基于融合蛇优化算法的多AUV协同围捕算法

为了提高围捕系统的围捕效率,提出一种基于融合蛇优化算法的多AUV协同围捕算法(Multi-AUV Cooperative Hunting Algorithm based on Fusion Snake Optimization algorithm,MACHA_FSO).MACHA_FSO 改进随机目标搜索策略,采用莱维飞行策略设置搜索目标,就近原则变更围捕AUV工作区域,保证围捕AUV的搜索效率.MACHA_FSO构建围捕系统的整体能耗模型,采用最小化围捕距离策略建立围捕联盟,提出融合蛇优化算法合理规划围捕AUV的围捕路径,有效降低围捕AUV能耗.仿真结果表明:相较于CPGBNN,RIGBNN和PRACO围捕算法,MACHA_FSO能够合理设置围捕AUV的搜索目标与围捕路径,且围捕系统平均能量消耗降低41％,围捕逃逸目标平均用时降低32％,围捕逃逸目标平均数量提高1倍,围捕系统平均生存时间提高15％.     

移动机器人未知环境避障研究

针对移动机器人的避障问题,以AS-R移动机器人为实验平台,提出了一种改进人工势场和模糊逻辑相结合的路径规划方法.对于未知障碍物环境采用人工势场法进行实时路径规划,对于动态近距离动态障碍物采用模糊逻辑方法引导机器人做出避障行为.为了有效将2种方法结合,根据传感器信息对于人工势场方法引入转角的信任度,机器人运行方向由上述2...     

面向多智能消防机器人的编队避障控制方法

为了提高多智能消防机器人系统在复杂火场环境下协同运动的安全性和及时性,提出一种基于动态权重的虚拟领航—领航—跟随法与改进人工势场法相结合的编队避障控制方法。首先,设计一种圆周运动控制律与方位角定位控制律相耦合的协同编队控制器,使各机器人收敛到以虚拟领航机器人为原点形成的圆上的期望位置。然后,对传统人工势场法进行改进,利用一种对数障碍函数建立道路两侧的危险膨胀区域来保障编队行驶在安全区域内,接着通过调整障碍物和道路边界共同作用在机器人上的合斥力方向,使得合斥力方向变为与目标作用的引力方向垂直且远离障碍物的方向,以解决局部极小值和目标不可达的问题。最后,引入动态权重因子对编队控制器和避障控制器进行自适应比值调整。为验证本文控制器的有效性,与传统人工势场法、固定权重的改进人工势场法进行仿真实验对比,结果表明所设计的控制器在收敛速度、跟踪误差和避障效果方面都表现更优。为进一步验证本文控制器的实用性,采用3台智能消防机器人进行物理实验,实验结果表明本文控制器既可以将编队限制在道路可行驶区域内,又可以较好地完成编队避障。     

未知环境下基于VFH＊的机器人避障

机器人避障问题一直是机器人应用中的热点和难点问题。为此采用了路径跟踪和VFH*相结合的方法实现机器人沿着预定路径前进中的避障问题。路径跟踪算法follow the carrot用来选取局部目标点。对于VFH*算法中存在的由于超声传感器的方向误差及对障碍物的扩展导致某些可行路径被忽略的情况进行了改进,在障碍物进行扩展时根据障碍物与机器人中心点的距离大小进行不同程度的扩展。另外,在障碍物比较稀的区域,VFH*算法对每个valley最多只选取三个候选方向,导致一些更好的方向丢失,根据valley的大小及机器人当前选定方向来增加一个新的候选方向。并用仿真验证了所做的改进是有效的。     

未知环境下基于Elman网络力控制的移动机器人避障研究

避障控制一直是移动机器人路径规划的难点.提出了一种未知环境下基于神经网络的机器人动态避障方法,同时把混合力/位置控制结构应用到移动机器人的避障控制中.力控制算法是通过在移动机器人和障碍物之间形成虚拟力场,并对其整定,以使它们两者之间能保持期望距离.由于移动机器人的动力学模型和障碍物的不确定性也会对避障控制的性能造成影响,因此采用Elman神经网络来补偿不确定性,同时整定移动机器人和障碍物之间的精确距离.仿真实验表明该动态避障算法是有效的.     

多AUV协同导航问题的研究现状与进展

自主水下航行器(Autonomous underwater vehicle, AUV)协同导航是未来50年解决水下中间层区域AUV导航定位的重要方法. 本文针对多AUV协同导航, 对该领域相关问题的研究进展进行了综述, 包括: 1)论述多AUV协同导航领域的研究现状, 包括协同导航问题界定、特点综述与讨论; 2)分析多AUV协同导航系统模型及相关算法的研究进展, 包括基于优化的、 基于参数估计的和基于贝叶斯估计的滤波算法; 3)对协同导航网络下的误差建模与补偿方法的研究进展进行了综述, 包括未知洋流的影响、水声通信延迟补偿等; 4)从影响协同导航定位精度的角度出发, 对AUV协同导航的可观测性与编队最优构型设计的研究进展进行了一系列的分析; 5)陈述目前多AUV协同导航中存在的关键问题, 并讨论其发展趋势.     

