基于多目标粒子群优化算法的斜尖柔性针穿刺路径规划

针对斜尖柔性针在复杂环境下由入针点到达病灶位置的穿刺路径问题,提出一种基于多目标粒子群优化算法(MOPSO)的路径规划方法.对软组织内柔性针运动学模型进行分析,构建控制量与柔性针穿刺路径的关系;分析障碍物约束,建立障碍物约束的数学描述;然后,根据穿刺术的要求将穿刺精度、穿刺危险性和穿刺路径长度作为柔性针穿刺优化目标,将柔性针穿刺路径规划问题转化为多目标优化问题;建立了相应的多目标优化问题的数学模型,使用多目标粒子群优化算法对模型进行优化求解.最后通过仿真实验证明了所提方法的有效性,并仿真分析了穿刺路径的在线修正问题.     

柔性针的运动学建模及实验研究

针对在微创手术中传统采用的钢针的不足,如与组织作用,双方均产生较大变形,造成很大误差,严重影响治疗效果。另外在手术中常常遇到一些重要的组织和器官要避开,传统的钢针无法满足需要。本文采用带斜尖的柔性针,完全利用进针时斜尖与组织的侧向作用力使针轴产生弯转。这样不但可以更精确控制针的轨迹,而且还能绕过障碍物准确达到靶点。本文首先简化了WebsterIII等人提出的柔性针非完整约束系统的自行车模型,提出了自行车前、后轮模型。在此基础上,又提出了更符合实际的带返程度的自行车模型,并进行了运动学建模研究。以实验数据拟合了模型中各参数,同时验证了此模型的合理性和准确性。     

基于环境特征和随机方法的柔性针路径规划

针对柔性针软组织穿刺路径规划问题,提出了一种基于环境特征和随机方法的规划算法。该方法采用单轮车模型,运用快速搜索随机树算法得到样本路径,再基于路径长度、弧段数、安全度及障碍物风险分级相结合的路径评估函数,得到最优路径。在路径生成过程中,医生可根据临床经验设置评估函数的权重系数及判断障碍物的风险等级,以适用不同组织的穿刺环境。进行复杂环境下柔性针软组织穿刺路径规划仿真,结果表明该方法环境适用性强,算法交互性好,具有较好的应用潜力。     

证据理论在最优路径规划中的应用

路径规划是车载导航系统的核心功能,其中最优路径规划功能最为常用。在最优路径规划中,道路属性起着关键的作用。目前道路属性的应用都是进行简单的加权求和,而这样道路属性不仅没有得到充分的应用,而且路径规划结果也不够理想。将道路属性数据进行量化后,应用证据理论将每条道路的属性进行融合,融合后的数据作为道路权值。这样不仅可以改善属性数据的应用效果,而且可以优化规划结果。实验表明了改进后的算法在没有影响搜索效率的前提下,搜索结果得到了优化。     

基于环境拓扑学特征的二维点机器人路径规划

本文讨论了二维未知环境下的移动式机器人回顾障碍路径规划问题，文中提出了一个基于障碍物边界拓扑学性质的规划算法，而且讨论了算法的收敛性和目标位置的可到达性，与已有算法相比该算法具有一些优点，最后，具结果验证了该工法的有效性。     

改进蚁群算法在AUV三维路径规划中的研究

针对自主式水下机器人海底地形环境中的三维避障最优路径问题，提出了一种适用于全局路径规划的改进蚁群算法。结合实际情况提出了一种简单有效的三维海底环境建模方案。为了改善基本蚁群算法在实际应用中的不足，根据全局信息设计了启发函数，同时采用局部和全局结合的信息素更新方式，克服算法收敛速度慢、容易陷入局部最优的缺点，提高了算法的全局寻优能力。将路径的长度和路径的光滑度同时作为评价函数，减少路径的消耗，使算法更具备实际工程意义。在大尺度海底环境下仿真验证了该算法的有效性。     

路径规划在Intelligent Agent三维人体动画中的应用

1 引言计算机动画的研究始于60年代初,随着计算机图形学理论的逐步深入与完善,特别是三维几何造型技术、真实感图形生成技术的发展,利用计算机进行三维模拟的应用日趋广泛、复杂。Agent作为一个自包含的、交互的、相互独立的实体出现在计算机动画中,为在虚拟现实中模拟人类社会行为找到了替代者。而这     

移动威胁情况下的无人机路径规划

针对路径规划中存在快速移动威胁, 提出基于威胁状态预测的模型预测控制(MPC)算法, 进行无人机动态路径规划. 采用转换量测卡尔曼滤波算法预测移动威胁的状态, 弥补MPC算法无法有效预测快速移动威胁的不足. 根据移动威胁的预测状态, 评估无人机的威胁代价, 与路径长度等约束共同构建目标函数, 通过滚动优化目标函数, 得到一系列在线控制量, 完成路径规划. 仿真结果表明该方法可以有效躲避移动威胁, 进行实时路径规划.     

