基于改进A*算法的翼伞航迹规划研究

在空投翼伞着陆航迹优化的研究中,翼伞航迹规划是完成精确空投任务的关键环节.由于现有翼伞航迹设计方法没有考虑环境的不利影响和在线航迹规划需求,提出建立翼伞着陆过程威胁数学模型,提出了利用改进A *算法的翼伞航迹规划方法和虚拟威胁法,使翼伞满足逆风着陆条件,设计了盘旋规划,保证了精确着陆.最后仿真验证了上述方法能够满足复杂战场环境条件下翼伞航迹规划要求,并且具有较好的威胁回避能力和快速规划能力,具有很大的实际应用价值.     

基于模糊控制与预测控制切换的翼伞系统航迹跟踪控制

以翼伞系统的六自由度模型为基础,针对翼伞系统的平面航迹跟踪问题,对已有的预测控制器进行改进,提出模糊控制和广义预测控制相互切换的控制模式．利用横向轨迹误差法,在翼伞偏航角误差较大的情况下,采用模糊控制,直至偏航角误差达到设定的较小范围内,切换为广义预测控制,对翼伞航迹进行精确的制导,在一定程度上减少了处理器的运算量．采用真实的翼伞参数建立仿真模型,结果验证了这一控制方法的有效性．     

基于伪谱法的翼伞系统归航轨迹容错设计

针对翼伞系统在归航过程中,控制电机工作异常致使控制性能发生变化,无法按原有规划轨迹到达目标点的问题,提出一种基于Gauss伪谱法的归航轨迹容错设计方法.首先根据翼伞系统控制特性的不同,分别建立了正常和单电机异常工作状态下的质点模型,并根据伞形参数确定了两种工作状态下的约束条件和目标函数;其次,利用Gauss伪谱法分别对两种工作状态下轨迹规划的最优控制问题求解,获得翼伞系统不同状态下的最优飞行轨迹.仿真结果表明,在约束情况下,翼伞系统无论在正常和单电机异常工作时都可以顺利到达目标点,获得高精度的飞行轨迹.     

基于有向图的动态最优航迹规划算法

地形跟随/地形回避(TF/TA)航迹规划是低空突防系统的关键技术之一.通常所使用的动态规划算法得到的规划航迹有时达不到目标点.针对此问题,提出一种最优航迹规划的改进动态规划算法,通过对数字地图进行网格划分并建立有向图的方法改进动态规划算法,使最优航迹能有效地回避障碍和威胁.仿真结果表明,所提出的航迹规划算法是有效的.     

翼伞空投机器人系统的六自由度仿真

以灾难环境下翼伞空投机器人系统为背景,建立了翼伞系统六自由度的简化运动模型,针对预选的某伞型对该翼伞系统进行了动力学仿真.设置了常值侧风的仿真环境,分析了风对系统的影响,得出了翼伞的转弯、雀降等重要性能的参数,提供了验证控制算法的仿真基础,为设计实际控制系统提供理论依据.     

燃油约束下航迹规划算法研究与仿真

现有航迹规划算法通常不能够综合路径规划过程中的多种约束因素,且很少考虑到推进系统的能力限制,致使规划出的航迹实际不可飞。针对该问题,提出了一种满足飞行器多种机动性约束条件的航迹规划算法。对飞行器在垂直面内的运动状态进行分析,在传统代价函数的基础上提出了以燃油消耗为优化目标的代价函数。仿真结果表明,改进的代价函数能够对航迹进行很好的评价,所设计的规划算法搜索效率高,规划出的航迹实际可飞。     

基于改进粒子群算法的UAV航迹规划方法

结合当前无人机集群发展趋势,针对航迹规划算法和策略问题开展研究,在分析经典粒子群算法和传统航迹规划方法基础上,提出了一种基于改进粒子群算法的航迹规划方法,将无人机航迹规划分为整体航迹规划和节点间航迹规划两部分,针对两部分对于搜索速度和解的精度的不同需求,结合环境模型及约束条件,分别设计粒子群航迹规划算法的评价函数;对于节点间粒子群航迹规划,通过设计分段式惯性权重调整公式改进粒子群算法,在保证了算法的搜索速度的同时,提高了航迹规划解的精度。通过仿真验证了该方法的正确性和可行性,横向对比其他算法策略分析了该方法的优越性。最后在算法自主实时性方向上对于后续的工作开展提出了期望。     

翼伞自主归航控制系统设计

设计一种用于翼伞空投系统上的控制系统。采用ARM控制器作为核心控制元件,为操纵绳电机设计驱动电路。针对经典PID控制过程中存在的缺陷,结合翼伞系统飞行特点,提出基于LADRC 控制理论设计控制算法,并利用MATLAB仿真软件对该算法的正确性进行验证,以及介绍控制系统的软件工作流程。     