基于蚁群算法的多移动机器人避障路径规划方法

为提高多移动机器人避障路径的规划能力,提出基于蚁群算法的多移动机器人避障路径规划方法。结合小扰动解析方法构建多移动机器人运动学模型,根据运动学特征建立避障路径分布约束参数;通过自适应蒙特卡洛定位法进行故障定位;根据定位信息,结合蚁群算法进行多移动机器人避障路径规划寻优控制。仿真结果表明,采用该方法进行多移动机器人避障路径规划的自适应寻优能力较好,机器人定位精度较高,提高了多移动机器人避障能力。     

基于多AUV间任务协作的水下多目标探测机制

利用自主式水下航行器（Autonomous Underwater Vehicle, AUV）对水下多目标进行协同探测是目前海洋技术领域的研究热点。本文主要研究在水下三维区间内的多AUV任务分配与协作探测机制,建立了以每个AUV能量耗费与能耗均衡为约束条件的水下三维空间中的多旅行商（Multiple Traveling Salesman Problem, MTSP）问题模型,利用遗传算法（Genetic Algorithm, GA）对该NP-Complete问题进行启发式求解,同时设计了考虑巡航总路径及访问目标数的适应度函数以提高多AUV间的能耗均衡性,实现多个AUV对多个水下目标的优化协同探测。最后本文利用Matlab R2014a软件对多AUV任务协作与多目标探测机制进行了仿真,仿真结果验证了该方法能够均衡多AUV多目标探测问题的能量消耗,进而提高巡航速度和生命周期。     

多障碍物环境下挖掘机的连续避障轨迹规划

针对多障碍物环境下,挖掘机在挖掘过程中,铲斗碰到障碍物无法进行适应性调整的问题,利用三次多项式和积分法规划挖掘轨迹,采用盲人摸路算法对挖掘过程中挖掘机与障碍物发生碰撞后进行及时有效的调整,运用原像规划算法判断避障方向。为了方便进行避障算法验证,利用Matlab图形用户界面（GUI）设计了一个能够实现参数设置、结果展示等功能的可视化界面。仿真实验表明,该避障算法能够在复杂环境中,多次平滑绕开障碍物来完成连续避障任务。     

基于随机初始位置约束的多 AUV 覆盖路径规划方法

针对多自主水下航行器(Autonomous Underwater Vehicle, AUV)的全覆盖路径规划问题,提出了一种考虑随机初始位置约束的多 AUV 覆盖路径规划方法(Dividing Areas based on Robots Initial Positions Coverage Planning, DARP-CP)。根据多自主水下机器人的随机初始位置对工作海域进行均衡区域划分,将划分所得的不重叠区域分配给多 AUV 进行独立覆盖路径规划,每台 AUV 利用生物启发神经网络(Bio-inspired Neural Network)优化各个区域的全覆盖路径。为了克服传统全覆盖路径规划中的“死区”问题,采用 A*路径规划算法进行“死区”逃离,沿着较短的路径快速到达未覆盖区域点。仿真结果表明,所提出的 DARP-CP 方法可有效提高多 AUV 全覆盖目标区域的工作效率。     

智能机器人的一种新路径规划算法

为了使智能机器人的运动过程更加顺利快速,使其用更短的时间和更短的路径到达终点,采用了基于几何理论的路径规划算法,寻求智能机器人最优路径规划。该算法利用切线最短的理论优化机器人的运动过程,对智能机器人运动的每一段路径都进行了规划和优化,使智能机器人的整个运动过程更加顺畅。在实际应用中,成功地缩短了机器人的运动路径,并成功地进行了避障。这种方法使用简单,容易理解,可广泛应用于智能机器人的路径规划和避障系统中,在实际应用中更能减少能量损耗。     

基于人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法,具有反应速度快、计算量小和实时性等优点。但这种方法容易产生局部极点,导致机器人停止移动,达不到目标。文章利用传统的人工势场法对移动机器人避障行为进行了仿真实验并成功地规划出一条光滑路径,并对人工势场法研究现状进行了分析讨论。     

实现机器人动态路径规划的仿真系统

针对机器人动态路径规划问题,提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知,静止和运动障碍物的复杂情况。采用栅格法建立机器人空间模型,整个系统由全局路径规划和局部避碰规划两部分组成。在全局路径规划中,用快速搜索随机树算法规划出初步全局优化路径,局部避碰规划是在全局优化路径的同时,通过基于滚动窗口的环境探测和碰撞规则,对动态障碍物实施有效的局部避碰策略,从而使机器人安全顺利地到达目的地。仿真实验结果说明该方法具有可行性。     

