基于改进动态窗口法的移动机器人避障研究

动态窗口法(Dynamic Window Approach, DWA)是一种移动机器人速度采样的局部避障算法,基于DWA算法的移动机器人避障存在时间长以及在密集障碍物区无法选择最佳路径的缺点。基于此,提出一种改进的DWA算法,对移动机器人避障效果进行优化。首先根据单线激光雷达观测到的障碍物的方位信息以及设计的计算准则确定较优方位角范围,然后选取出较优方位角范围内的轨迹,最后对这些轨迹进行评价,确定最优轨迹对应的执行速度。MATLAB仿真结果表明:改进的DWA避障算法不仅能够使机器人以合理的运行轨迹选择较优角度区域通过密集障碍物区,而且在一定程度上减少了需要评价的轨迹数目,运行效率有所提高。     

改进A*算法的AGV避障路径规划研究

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点，使用传统八叉树搜索策略时，AGV易发生碰撞障碍物现象，在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题，提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计，因此引入启发式函数的权重系数提高A*算法的搜索效率；设置障碍物安全距离，为判断障碍物区域内当前障碍物是否影响AGV通行提供参考，再次改进原有八叉树搜索策略提升避障性能，然后对得到的无碰撞路径进行路径优化处理，保留关键转折点；最后实现A*和DWA算法融合，进一步优化路径，并实现全局动态路径规划。实验结果表明：融合算法使得路径更加平滑，提高了算法的避障性能，表明了融合算法在机器人路径规划中的可行性。     

基于优化A*和DWA算法的移动机器人避障路径规划

针对移动机器人在路径规划过程中路径曲率不连续,避障能力差等问题,提出了一种将改进A*和动态窗口法（DWA）相结合的路径规划方法。首先,在传统的A*算法基础上,将传统的8个搜索方向改为5个,提高搜索效率;其次,将Floyd算法思想引入A*算法中,设计了一种新的启发式搜索函数,实现了无斜穿障碍物顶点,增加了路径的平滑度;最后,融合改进算法以及动态窗口法,构造了新的评价函数,在保证规划路径全局最优性的基础上达到避障效果。仿真结果表明：该研究对于移动机器人自主导航的应用具有一定的参考价值。     

基于ROS与融合算法的AGV路径规划研究北大核心

针对传统A^(*)算法在AGV路径规划中存在搜索范围大、转折多、实时性差等缺点,以A^(*)算法为基础,通过建立栅格地图,改进启发函数,去除多余节点和提高避障安全性。针对AGV在复杂环境下的动态路径规划问题,将改进A^(*)算法与动态窗口算法进行融合,规划出一条具有实时性的最优路径。通过仿真实验,验证了改进算法的有效性与可行性,实现了路径优化。通过机器人操作系统进行实验,结果表明AGV运行时的路径规划合理,满足实际应用需求。     

基于改进蚁群算法的移动机器人路径规划

在考虑传统蚁群算法搜索路径时存在找到收敛速度慢、拐点多且不能动态避障等问题，提出一种基于拉普拉斯分布与动态窗口融合的蚁群算法来解决机器人路径规划。首先，在启发信息中加入当前节点、下一节点以及目标节点信息，并加入动态调节因子，使得启发信息在前期引导性强，信息素在迭代后期引导性强；其次，在蚁群算法信息素更新中引入拉普拉斯分布调节信息素的挥发，加快收敛速度；对蚁群算法得到的路径进行双向冗余节点删除，提高路径平滑度，最后，将改进的蚁群算法与改进动态窗口算法融合，使机器人安全到达终点。仿真表明，在相同地图环境中，蚁群算法与基本蚁群算法相比较路径长度相比减少了26.3%,路径拐点减少了77.7%,更适用于复杂环境。     

基于状态转移规则改进蚁群算法的机器人路径规划

针对传统蚁群算法在全局路径规划中存在的收敛速度慢、局部最优解、算法优化能力低、种群多样性与收敛速度相互矛盾4种主要问题进行改进，提出了基于动态更新状态转移规则的蚁群算法。通过人工势场法改进启发函数，提高算法的优化能力；利用伪随机状态策略改进状态转移规则，提高了算法的收敛速度；引入动态信息素更新方式，解决局部最优问题，协调种群多样性与收敛速度的矛盾。利用剪枝法对改进后的路径规划算法进行优化。通过分步仿真、对比仿真的方法证明算法改进过程的合理性，提高了蚁群算法在路径规划中的性能。仿真结果表明，改进后算法的路径长度缩短44.08%,运算时间缩短45.13%,在解决4种问题的同时，有效提升了机器人全局路径的平滑性和安全性。     

