动态二叉树表示环境的A*算法及其在足球机器人路径规划中的实现

提出采用二叉树表示二维空间的方法，对全局路径规划和局部路径规划进行综合考察，设计移动机器人在复杂环境下对动态障碍物进行避障的A算法，在足够机器人系统中进行仿真，将二叉树动态地表示球场的机器人与目标对角线的矩型环境，使搜索范围随搜索进程动态地减少，实现了路径规划的整体优化。     

RRT与人工势场法结合的机械臂避障规划

针对人工势场法在工业机械臂避障路径规划中容易陷入局部极小值的缺陷,利用改进的快速扩展随机树(rapidly-exploring random tree,RRT)算法与人工势场法结合进行避障路径规划。首先,利用人工势场法进行局部路径规划,当陷入局部极小值时,使用改进的快速扩展随机算法自适应地选择临时目标点,使搜索过程跳出局部极小值点;当机械臂逃离局部极小值点时,切换回人工势场法进行规划。该算法不仅能够实现工业机械臂末端执行器的避障,同时能够防止杆端与障碍物产生碰撞,最终到达目标点。仿真实验表明,该方法实现简单,能够适应环境的变化,在复杂的环境下依然有效,满足机械臂避障的要求。最后,通过进行实际实验表明了实际与仿真实验的一致性。     

基于危险斥力场的自动驾驶汽车主动避撞局部路径规划

针对平直道路上碰撞交通事故的多发性和复杂性,借鉴人工势场理论思想,提出了一种基于危险斥力场的自动驾驶汽车主动避撞局部路径规划算法.该算法建立了算盘式道路和危险斥力场模型,根据算珠受到来自道路边界斥力、障碍物边界斥力和线性拉伸弹簧拉力共同作用达到的受力平衡状态,得到一个非线性方程组,用牛顿迭代法求解出一条能安全避开障碍物且符合汽车动力学性能要求的避障路径.仿真结果表明,该算法有效可行,且具有运算量小、实时性好、安全可靠的特点.     

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。     

基于引力势场的包装机器人自动避障控制方法

目的 为解决自动化包装机器人机械手受到障碍物影响导致避障效果较低的问题,提出自动化包装机器人机械手自主避障方法.方法 建立自动化包装机器人行走轨迹运动模型,计算其线速度和角速度,完成自动化包装机器人的运动学分析;利用相邻2个自动化包装机器人之间的引力势场,计算自动化包装机器人所受的合力;设置自动化包装机器人机械手自主避障的状态方程,设计自主避障算法;结合自主避障流程,实现自动化包装机器人机械手的自主避障.结果 在U型障碍物路段和H型障碍物路段中设计了对比实验,实验结果表明,提出的自主避障方法无论在哪种类型路段,自动化机器人的工作效率都在75％以上,具有较好的避障效果.结论 适用于自动化包装机器人的机械手避障,为自动化包装机器人的研究提供参考.     

动态环境下基于自适应步长Informed-RRT*和人工势场法的机器人混合路径规划

为解决移动机器人在动态环境下的路径规划问题,将Informed-RRT*和人工势场法相融合,提出全局与局部规划算法相融合的路径规划方法。首先,针对Informed-RRT*算法采样效率低,以及得到路径不满足机器人运动学约束的问题,采用目标偏置法与自适应步长法,减少冗余搜索与不必要树的生长;同时,引入走廊优化与时间重分配法,优化路径节点,使路径更加平滑。其次,针对人工势场法易陷入局部极小值和目标点附近不可达的问题,采用平滑窗格策略,增设全局路径子目标点,使机器人能够逃离局部极小值,完成规划任务。仿真结果表明,静态环境中自适应步长Informed-RRT*算法相比于Informed-RRT*算法求解时间缩短了71.98%;动态环境中,混合算法相比于人工势场法,搜索时间缩短了15.4%,路径长度缩短了11.1%。     

基于改进卷积网络的无人驾驶汽车动态避障路径规划方法

为了提高无人驾驶汽车动态避障的成功率,实现路径最优规划目标,本文引入了改进卷积网络,并开展了基于该网络的无人驾驶汽车动态避障路径规划方法研究。首先,建立了精确的汽车运动学模型,以描述无人驾驶汽车在行驶过程中的运动学特性。其次,对道路障碍物目标位置进行检测,连续获取道路动态障碍物目标的信息,预测障碍物未来的位置和速度。最后,在此基础上,利用改进卷积网络计算了无人驾驶汽车动态避障路径损失函数,评估了规划避障路径与实际目标路径之间的差距。同时,辅助人工势场法求解势能的最小值,得到了汽车避障路径。试验结果表明,应用本文提出的规划方法后,在6个车道上,无人驾驶汽车的动态避障成功率始终高于另外2个对照组,均达到了99%以上,可以有效地识别障碍物并进行避障。     

