人路径点,减少了位置参数;使用加权方式将路径长度、路径平滑度、路径安全性综合为目标函数。仿真实验结果表明,改进在多机器人路径规划中不仅耗时较少,而且路径也短,且随着机器人数量的增加,耗时和路径长度的差距越来越大。