基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

基于改进粒子群算法的移动机器人路径规划

由于惯性权重取值不合适和迭代后期粒子群体多样性下降,导致传统粒子算法在移动机器人路径规划研究过程中存在局部最优解问题。针对此问题提出了一种改进粒子群算法的移动机器人路径规划方法。首先建立机器人路径规划的栅格地图模型,在此基础上对传统的粒子群算法进行了改进。随后,引入了基于相似度概念的非线性动态惯性权值调整方法,从而使得粒子的更新速率能够适配寻优过程的各个阶段,并且通过引入免疫算法中的免疫信息调节机制,增加了粒子的多样性,增强了其摆脱局部最优值的能力。仿真结果表明,所提出的改进粒子群算法具有更高的最佳路径搜索能力,其综合性能显著优于传统的粒子群算法。     

基于改进灰狼优化算法的移动机器人路径规划

针对移动机器人避障路径规划问题,在基本群智能算法灰狼优化算法的基础上,提出改进灰狼优化算法,测试函数证明了算法的稳定性和收敛性,进而将其首次应用于移动机器人避障路径规划问题,通过对改进灰狼优化算法的移动机器人避障路径进行研究,并与基本灰狼优化算法、粒子群算法、遗传算法比较,仿真结果证明了算法的稳定性和收敛性,对路径规划领域有十分重要的研究意义。     

融合A*和DWA算法的移动机器人路径规划方法

本研究旨在解决自主移动机器人在点到点路径规划中面临的搜索效率低下、易陷入局部最优解以及对未知动静态障碍物处理不够实时的问题。为此,将改进A*算法与改进 DWA进行了有效融合。在改进的A*算法中,我们引入了基于障碍率的权重因子和双向优化策略,以提升搜索效率并生成更加平滑的路径。同时,改进的DWA算法融入了两种新的障碍物评价函数,并通过调整权重系数有效地避免了局部最优解问题。通过将改进的DWA算法与改进的A*算法结合,实现了对未知动静态障碍物的高效实时避障。仿真实验结果显示,提出的改进A算法与传统A算法以及文献［23］的改进算法相比,在四种环境下的表现表明：路径转弯次数分别平均减少了30.14%和18.16%,搜索空间分别减少了35.09%和15.21%,规划时间分别降低了82.36%和38.26%。进一步地,结合改进的DWA算法后,路径规划时间、路径长度和平均运动速度相比融合传统DWA算法和文献［23］的融合算法分别平均减少了37.46%和9.82%,减少了4.59%和3.63%,提高了53.49%和7.09%。     

面向复杂环境的移动机器人在线路径规划

针对移动机器人作业环境的复杂性和不确定性,提出一种面向复杂环境的移动机器人在线路径规划方法。该方法借鉴自学习实时启发式搜索和多步搜索思想,将执行阶段与规划阶段交替进行,并在传感器有限探测范围内寻优,使规划路径适应复杂环境约束,规避障碍物,同时满足在线应用的要求。仿真结果表明该方法可以快速有效的完成面向复杂环境的移动机器人在线路径规划,证明了方法的正确性和有效性。     

一种基于改进人工势场法的局部路径规划算法

针对在存在复杂障碍物的环境中,利用人工势场法进行移动机器人路径规划时出现的局部最小值和目标不可达问题。本文提出了一种基于凹形障碍物补齐的改进人工势场法进行局部路径规划。首先,通过对凹形障碍物补齐,防止机器人进入局部最小值区域。然后,通过新增距离影响因子,改进了斥力场函数,使目标点成为全局势场中的最小点,防止机器人陷入目标不可达区域。最后仿真结果表明,本文所提出的改进人工势场法可以解决存在复杂障碍物的环境中的局部最小值问题和目标不可达问题,并且相对于其他算法,可以有效减少路径补偿,提高规划效率。     

基于改进JPS的移动机器人路径规划算法

在移动机器人的路径规划技术中,跳点搜索算法（JPS）因具备简单、快速、易实现的特性而被广泛使用。然而,传统的JPS算法由于启发式函数搜寻效率低导致其搜索的节点数量冗余,而且难以有效兼顾规划路径的安全性。针对该问题,本文提出了一种改进的JPS算法。该方法设计了一种由对角线距离和方向信息结合的启发式函数用于提高寻路效率,并且进一步对规划路径进行平滑处理以有效兼顾规划路径的安全可靠性。移动机器人在复杂障碍物环境下的路径规划仿真实验表明,相较于JPS算法,本文改进后的JPS算法平均规划时间减少了13.4%,平均路径长度减少了3.1%,平均危险点数量降低了83.3%。     