基于线性规划的机器人避障问题

机器人避障最短路径及最短时间路径其实就是研究具有圆形限定区域的最短路径的问题,主要研究机器人在有若干个障碍物一个区域中,由出发点到达目标点以及由出发点经过途中的若干目标点到达最终目标点的两种情形。通过分析我们可以得出最短路径是由两部分组成的:一部分是在一个平面两点之间的最短路即直线路径,另一部分是障碍物区域的部分边界,这两部分是相切连接的。除此之外我们还发现最小转向曲率半径和障碍物区域大小的浮动对结果都有影响。根据这个结果,可以得出最短路径一定是由直线和圆弧做组成,为此可以建立线圆结构模型,这样不管障碍物有多少,路径有多复杂,我们都可以将路径划分为若干个这种线圆结构来求解。对于路径当中经过障碍物再到达目标点的状况,采用两种方案,一种是在障碍物拐点和节点都采用最小转弯半径的形式,另一种是适当扩大障碍物拐点处的转弯半径,使得机器人能够尽大可能沿直线通过路径中的障碍物到达目标点。建立最优化模型对两种方案分别进行求解。     

基于遇障速度法足球机器人的路径规划

提出了机器人在动态环境下的路径规划方法。这种方法基于机器人运动速度信息制定的避障策略。通过遇障速度的几何变换产生可达避障速度，从而确定运动路径上潜在的障碍物。同时，还推导了机器人路径搜索树网格算法。足球机器人仿真比赛表明，这种方法适用于动态和静态障碍物的避障。     

定制家具板材搬运AGV路径规划

目的 针对应用在定制家具生产包装车间的板材搬运自动引导车存在的路径规划时间长以及规划出的路径转弯次数较多的问题,提出一种改进Q-learning算法的路径规划算法.方法 根据定制家具生产包装车间环境情况,使用栅格法对车间进行建模,建立车间模型的人工标量场,使用人工标量场给予Q-learning算法前期搜索的目的性;增加Q-learning算法的学习层,使得算法可以更快进入收敛;在奖励函数中加入转弯惩罚,使得算法规划出的路径具有更少的转弯次数.结果 仿真结果表明改进后的算法与标准Q-learning算法、增加学习层的Q-learning算法、引入人工势能场Q-learning算法、深度双Q网络算法相比,迭代次数减少了70.46％,64.40％,67.75％,30.49％,转弯次数减少了80％,80.95％,83.33％,73.33％.结论 板材搬运自动引导车利用改进后的Q-learning算法可以有效地提高路径的平滑性,降低了路径规划的时间,提高了板材搬运自动引导车的工作效率.     

考虑冲突避免的多AGV路径规划研究

目的 提高物流企业“货到人”拣选系统在实际生产中的工作效率，避免自动导引小车(AGV)间的冲突死锁，研究大规模多AGV的无冲突路径规划和协同避障问题。方法 首先考虑AGV空载、负载情况和路径扩展成本，改进A^*算法，动态调整代价函数，优化路径扩展方式。其次，提出冲突检测及避免算法，对可能产生局部冲突的路径交叉点进行避障调度，通过预约锁格，实现局部冲突的检测，制定优先级避障策略，解决AGV动态行驶路径上产生的局部冲突和死锁，进而实现全局无冲突路径规划。结果 对多组不同任务量和不同AGV规模的场景进行仿真，实验结果表明，考虑冲突避免的改进A^*算法能有效实现100个任务、90个货架单位和7个拣选站场景下的多AGV动态路径规划，相较于传统A^*算法，其平均拣选时长缩短了52.61%。结论 该方法可实现大规模场景下的多AGV动态路径规划，在付出较小转弯代价的同时有效避免局部动态冲突，该方法可为相关企业实现多AGV协同调度提供新的思路和理论依据。     

A Hybrid Path Planning Method Based on Articulated Vehicle Model

Due to the unique steering mechanism and driving characteristics of the articulated vehicle, a hybrid path planning method based on the articulated vehicle model is proposed to meet the demand of obstacle avoidance and searching the path back and forth of the articulated vehicle. First, Support Vector Machine (SVM) theory is used to obtain the two-dimensional optimal zero potential curve and the maximum margin, and then, several key points are selected from the optimal zero potential curves by using Longest Accessible Path (LAP) method. Next, the Cubic Bezier (CB) curve is adopted to connect the curve that satisfies the curvature constraint of the articulated vehicle between every two key points. Finally, Back and Forth Rapidly-exploring Random Tree with Course Correction (BFRRT-CC) is designed to connect paths that do not meet articulated vehicle curvature requirements. Simulation results show that the proposed hybrid path planning method can search a feasible path with a 90-degree turn, which meets the demand for obstacle avoidance and articulated vehicle back-and-forth movement.     