基于生物地理学优化的多UCAV协同航迹规划

研究多无人机协同路径规划问题,为了获取从起始点到达目标点,能够避开各种阻碍的最优运动路径,提出了一种基于BBO的多UCAV协同航迹规划方法.通过对地形环境、航迹表示方式进行描述,将生物地理学优化算法运用于多UCAV协同航迹规划,对约束条件及威胁进行分析,建立了UCAV航迹规划模型及多UCAV协同航迹规划模型;对BBO算法适宜度向量编码及迁徙模型进行了分析,设计了相应的优化算子;最后,构建了多UCAV协同航迹规划的求解框架,并结合BBO算法开展了相应的仿真.仿真结果表明,改进方法较好地实现了多UCAV协同航迹规划的优化.     

翼伞系统在较大风场中的归航控制

翼伞系统是一类特殊的柔翼飞行器,由于其飞行速度较低,容易受到风场的影响.针对翼伞系统在较大风场中难以准确跟踪归航轨迹、实现精确着陆,因此将风场中平均风的影响在轨迹规划中予以考虑,采用一种改进的粒子群算法(particle swarm optimization,PSO)优化分段归航轨迹;将紊流的影响作为外界的干扰,由线性自抗扰控制器(linear active disturbance rejection controller,LADRC)进行修正.仿真结果表明,该归航控制方法对提高翼伞系统在较大风场环境下的抗风性能和归航精度有重要意义.     

一种基于改进人工蜂群算法的机器人实时路径规划方法

在移动机器人控制领域,路径规划是最重要并具有挑战性的问题之一。本文首先采用栅格法对环境进行建模,然后提出一种改进的人工蜂群算法用于机器人的路径规划。在该算法中,为了提高人工蜂群算法的收敛速度,提出自适应的搜索方式,并采用精英保留选择策略以避免机器人路径规划陷入局部最优。仿真实验结果表明,所提算法在机器人路径规划上的可行性与有效性。     

基于改进的A*算法与动态窗口法的移动机器人路径规划

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,以解决移动机器人在多目标复杂环境中的路径规划问题．首要,为了提升算法的运行效率,实现单次规划的路径可通过多个目标点,同时提升路径平滑处理的灵活性并满足移动机器人非完整约束条件,本文利用目标成本函数对所有目标进行优先级判定,进而利用改进的A^*算法规划一条经过多个目标点的最优路径,同时采用自适应圆弧优化算法与加权障碍物步长调节算法,有效地将路径长度缩短5%,转折角总度数降低26.62%．其次,为实现移动机器人在动态复杂环境中局部避障并追击动态目标点．提出将改进动态窗口算法与全局路径规划信息相结合的在线路径规划法,采用预瞄偏差角追踪法成功捕捉移动目标点,并提升了路径规划效率．最后,对所提方法进行仿真实验,结果表明该方法能够在复杂动态环境中更有效地实现路径规划．     

基于改进蚁群和DWA算法的机器人动态路径规划

路径规划技术是移动机器人研究领域中的一个重要分支,使得机器人能够在多障碍物环境中安全快速地找到一条相对最优路径.针对全局路径规划时蚁群算法盲目性搜索、易陷入局部最优、收敛速度慢以及局部路径规划时DWA算法难以有效地规避动态障碍物等问题,提出一种改进蚁群算法与DWA算法的融合算法.首先,采用GRRT-Connect算法不等分配初始信息素,解决陷阱地图中局部最优问题;然后,增加蚁群接力搜索方法以解决蚂蚁禁忌表自死锁问题,并利用切片取优方法优化最优路径选择机制得到全局最优路径;接着,以最优路径关键点为子目标点运行DWA算法,提出自适应调节速度方法进行最优行驶;最后,提出预计算方法规避动态障碍物达到局部规划效果.仿真结果表明,与现有文献结果相比,融合算法最优路径长度缩短了10.28%,收敛速度加快了6.55%,验证了所提出算法的有效性和优越性.     

基于改进型遗传算法的动态避障路径规划方法

针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了三个新的操作-复原、重构和录优操作,使改进后的遗传算法收敛于全局最优,并在此基础上以路边约束、动态避障和路径最短作为适应度函数,提出了动态避障的路径规划方法.通过实验仿真验证了算法的有效性、准确性和实时性,并与基于以往的遗传算法的路径规划方法进行比较,结果表明本文提出的方法在产生的路径长度和算法运行时间上都具有更优的性能.     