融合改进RRT和Dijkstra算法的机器人动态路径规划

针对传统RRT算法在规划中随机性过大，节点利用率低且得出的路径并非最优等问题，从3个方面进行改进。首先，针对RRT在随机点采样过程中无方向性的问题，设置目标节点采样率，每次采样时目标点有几率成为采样点，使路径可以快速接近目标点；其次，动态设置步长使机器人能根据周围障碍物数量动态调整步长，减少迭代步数；最后，在得到RRT算法规划出的一条可行路径后，向周围扩展可行区域，将可行区域栅格化，通过Dijkstra算法找出可行区域中的最短路线，优化RRT算法得出的路线。最后将所获得的全局路径分段采用动态窗口算法。将RRT-Dijkstra融合算法与RRT算法、Dijkstra算法以及动态窗口算法在路径拐点数量以及路径长度等方面进行对比。实验表明，RRT-Dijkstra融合算法更高效，得到的路径更优。结合动态窗口算法后且能实现动态避障。     

基于改进RRT-Connect的空间操作臂避障路径规划研究

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

基于改进RRT-Connect的空间操作臂避障路径规划研究（英文）

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

基于改进遗传算法的自动导引小车路径规划

为提高自动导引小车(AGV)在复杂码头环境下路径规划性能,对AGV路径规划中耗时较长和路径较长问题进行研究,提出了一种改进遗传算法。首先引入平滑的适应度函数来光滑和缩短路径;其次,用改进单点交叉方式和多向变异方式来增加种群多样性,避免陷入局部最优;最后对复杂码头环境进行二维和三维建模,并在此基础上对改进遗传算法、蚁群算法、快速扩展随机树算法和A~*算法进行静态和动态仿真。结果表明,该文提出的改进遗传算法与其他算法相比,路径长度最短;迭代次数最少;平均运行时间最短;可见改进后的遗传算法可使AGV在复杂码头环境下快速寻优和安全避障。     

基于复杂地形的四足机器人路径规划算法研究

针对四足机器人在复杂环境中摆动腿路径点规划不准确的问题,提出一种基于摆动腿路径规划的样条优化算法。该算法运用零力矩点（ZMP）稳定性准则,在对机器人COG轨迹进行规划的基础上,对机器人摆动腿足端轨迹路径点进行优化计算,并利用ADAMS建立其仿真模型用于计算机仿真。结果表明：该算法不仅能保证四足机器人安全避障,且能实现在复杂地形条件下平稳行走,验证了该算法的准确性和鲁棒性。     

基于改进遗传算法与Morphin算法的机器人路径规划方法

为了实现动态复杂环境下机器人路径的优化,在建立栅格地图模型的基础上,针对传统遗传算法的不足,一是通过改进适应度函数使得到的路径更加平滑,二是将改进后的遗传算法与Morphin算法结合起来,使得机器人能够实时有效的躲避障碍物。仿真实验结果表明：通过结合改进遗传算法和Morphin算法的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

矿井中多机器人搜救系统路径规划

矿难发生后,井下通信设施可能已有一定的损害、无法正常使用,因而无法知道被困人员的确切位置并且井下环境复杂危险,可能对营救人员造成伤害发生二次事故。为了快速地搜索到被困人员,结合井下无线传播环境的特点,提出井下多机器人组网搜救系统,其中包括机器人自由空间环境模型的创建、机器人搜索的局部和全局路径的规划。利用MAKLINK图论理论对井下环境进行建模,并且采用Dijkstra算法规划出避障初始路径,最后依据距离改进蚁群算法节点选择得出优化的最终路径,完成搜索路径的规划。MATLAB仿真结果表明,优化的路径总长度明显优于初始路径并且改进的蚁群算法有着较好的收敛速度,可以满足多机器人搜救系统的要求。     

