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ROS的机械臂运动规划研究

为提高多自由度串联机械臂在作业过程中的工作效率及安全性问题,提出一种基于ROS平台的机械臂运动规划方法。以ABB机器人为研究对象,进行正逆运动学分析。通过MoveIt配置包构建机器人的三维可视化模型,对机器人进行笛卡尔空间下的直线和圆弧规划实验。为提高机器人运动安全性和关节运动的平滑性,自定义一种线性插补算法后集成到MoveIt中进行运动仿真实验。实验结果显示机器人各关节运动轨迹平滑,稳定性高,表明此插补算法的可行性。最后进行机械臂的避障仿真实验,在MATLAB中对快速扩展随机树（RRT）算法和双向快速扩展随机树（RRT-Connect）算法进行对比实验,仿真证明：RRT-Connect算法速度快,路径短,更能提高机械臂在复杂路径下的规划效率。     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

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。     

融合动态窗与改进RRT的全位置机器人路径规划算法研究

针对传统RRT算法在无人车、无人船等自适应路径规划中的随机性导致树枝生长缺乏目标方向性问题,提出一种改进RRT算法与动态窗口相结合的混合算法,考虑其随机树生长过程中存在大量的冗余点,使得路径曲折、不平滑,基于子目标点选取策略研究一种过滤多余节点的算法;为了满足无人车、无人船行驶的安全性,建立安全阈值距离模型,避免与障碍物发生碰撞。对所提出的方法进行仿真实验,结果表明：改进的RRT算法能够在复杂的动态环境下生成有效的可行路径,与传统RRT算法相比较,它使搜索效率提高了43%,规划路径平滑度明显提升,能够实现动态环境中无人车、无人船在线实时路径规划。     

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。     

考虑阻塞的双向AGV路径规划方法

针对制造车间物料搬运系统中的AGV路径规划问题,提出一种考虑阻塞的AGV路径规划方法。依据各相邻节点之间路径中AGV搬运情况的统计数据计算路径的拥堵系数;引入拥堵系数计算AGV的统计搬运时间矩阵,将其作为路径规划的权值矩阵;设计Dijkstra算法求解起始点到终点的最短统计搬运时间路径,将其存入最短统计搬运时间路径表供查询使用。案例分析结果表明：与传统Dijkstra算法相比,考虑阻塞的AGV路径规划方法可以有效降低搬运时间,提高搬运效率。     

基于竞选算法的移动机器人路径规划

提出了一种路径规划的新方法,利用链接图法(MAKLINK Graph)建立规划环境模型,将规划分为两个层次:用E.W.Dijkstra算法求链接图的最短路径,得到初始路径点;用竞选算法来调整各个初始路径点,得到最优的或近似最优的移动路径点.分析结果表明该方法是有效的.     

融合改进RRT和动态窗口法的路径规划算法北大核心

针对传统RRT算法在规划中随机性过大,搜索时间过长且不能够实现动态避障等问题,从3个方面进行改进。针对RRT算法搜索树扩展方向过于随机,根据以起始点与目标点为对角线的矩形中的障碍物占比向目标点方向扩展,分别在有障碍物与无障碍物的环境中与传统RRT算法对比,验证改进算法的高效性;对改进算法规划的路径进行关键节点提取,并按照关键节点进行优化;将优化后路径分段使用改进动态窗口法。将融合算法与传统动态窗口法以及RRT算法在路径拐点数量以及路径长度等方面进行比对,结果表明:融合算法具有高效性且在规划的路径中加入临时障碍物时,移动机器人也能很好地避开。     

基于混沌求偶萤火虫算法的移动机器人路径规划

针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明：混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。     

基于改进乌燕鸥算法的移动机器人路径规划

为克服传统智能算法在解决复杂环境下移动机器人路径规划问题中存在的搜索效率慢和寻优精度低等不足,提出改进乌燕鸥优化算法（ISTOA）。以乌燕鸥算法（STOA）为基础,引入Circle混沌映射机制保证初始种群的质量,提升算法初期搜索效率。同时,提出旋转式翻筋斗搜索策略,对算法的扑食位置进行更新,提高了算法的局部寻优能力。在迁徙过程中,混合正弦控制非碰撞因子和自适应Lévy飞行策略平衡了算法的全局搜索和局部搜索。通过3种不同环境下移动机器人路径规划案例验证了改进乌燕鸥优化算法的有效性。结果表明：改进乌燕鸥优化算法可快速且稳定获得全局最优路径,整体寻优能力优于其他算法,有效地解决了移动机器人在复杂环境中的最优路径规划问题。     

基于改进遗传算法的工厂AGV安全路径规划

为了避免危害事故的发生,在复杂的加工制造工厂中规划AGV小车安全无碰撞的行驶路径,不能简单地将AGV看成一个质点。首先在传统的障碍物栅格地图中叠加了环境安全信息,构建了融合信息栅格地图,提出了一种改进的遗传路径规划算法,在其适应函数中加入安全信息,并采用A*算法产生的初始路径为基准进行安全优化,减少了算法的搜索空间和复杂度。在MATLAB中对算法进行了验证,并在Gazebo中模拟了制造工厂AGV路径规划过程,验证了该方法具有较快的收敛速度及有效性。     

基于改进RRT路径规划算法

针对基本RRT算法路径规划特点:树的扩展具有随机性,路径中存在冗余的节点,规划出的路径拐角多.因此,提出一种改进的RRT算法.改进后的算法首先采用目标偏向策略,以一定的概率P把目标点作为采样点进行随机树扩展,提高随机树向目标点的扩展的概率;其次,改变度量函数,添加了角度约束,减少了路径规划中搜索的范围,以减少搜索时间;...     

基于混合蚁群算法的AGV路径规划

针对传统蚁群算法在求解自动导引运输车(Automated Guided Vehicle,AGV)路径规划时存在搜索效率低且易陷入局部最优的问题,提出了一种运用于AGV路径规划的混合蚁群算法.首先,利用可视图法建立研究问题的环境模型,在此基础上利用A?算法规划出一条较优路径作为初始路径;其次,对蚁群算法信息素更新方式以及...     

基于改进APF-RRT的6R机械臂避障路径规划

针对6R机械臂在复杂环境下进行避障路径规划时成功率低、效率低等问题,提出一种改进人工势场法（APF）与快速扩展随机树法（RRT）的融合算法。对于传统APF目标不可达问题,提出引入斥力调节因子优化斥力函数,使得机械臂靠近目标点时,障碍物对机械臂的斥力逐渐减小并顺利到达目标点;针对传统RRT算法随机性过强问题,提出目标导向策略进行优化,使得采样点有一定的概率向目标点扩展;当APF陷入局部最优时,采用改进RRT算法进行路径规划,当跳出局部最优时,切换为APF继续路径规划。仿真结果表明：改进APF-RRT算法能适应各种复杂环境,且相较于传统APF和RRT算法具有规划时间短、规划成功率高等优点,有效解决了APF目标不可达和局部最小值的问题。最后通过 JAKA 机器人实验平台进行实际环境实验,验证了改进APF-RRT融合算法的可行性。