Motion planning for tree climbing with inchworm‐like robots

This paper proposes a global path‐ and motion‐planning algorithm that enables inchworm‐like robots to navigate their way up tree branches. The intuitive climbing space representation method proposed here greatly simplifies the path‐planning problem. The dynamic programming algorithm can be used to identify the optimal path leading to the target position in the target direction according to the constraints and requirements specified. The planned path can be applied in any tree‐climbing robot that utilizes the nonenclosure gripping method. An efficient motion‐planning algorithm for continuum inchworm‐like robots is then developed to enable them to climb along the planned path with a high degree of accuracy. In comparison with the method proposed in our previous study, the method proposed herein significantly improves consistency between the planned path and the motions of the robot, and therefore makes it more practical to implement the motion‐planning algorithm in trees of different shapes. The paper also describes hardware experiments in which the proposed planning algorithm is applied to enable inchworm‐like robots to climb real trees, thus validating the proposed planning algorithm in practice. © 2012 Wiley Periodicals, Inc.     

基于轨迹大数据的动态最优路径规划

以轨迹大数据为基础,结合城市交通状态与用户个性化需求,提出一种基于改进Viterbi算法的动态最优路径规划算法。首先融合交通状态和真实路网拓扑结构,构建基于有向多重加权复杂网络的交通网络模型。采用基于层次分析法和熵权法相结合的综合赋权法对交通网络模型的多权重属性进行权重分配,得到新的有向加权复杂网络模型。进一步采用改进的Viterbi算法求解最优路径。最后,以兰州市为例,对最优路径规划进行分析,并将该算法与静态规划方法进行比较,验证城市最优路径规划算法的有效性与实时性。实验结果表明,结合城市交通状态与用户偏向的路径规划更加科学合理,能够为兰州市驾车出行、交通管理部门决策提供决策支持和参考。     

基于带电粒子搜索的无人潜航器航路规划方法

针对无人潜航器（UUV）在复杂环境、多约束条件下航路规划过程耗时长、占用空间大等问题,提出了基于带电粒子搜索（CSS）的航路规划方法。首先,建立UUV航路规划问题模型,设计代价函数;然后,给出了基于CSS的航路规划方法,带电粒子在搜索空间中会受到其他带电粒子电场力的作用进而迭代寻优;另外,提出了一种非线性调整速度与加速度参数的方法,通过该方法有效地平衡全局搜索与局部搜索过程,避免算法的早熟收敛。最后,通过对比实验从规划航路的质量和算法耗时两个角度将所提方法与A^*算法、蚁群算法、粒子群航路规划方法进行对比。实验结果表明该方法在保证规划出的航路质量的同时,具有更快的收敛速度、更低的时间复杂度。     

基于遗传算法的变电站巡检机器人任务路径规划方法研究

近年来,随着变电站巡检机器人在变电站中的广泛使用,巡检机器人路径规划问题越来越成为亟待解决的问题。巡检机器人在已知的拓扑地图中标记了待执行巡检任务的停靠点,不同任务需要从初始点出发经过不同的一系列停靠点再返回初始点,如何规划路径是机器人面临的问题。首先分析了路径规划面临的问题,然后通过分析拓扑地图的特征,对地图进行等价简化,再对问题进行建模使用遗传算法求解巡检任务路径规划的近似最优解。通过仿真实验证明,提出的基于遗传算法的路径规划方法是可行有效的,为变电站巡检机器人任务路径规划提供了一种有效方法。     

基于改进群搜索优化算法的群体路径规划方法

针对群体动画中传统路径规划算法搜索时间长、寻优能力差等问题,提出一种利用群搜索算法进行多线程路径规划的方法。该方法首先将模拟退火算法引入到搜索模式中,克服算法易陷入局部最优的问题;其次,通过结合多线程和路径随机拼接技术,将算法应用到路径规划中。仿真实验表明该算法无论在高维还是低维情况下都具有较好的全局收敛性,能够很好地满足在复杂动画环境下路径规划的要求。     

基于回溯法的全覆盖路径规划算法

随着扫地机器人的快速发展,作为其核心技术的全覆盖路径规划技术也变得日益重要。目前已经提出的许多算法,如人工势场法、模板法、单元分解法等,都存在一些问题,如覆盖率低、重复率高、运行效率低等等。针对目前已有算法存在的问题,提出了一种基于回溯法的全覆盖路径规划算法。首先利用West-Move First算法实现局部区域覆盖,然后为了解决扫地机器人局部区域覆盖过程中存在遗漏区域未覆盖的问题,建立了完善的回溯机制,并采用改进的A~*算法规划出一条从死点到回溯点的光滑无障碍路径。通过与BA~*算法进行仿真对比分析,表明了该算法具有更高的运行效率和更低的重叠率。