基于融合A*算法的无人机路径规划研究

针对三维环境下A*算法搜索路径不平滑,不具有动态避障的问题,本文提出了一种融合A*算法。该算法在A*算法的基础上,首先引入了俯仰角和偏航角作为搜索约束,其次采用变权值的评估函数和无人机航程、飞行高度、威胁代价,最后将平滑后的A*算法与人工势场法相结合,并利用粒子群算法对A*算法和人工势场法涉及的参数进行寻优。仿真结果显示,融合算法较传统A*算法而言,节省5.34%的燃油损耗,提高了搜索效率,缩短了路径长度,规划出的路径更加平滑,而且能够实现实时动态避障。     

基于改进APF-RRT的机械臂避障路径规划

为提高机械臂在复杂环境下的避障路径规划效率,提出一种适用于椭球障碍物的改进人工势场-快速搜索随机树（Artifical Potential Field-Rapidly exploring Random Tree,APF-RRT）算法。首先,使用椭球体包围盒包络障碍物,对椭球体的碰撞检测进行分析;其次,为了加快路径探索速度,引入随机点效应与随机点选择机制对RRT算法进行改进,机械臂采用改进后的RRT与人工势场法的混合方法进行路径规划;最后,对规划好的路径进行冗余点删除,并使用四次B-样条曲线对路径进行平滑,提升路径的质量。实验结果表明,相较于经典算法,该算法能够快速完成避障路径规划且规划路径更短。     

基于改进蚁群算法的机器人三维路径规划

针对蚁群算法在机器人三维避障路径规划中收敛速度慢以及精度较低的缺陷,结合人工势场法强化目标路径的优点,引入人工势场法中目标点处的引力域,修改了蚁群算法的启发值参数。在原有蚁群算法的基础上,提出了吸引素概念,根据吸引素修改了原有信息素参数的更新规则,使得蚁群算法能更快的达到收敛。最后仿真结果表明,在相同工作环境下改进后蚁群算法达到最优适应度值所需迭代次数相较于改进前存在明显的缩短,同时最优适应度值也有一定的提升。     

基于改进BAS算法的AGV路径规划方法研究

为了提高 AGV 的速度和环境适应能力,文章提出了一种基于改进天牛须搜索算法的 AGV 路径规划方法, 从环境建模、路径规划、动态避障三个方面进行了说明.通过基于栅格法环境建模的 BAS算法路径规划仿真结果表明,该方法具有较强的路径搜索能力和较强的避障功能,在非常复杂的障碍环境中,比其他算法更迅速地规划出一条 安全避障的优化路径。     

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。     

动态环境下基于人工势场的足球机器人路径规划

人工势场法是足球机器人路径规划中常用的方法,传统人工势场法在静态环境中取得了很好的效果,但它不能够满足复杂的动态环境下实时规划的要求。本文将相对速度矢量引入人工势场,对势场函数进行改进,推导出基于速度矢量的引力函数和斥力函数。在新的势场函数作用下,机器人能够快速躲避障碍物并迅速到达目标位置,仿真结果验证了方法的有效性。     

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。     

基于凸优化平滑动态窗口法的运动规划方法

针对煤矿井下路面崎岖,传统动态窗口法生成的角速度与线速度序列波动频繁无法控制机器人正常运动的问题,提出 了一种基于凸优化平滑动态窗口法生成的角速度与线速度的运动规划方法。 首先使用动态窗口法生成一组角速度线速度序 列,然后基于此序列构建目标函数利用凸优化求得最优解,达到去除原序列中的噪声的目的,实现对机器人的运动控制,求得的 最优解即为平滑后的角速度线速度序列;最后使用 MATLAB 进行仿真,验证不同地图下凸优化的平滑效果,并且与均值滤波和 VMD 重构信号进行对比。 结果表明,与对比算法相比,凸优化处理后的动态窗口法的角速度和线速度序列平滑效果最好,平均 绝对误差最小为 0. 005 6、0. 001 8,平滑了信号同时又保留了其特征。     

基于自适应模糊人工势场法的自动引导小车路径规划

针对经典人工势场法在自动引导小车控制中存在的缺陷，将自适应模糊人工势场法引入自动引导小车的路径规划与控制，使自动引导小车的运行路径更为合理．仿真结果表明所述方法的可行性与有效性．     

考虑地面行人安全的无人机低风险路径规划策略

为了提升无人机点到点作业任务的安全性,本文提出了一种低风险路径规划策略。低风险路径规划策略包括风险评估和路径规划两部分。在风险评估部分,以无人机对地面行人的风险作为评估指标,建立风险值评估模型和风险等级评估模型,以风险图作为结果表征无人机作业的安全程度。在路径规划部分,结合风险评估模型的特有背景和特点,提出了一种改进快速探索随机树^*算法,这一算法使用了路径冲突检测和优先探索等策略,可以更加有效的探索到低风险路径。最终,案例分析表明,低风险路径规划策略能有效规划出避开风险较高区域的作业路径,其路径风险代价相比于直线飞行降低了13.16%,其路径规划时间相比于对比算法降低了60.63%和12.20%。因此,这一规划策略具有实用价值,可以提升无人机作业的安全性。     

基于路径规划和双闭环控制的泊车系统研究

针对智能车辆垂直自主泊车的要求,采用分层自适应的方法设计了1种自动泊车系统,主要通过高精度的激光雷达进行车位的检测,运用轮速传感器进行车辆的定位,规划出了1条三段式泊车轨迹,并且采用了多路双闭环的控制算法对车辆进行轨迹跟踪控制.实验表明,该套系统可以有效地实现车辆的自主泊车,且控制精度高,系统稳定.     