蚁群算法在最优路径规划中的应用

最优路径规划是道路交通导航系统中很重要的一个功能。将路径规划问题转化为以加权路径网的以路径长度与通行时间的线性组合为目标函数的优化问题,并提出一种改进的蚁群算法应用于该问题,使规划的路径更加符合各种要求。仿真结果表明,该算法能在较短时间内根据不同需求规划出较优的路径,是行之有效的方法。     

数学原理在移动机器人路径规划中的应用

数学是其他学科的基础。先进的数学工具给机器人技术的发展提供了有力的支持与帮助。数学中的很多理论,比如坐标系、旋转矩阵、分阶段执行程序等。这些内容是在移动机器人路径规划中建立数学建模的基础。     

遗传算法在水下机器人路径规划中的应用

提出一种分层路径规划算法来解决大范围海洋环境下的智能水下机器人(AUV)的全局路径规划问题。该算法将机器人的工作空间分层分解,并在每一层搜索路径,最终得到一条与障碍物无碰的全局路径。同时为解决算法的全局最优问题,使用遗传算法在每一层搜索路径。实践证明,该方法具有灵活、实用的特点,并能显著的节省内存空间。     

路径规划算法在车辆导航中的应用

智能交通系统(ITS)快速发展,其中的一个关键技术是路径规划算法,它能够有效地帮助司机在旅途前或旅途中规划行驶路线。本文以车辆导航系统为对象,在满足道路实际情况的前提下,对Dijkstra算法和A*算法在路径规划种的应用进行了分析比较和研究。最后,给出了路径规划算法的规划实例。     

神经网络在移动机器人路径规划中的应用研究

移动机器人路径规划可分为两种类型(1)全局路径规划;(2)局部路径规划.本文分析了Kohonen神经网络算法及其识别机理,提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法,最后给出了具体的算法,探讨了在神经网络技术中引入学习机制的特点.     

神经网络在移动机器人路径规划中的应用研究

移动机器人路径规划可分为两种类型:(1)全局路径规划;(2)局部路径规划。本文分析了Kohonen神经网络算法及其识别机理,提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法,最后给出了具体的算法,探讨了在神经网络技术中引入学习机制的特点。     

机器人导航系统中的路径规划算法

导航系统是反映移动机器人自主特性与智能行为的关键问题之一,它所能完成的功能包括:环境的感知与识别、路径规划、路径跟踪、障碍回避等。路径规划是移动机器人导航技术中的重要组成部分,它是机器人执行各种任务的基础,而如何在动态时变环境中有效的实施路径规划是亟待解决的问题。本文综述了该领域研究的主要内容及其发展动态,在对一些较有代表性的研究思想及其相关算法分析的基础上,指出了存在的不足和有待进一步研究的问题,并提出了一些解决思路。     

遗传算法在路径规划中的应用

遗传算法在路径规划中得到了成功应用,但是已有算法对于不可行路径和置换比例的关注较少。该文对此进行研究,将不可行路径进行优劣评价后添加到适应度函数中,并在子代种群与父代种群的替换过程中运用了置换比例。试验结果表明两者均能提高遗传算法的性能,因此,在遗传算法设计中应对不可行路径和置换比例给予足够的重视。     

改进蚁群算法在路径规划中的应用

针对传统蚁群算法在机器人路径规划时存在收敛速度慢、易陷入局部最优等问题,提出了一种基于自适应归档更新的蚁群算法。根据路径性能指标建立多目标性能评估模型,对最优路径进行多指标优化;采用路径方案归档更新策略进行路径方案的更新和筛选,提高算法的收敛速度;当搜索路径进入不可行区域时,采用自适应路径补偿策略转移不可行路径节点,构造可行路径,减少死锁蚂蚁数量;若算法无法避开障碍或者进入停滞状态,则进行种群重新初始化,增加物种多样性,避免算法陷入局部最优。仿真实验表明,改进后的算法收敛速度更快、收敛精度更高、稳定性更好。     

人工免疫算法在机器人路径规划中的应用

人工免疫算法是一种新兴的优化方法,在计算、控制等各方面都已得到应用.将免疫算法应用于移动机器人路径规划,提出一种任意多边形障碍物复杂布局环境下的机器人路径规划的人工免疫算法,仿真证明该算法可以准确地找到全局最优路径,而且能够适应各种复杂的环境.     

遗传算法在移动机器人路径规划中的应用

移动机器人的路径规划是机器人研究的重要领域。文中旨在研究遗传算法对于机器人路径规划问题的适用性。对于路径规划的目标,提出了基于路径长度、路径平滑度和路径安全度等因素综合衡量的方法,并在传统的遗传算法的交叉、变异操作的基础上,针对路径规划问题的特点,增加了捷径寻找、障碍避让、平滑优化等方法。实验表明,此算法在存在形状复杂的障碍物的静态环境中表现良好,其效率与准确性皆满足机器人路径规划的要求。