A Novel Navigation Method for Autonomous Mobile Vehicles

This paper presents a novel navigation method for Autonomous Mobile Vehicle in unknown environments. The proposed navigator consists of an Obstacle Avoider (OA), a Goal Seeker (GS), a Navigation Supervisor (NS) and an Environment Evaluator (EE). The fuzzy actions inferred by the OA and the GS are weighted by the NS using the local and global environmental information and fused through fuzzy set operation to produce a command action, from which the final crisp action is determined by defuzzification. The EE tunes the supports of the fuzzy sets for the OA and the NS; therefore, the capability of the navigation method is enhanced. Simulation shows that the navigator is able to perform successful navigation task in various unknown or partially known environments, and it has satisfactory ability in tackling moving obstacles. More importantly, it has smooth action and exceptionally good robustness to sensor noise.     

空间机械臂在线实时避障路径规划研究

针对目前空间机械臂避障路径规划算法计算量大难以达到在线实时规划的缺点,对空间机械臂的在线实时避障路径规划问题进行了研究和探讨。采用规则体的包络对障碍物进行建模,并借助C空间法的思想,把障碍物和机械臂映射到两个相互垂直的平面内,将机械臂工作空间的三维问题转化为二维问题,并结合二岔树逆向寻优的方法进行路径搜索,从而大大减少了计算量,达到了在线实时规划的要求。最后在空间机器人仿真系统上对其进行了仿真研究,验证了该方法的可行性。     

基于遗传算法和B 样条曲线的平滑避障路径规划

传统的避障路径规划中常常存在不连续点,提出一种新的平滑避障路径规划的方法—遗传算法和B样条曲线法。首先,先通过碰撞侦测,能够侦测出前进路径中的障碍物,然后通过遗传算法再结合B样条曲线规划出平滑的避障路径。该算法可以避免运动过程因打滑而造成与目标位置的误差,解决机器人在静态环境中全局、局部路径规划和规划路径中存在不连续点的问题。仿真和实验结果证明了算法的有效性。     

改进RRT算法的机器人全局路径规划

针对RRT（rapidly exploring random tree）路径规划算法搜索范围大、目标导向差、容易陷入局部最小值以及路径曲折等问题;提出了一种限制自适应采样区域的改进RRT路径规划算法。将整个搜索空间划分成均匀的等级;根据新节点所在等级和该等级内采样点数量动态调整采样区域;减小搜索范围;利用新节点改进策略使随机树根据环境信息自适应地向目标点调整;并改变扩展步长生成新节点;利用障碍物躲避策略提高算法的目标导向性和躲避障碍物的性能;利用改进的逆向寻优和插入节点并减小转向角的三次B样条曲线对路径进行优化处理。该算法在不同的路径环境中相较于RRT算法的搜索时间和迭代次数均减少了70%以上;且经过优化的路径更短、更平滑。     

On-line Planning for Collision Avoidance on the Nominal Path

In this paper a solution to the obstacle avoidance problem for a mobile robot moving in the two-dimensional Cartesian plane is presented. The robot is modelled as a linear time-invariant dynamic system of finite size enclosed by a circle and the obstacles are modelled as circles travelling along rectilinear trajectories. This work deals with the avoidance problem when the obstacles move in known trajectories. The robot starts its journey on a nominal straight line path with a nominal velocity. When an obstacle is detected to be on a collision course with the robot, the robot must devise a plan to avoid the obstacle whilst minimising a cost index defined as the total sum squared of the magnitudes of the deviations of its velocity from the nominal velocity. The planning strategy adopted here is adjustment of the robot's velocity on the nominal path based on the time of collision between the robot and a moving obstacle, and determination of a desired final state such that its Euclidean distance from the nominal final state is minimal. Obstacle avoidance by deviation from the nominal path in deterministic and random environments is based on the work presented here and is investigated in another paper.     

基于改进萤火虫算法的图书馆室内机器人避障路径规划研究

对机器人避障路径规划模型存在的路径规划不准确的问题进行了分析,并基于分析结果,采用动态窗口算法(Dynamic Window Approach, DWA)对萤火虫算法(Firefly Algorithm, FA)进行改进,将改进后的萤火虫算法用于图书馆室内机器人避障路径规划。经实验测试,所提改进算法的准确率提高到了99.2%。该算法将避障路径规划的准确率提高到了98.9%,将机器人计算最优路径的时间和通过该路径的时间降低到3.4 min,满足了室内机器人避障路径规划模型的工程应用条件。     

自主微型直升机飞行路径规划研究

实现无人直升机在不确定3 维环境中的自主行为,路径规划是关键所在.考虑到直升机的实时要求,基于距离转换方法,提出一种改进的快速3维路径规划方法,并对避障策略做了一些探讨.仿真试验的结果验证了其有效性.􀁽