基于改进蚁群算法的打磨机器人路径规划北大核心

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。     

基于改进遗传算法与Morphin算法的机器人路径规划方法（英文）

为了实现动态复杂环境下机器人路径的优化,在建立栅格地图模型的基础上,针对传统遗传算法的不足,一是通过改进适应度函数使得到的路径更加平滑,二是将改进后的遗传算法与Morphin算法结合起来,使得机器人能够实时有效的躲避障碍物。仿真实验结果表明:通过结合改进遗传算法和Morphin算法的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

静态场中机器人避障最短时间路径规划模型

研究轮式机器人在静态场景中绕过障碍物到达指定地点的时间最短路径问题,根据轮式机器人的运动特点,讨论了机器人越过单个障碍物顶点的时间下限,并分别设计了单次和多次转弯模型和求解算法。通过仿真实例发现:增加转弯次数的优化路径设计,能够减少机器人到达目的地所需时间,从而提高了机器人的工作效率;研究结果验证了多次转弯对缩短机器人避障时间的有效性。     

基于改进D^(*)算法的巡检机器人路径规划北大核心

路径规划技术是巡检机器人的热门研究,针对传统D^(*)算法存在的如拐点多、效率低、路径安全度不高等问题,对传统D^(*)算法进行了改进,优化了子节点的选取方式,将全局地图环境分解为多个局部环境,在选取局部环境中的目标点时,以局部环境关键节点为主,舍弃无用节点和危险节点;又改进了代价估计函数,并引入平滑度函数。最终用MATLAB建立栅格地图进行仿真,结果表明:改进后的算法得到的路径转弯次数有所优化,拐点数目减少了约30%;规划效率得到了提升,规划时间节约了约20%;并且所得路径与障碍物保持了适当距离,提升了机器人运行过程中的安全性。     

基于路网的车辆路径规划融合算法究

针对室外区域非结构化道路环境,为了同时解决全局路径规划问题和局部路径规划问题,提出一种基于Floyd算法、A*算法和人工势场法的路径规划融合算法。采用A*算法规划可行路径,基于Floyd全局最优距离和权重数据递归求出最优路径;改进人工势场法,设计分段力场结合自适应角度函数,规划避障路径;基于三次多项式曲线拟合得到满足动力学约束的行车轨迹。采用MATLAB/Simulink进行路径规划仿真,结果表明：路径规划融合算法根据前方检测环境能准确规划出全局绕路轨迹和局部避障轨迹,单次规划时间分别为1.14 ms和45 ms,满足实时性要求。实车实验结果表明仿真结果准确,验证了实路径规划融合算法的有效性和算法的鲁棒性     

基于焊接机器人的关节空间轨迹规划方法

针对"昆山一号"机器人关节空间运动的实际需求,结合机器人实时轨迹插补算法,提出了关节空间轨迹规划方法.运用离线编程软件仿真得到机器人末端运行轨迹,路径平稳连续.通过MATLAB 仿真得到机器人各个关节角度变化曲线和关节速度变化曲线,关节角度曲线平滑连续,关节速度曲线合理无突变.关节空间规划方法也可以应用在由变位机、导轨和机器人组成的多轴系统中,运行轨迹连续稳定,速度曲线满足工艺要求.该方法应用于"昆山一号"焊接机器人中,满足焊接实时调速和实时调整轨迹的需要.规划结果表明关节空间规划方法是合理正确的.     

基于改进RRT算法的室内移动机器人路径规划北大核心

针对RRT(rapidly-exploring random tree)算法路径规划时间长,采样点利用率低,最终生成的路径曲折等问题,提出了一种改进RRT算法。采用基于动态概率的采样策略,避免机器人在采样的过程中陷入局部极小值;同时提出了变步长的随机树扩展策略,减少了采样点数量;最后,使用五次贝塞尔曲线对路径进行平滑处理,使最终生成的路径利于机器人移动。在MATLAB平台上进行仿真分析,并使用基于ROS的移动机器人进行实验,将改进RRT算法与RRT算法、目标偏向RRT算法进行对比。仿真结果表明改进RRT算法规划的路径长度减少了23.09%,规划时间减少了87.16%,并且路径更平滑。