移动机器人障碍躲避的最佳路径

提出一种以障碍物和机器人位置和速度等信息为基础的障碍躲避方法，重点探讨了确定性环境下障碍躲避和转弯过程中机器人应遵循的合理路径问题，并通过证明指出了给定环境条件下实现转弯和障碍躲避的最佳路径。仿真实验表明，该结论简单有效，便于实施，具有较高的应用价值。     

Obstacle detection and avoidance with noisy measurements using danger zone concepts

Potential collision danger increases if a vehicle gradually moves closer to other vehicles or obstacles. If the collision time can be predicted before the vehicle is dangerously close to other vehicles or obstacles, the vehicle can devise an effective evasive maneuver or reroute its path, thus avoiding collision. This paper proposes an obstacle avoidance algorithm for unmanned vehicles in an unknown environment. The proposed avoidance algorithm uses the danger zone concept to determine whether the obstacle or surrounding vehicle will cause a possible collision. The danger zone is constructed around the vehicle by using semi-algebraic functions. The possible collision can be predicted by checking the sign of these semi-algebraic functions. The semi-algebraic functions for constructing the danger zone apply the relative velocities between the vehicle, and other vehicles or obstacles and can be used for both two- and three-dimensional cases. Several avoidance schemes are provided, with examples to demonstrate the concept of the proposed approach.     

基于烟花混合蚁群的移动机器人路径规划研究

目的 以应用于包装车间的移动机器人的路径规划作为研究对象,解决蚁群算法收敛速度慢、寻找到的路径不优等缺陷。方法 引入改进烟花和蚁群融合的方法进行搜索,首先建立移动机器人的栅格地图,其次采用改进烟花算法进行路径粗搜索,将得到的路径作为信息素增量,再运用蚁群细搜索求解。结果 文中方法与传统方法相比,收敛速度得到提高,并寻找到了更优的路径。结论 通过采用融合算法,弥补了烟花寻优的不足,加快了蚁群的收敛,可以对2种算法互相取长补短。     

改进分散搜索算法求解包装废弃物回收路径规划问题

目的 将包装废弃物回收路径规划归纳为一个带回路和时间窗的逆向物流车辆路径问题（RL-VRPBTW）,以最小化回收成本、发车成本和时间窗惩罚为联合优化目标进行建模。方法 引入“车辆剩余空间回收能力”因素,改进经典节约里程算法,求得较好的初始解;基于分散搜索框架,设计基于初始解改进的分散搜索算法（ISISS）,根据问题模型,采用含0的编码方式,通过多样性产生、参考集更新、子集产生、子集合并、解改进等5个步骤实现算法功能。结果 在“部分回收点分布较密集”的城市型地理场景下,针对快消企业的低值固废包装,生成回收点数量分别为50、100、200的3种规模算例,并考虑大小两种车型进行仿真实验。将ISISS算法与改进节约里程、遗传和分散搜索3种算法比较后可知,ISISS算法在大规模包装废弃物回收车辆路径问题上具有更优的求解性能。结论 仿真实验结果表明,ISISS是一种求解多目标大规模包装废弃物回收路径规划问题的较优算法。     

Cutting path optimization in CNC cutting processes using a two-step genetic algorithm

This paper deals with the problem of generating 2D cutting paths for a stock plate nested with a set of regular and/or irregular parts. The objective of the problem is to minimize the total non-productive traveling distance of a cutter starting from a known depot, then cutting all the given parts, and returning back to the depot. A cutting path consists of the depot and piercing points, each of which is to be specified for cutting a part. The cutting path optimization problem is shown to be formulated as a generalized version of the standard traveling salesman problem. To solve the problem, a two-step genetic algorithm combining global search for piercing point optimization and local search for part sequencing is proposed. Traditional genetic operators developed for continuous optimization problems are modified to effectively deal with the continuous nature of piercing-point positions. A series of computational results are provided to illustrate the validity of the proposed algorithm.