基于视觉的自主机器人障碍识别与路径规划

障碍物的识别与行走路径的规划是机器人实现自主移动的必要手段。本文基于深度相机提出一种由深度连续性与彩色特征点融合的障碍识别方法,通过深度相机获取物体的空间位置信息,映射到已有的地图中,构建障碍物空间。又提出一种PRM-D*的路径规划方法,先使用改进的随机概率路线图(PRM)完成整体路径规划工作,再根据相机识别的障碍物,设置局部地图,使用基于图搜索的D*算法进行局部动态规划,完成动态避障任务。通过实验,所提障碍物识别方法即使在昏暗的室内环境中,其对障碍物的检测准确率也大于80%,常规环境检测准确率高于95%,具有较好的鲁棒性与实时性;PRM-D*的路径规划方法在缩短总体规划时间的同时,确保了路径规划的成功率,单次动态规划时间小于0.02 s,具有良好的动态避障性能。     

基于多层VSA-Morphin算法的局部路径规划

多层Morphin算法扩展了对未知环境的预测范围,克服了传统Morphin算法搜索轨迹不灵活的缺点,但每个搜索节点生成的搜索弧数目固定,搜索和评估所花费的时间随着搜索层数的增多呈指数阶增加。针对该问题,提出了一种可变搜索弧Morphin算法(variable search arc of Morphin,VSA-Morphin)。调整每层搜索节点生成的搜索弧数目,使之不再固定,而是随着层数增加而减少,从而缩短搜索和评估时间。利用MATLAB仿真测试表明,多层VSA-Morphin算法与多层Morphin算法所规划的路径基本一致,但运行时间却相对更少,从而验证了多层VSA-Morphin算法的有效性和正确性。     

基于改进蜂群算法的工业机器人路径规划研究

针对工业机器人在复杂环境中运动的避障及路径优化问题,提出基于改进人工蜂群算法的工业机器人避障路径规划策略。首先针对传统人工蜂群算法搜索能力不足且容易陷入局部最优的问题,将禁忌搜索思想引入到人工蜂群算法最优解搜索过程中,形成了基于禁忌搜索的改进型人工蜂群算法,然后将其应用到工业机器人的路径规划问题中,并进行了仿真实验。结果表明,改进后的方法能够得到最优的路径,且寻优速度快、过程稳定。该方法可用于解决工业机器人路径规划问题。     

改进萤火虫算法在路径规划中的应用

为了保证移动机器人路径规划的解的多样性,提出了小生境萤火虫算法(NFA)。首先,根据环境特点,建立合理的路径规划模型,将萤火虫算法(FA)的目标函数设置为移动步数,并重新设计了亮度公式、初始化方式和萤火虫移动方式;其次,在FA的基础上,引入小生境技术,并在小生境种群间加入共享信息。仿真实验表明,NFA一次运行可得到多个最优路径。相比FA,NFA的移动步数和目标函数均值分别减少了7.14%、6.76%,萤火虫亮度均值增加了8.33%;相比GA,NFA的移动步数和目标函数均值分别减少了7.14%、9.79%。结果表明NFA在算法性能上更优。     

多层优化蚁群算法的移动机器人路径规划研究

针对地图环境建模以及蚁群算法存在的问题,提出了一种移动机器人路径规划的多层优化方法.首先对U型陷阱栅格区域进行凸化处理,避免前期搜索混乱;设计新的状态转移规则,解决常规蚁群规划的路径过于紧贴障碍物的问题;改进距离启发式函数,有效提高算法收敛速度;设计平滑启发函数,增加蚂蚁局部探索时直行的机率,提升初始路径平滑性;提出按...     

基于层次分析法和改进A*算法的电力应急机器人路径规划

电力应急机器人能够替代人工进入电力危险场景进行应急抢险作业,机器人路径规划的合理性对其作业的时效性与准确性有很大影响.提出一种层次分析法、改进A*算法和梯度下降法相结合的应急机器人路径规划方法.首先通过层次分析法选定复杂场景中的作业目标,然后结合危险源风险曲线函数和机器人防护阈值对A*算法的代价函数进行改进,实现注重风...