基于概率A*的智能车路径规划算法

为保证智能车辆能够按照规划的路径安全行驶,且满足车辆动力学特性,针对混合A*算法中没有引导性策略所产生较多不必要的搜索问题,提出概率A*算法先得到搜索粗路径,提高在随后搜索过程中搜索效率。然后利用概率A*算法得到的路径点引导节点走向,避免节点向障碍物等搜寻。最后对节点的代价函数进行优化。仿真实验结果表明,与混合A*算法相比,本文所提出的算法平均减少搜索时间10.8%,且得到的路径相对规整平滑。该算法可以在较短时间内为智能车辆规划一条安全可行平滑的路径。     

基于卡尔曼滤波与大数据预测的路径规划研究

针对近年来严重的交通拥堵现象,提出了卡尔曼滤波和交通流大数据相结合的行程时间预测模型,Dijkstra算法规划最短时间路径方法。首先利用某时刻前3个时段的车辆平均速度数据进行卡尔曼滤波预测同一路段若干个时段后的路段行程时间。然后通过理论最短时间、大数据分析对卡尔曼滤波预测进行优化,得出最佳的预测行程时间。最后根据Dijkstra算法规划出最短时间路径。结果表明设计方法各方面误差指标均优于原模型,交通流大数据与卡尔曼滤波预测相结合的预测方法更加精确有效。     

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。     

考虑临时驻车充放电管理的电动汽车配送路径规划方法

随着充电基础设施保障能力的提升,电动汽车配送工作过程中的长时间驻车行为与电网存在的交互行为与能量转移存在研究价值。为提高电动汽车参与物流配送的效率,提出日调度背景下考虑临时驻车充放电管理的电动汽车配送路径规划方法。计及实时电价、车载电量、载货限重、单侧送达时间窗约束,考虑电池损耗、充电站服务时间、分时电价及实时服务费,构建以配送时间、耗电成本、车辆成本、配送延迟惩罚之和最小为目标的电动汽车配送路径优化模型,采用模拟退火改进的非支配排序遗传算法求解。以某26节点路网系统为算例,验证了所提方法能有效减少配送总成本,降低续航不足的风险,提升交通与能源互动潜力。     

多信息融合下电动汽车充电路径规划

由于电动汽车用户难以找到充电时间与充电地点之间的平衡点,不能准确把握何时何地进行充电行为。文中首先选取能够准确反映实际道路中用户独特驾驶特性的行驶工况特征参数,采用工况识别法构建电动汽车在实时动态路况下的剩余电量估算模型,判断其出行过程中何时有充电需求;当有充电需求时,通过预测充电站的抵达车辆数,建立电动汽车排队等待时间模型,为用户规划有效充电时段,作为选择充电地点的依据;考虑到充电时间与充电地点的耦合关系,从用户角度出发,在电池剩余电量的约束下,构建用户出行距离、出行时间及充电成本三者权值之和最优为目标的电动汽车充电路径模型,并将其应用于实际交通路网区域中,采用蚁群算法对其进行仿真验证。     

基于内部能量管理和外部路径规划协同的水下无人航行器能耗优化

为减少水下无人航行器的出力,本文创造性地提出搭乘海流的方法,并在此基础上,以航速-功率曲线为耦合变量,建立了一种内部能量管理层和外部路径规划层协同的水下无人航行器能耗优化策略.内部能量管理层根据等效氢耗理论为2套燃料电堆和蓄电池分配输出功率,使得水下无人航行器在不同需求功率下的等效瞬时氢耗最小.外部路径规划层考虑搭乘海流的可能性,使用A?算法选择搭乘海流的切入点和切出点,同时优化航速,使得水下无人航行器在起始点之间航行需要的等效氢耗最小.仿真结果表明,为充分利用海流的流场,水下无人航行器选择性地搭乘海流;同时,本文所提协同优化策略能够有效减少其30.08％的所需等效氢耗.     

基于DRF优化采样的无人车轨迹规划方法

针对城市道路场景下无人驾驶汽车最优轨迹生成算法存在的运行时间长、轨迹评价标准单一的问题,提出一种基于行车风险场优化采样区域的无人车轨迹规划方法。该方法通过改进的二维高斯分布函数分别建立静态障碍物和动态障碍物风险场模型,对道路中采样区域目标点的行车风险进行量化,通过卷积的方式选定行车风险较小区域的采样目标点生成最优轨迹。仿真结果表明,该优化方法在每个规划周期只选取部分采样目标点用于轨迹生成,提高了算法的运行效率,使得算法单帧运行时间均小于0.1 s。行车风险场的加入使得算法的采样区域更加符合驾驶人的行为习惯,提高了算法规划结果的拟人化程度,从而保证无人车具有较高的行驶效率。     

复合并行控制的无人机视轴稳定方法

为提高无人机视轴稳定平台的抗扰动能力,提出一种定量反馈理论（QFT）和PID复合并行控制的视轴稳定方法。首先采用回路整形法设计QFT视轴稳定控制器,然后以QFT为主控制器,采用PID实现QFT的动态补偿。最后对该方法进行仿真实验,结果表明,QFT和PID并行的控制系统相比独立的QFT控制系统,阶跃响应稳定时间缩短了57%,平台的扰动隔离度提升了75%。实验结果验证了该方法可以满足无人机对视轴稳定性的要求,且优于QFT单独控制的方法。