基于改进A*算法的三维航迹规划技术研究

A*算法在实现节点搜索时执行的是大空间搜索,该方式在三维空间中对时间和内存的消耗都较大。结合无人机的机动性能限制以及飞行任务来改进A*算法,可以达到缩小搜索空间的目的,同时对open表的管理进行改进,以减少扩展节点排序所花时间,从而整体缩短规划所需时间。通过此种方式规划出来的航迹能够最大程度地满足无人机的机动性能要求,仿真结果表明,此种方式计算速度快且能保证性能接近最优。     

基于A*算法的无人机跟踪目标的航迹规划

针对无人机跟踪目标的航迹规划问题,文章提出了一种双评估函数的改进A*算法;首先,根据无人机在跟踪目标时的飞行特点提出了航迹规划策略,并结合无人机的油耗、航迹长短和机动性能等约束条件来设计中间目标点的评估函数和航迹片段的评估函数;之后,采用加权法对A*算法进行改进,以使航迹的优化与时间耗费之间找到平衡点;同时,改进在Open表中插入与删除节点的方式,提高计算效率;最后,通过对跟踪航迹的仿真,表明该算法可以快速、有效地为无人机在跟踪目标时规划出优化的航迹.     

基于复杂度分析的改进A~*算法飞行器航迹规划

采用传统A*算法进行大范围地图航迹搜索过程中,要收敛到最优解可能需要很长的时间和极大的内存需求,而且生产的航迹不能满足飞行器的约束条件。通过对A*算法进行时间复杂度的分析,找出算法中对计算时间影响最大的基本操作,提出了一种改进的A*搜索算法。该算法根据导航精度、数字地图误差等因素对搜索过程中网格的大小做出了确定,结合飞行器自身航迹约束条件和任务约束,在扩展子节点过程中大大缩小了搜索范围。仿真实验结果表明,该算法在大范围复杂地形情况下能规划出满足约束条件的最优航迹,并能大幅度降低搜索时间。     

救灾无人机的优化A*航迹规划算法

针对抢险救灾中无人机派遣量及空间航迹规划最短路径相制约的问题,提出了一种优化A*的航迹算法。通过设计的蛇形割圆法对圆形巡查区域进行路径规划,通过提取感兴趣区域的方法选择较佳搜索方向,提高搜索效率,采用加权评估法优化自然威胁权重系数,重定义航迹估计函数。将提出的方法在灾情巡查和生命勘测实际问题中进行性能检测。仿真结果表明,该算法能够合理分配无人机数量且能快速规划出较优飞行轨迹,实现巡查覆盖率达88.96%。     

在复杂地形下三维UAV航迹规划的改进A*算法

针对无人机在复杂三维空间中无法及时有效规划航迹问题,提出一种改进的A*算法.首先对无人机飞行俯仰角与偏航角进行约束,缩小航迹节点的扩展区域,其次为了防止未能及时探知地形障碍出现的航迹与障碍区域相交情况,引入危险因子并对节点附近搜索区域进行探测,提高算法提前预知风险的能力,最后为了满足实际无人机飞行需求,使用B样条曲线的...     

三维分层航迹规划算法研究与仿真

针对传统A*算法在飞行器航迹规划过程中产生节点较多,搜索时间较长等缺点,提出了一种改进的A*算法.该算法采用分层思想,将局部规划与全局规划相结合,并对代价函数进行了改进,在保证航迹优化的基础上,提高了搜索效率.仿真结果表明,运用该算法能够规划出符合工程应用的飞行器航迹.     

基于可视图与A*算法的路径规划

结合可视图的骨架构造方法和A~*图搜索方法,采用矩形包络障碍物,在障碍物顶点外延生成路径点。在此基础上,提出一种新的路径规划算法Lambda~*,与A~*算法类似,搜索过程需要2张表,但CLOSED表保存从起始节点开始的路径节点,OPEN表保存CLOSED表中扩展节点的后续节点,可减少在OPEN表中保存的节点数量,减少计算量和耗时,并通过增加SMOOTH过程以提高路径的平滑度。将算法应用于二维空间环境进行机器人路径规划仿真实验,结果表明,与A~*算法相比,Lambda~*算法能够以增加较少路径长度为前提,大幅降低路径规划的耗时。     

无人飞行器航迹规划的工程化稀疏A*算法

针对无人飞行器(unmanned aerial vehicle, UAV)低空突防的作战任务背景, 结合工程实际, 提出了一种面向工程化应用的稀疏A*算法求解航迹规划问题。考虑到UAV的机动性能、任务要求、作战环境威胁等因素, 分别从UAV的最大转弯角度、最小直飞距离和最大航程等约束条件对稀疏A*算法的节点搜索策略进行了设计。针对以固定角度进入目标的任务要求, 引入虚拟威胁圆满足UAV最大转弯角限制。同时, 设计了航路点信息结构, 并采用双向链表进行存储; 提出了基于最小二叉堆的OPEN表维护方法, 提高算法的实时性。最后, 通过规划实例对方法进行了验证。     

基于改进A*算法的无人机航迹规划

在无人机航迹规划问题的研究中,针对在执行飞行任务前,需要根据所经区域内已知的地形、地貌、障碍和威胁等信息以及飞机本身机动能力的限制计算出飞行航迹, 并根据规划出的航迹完成飞行任务.能准确识别起始点到目标航路,提出了一种基于改进A*算法的无人机航迹规划方法,将无人机自身的性能和飞行任务结合到A*算法中去,在节点的搜索过程中解决了A*算法大空间搜索耗时多的问题.通过简单的路径消减算法去除不必要的航迹点,使得规划出来的航迹能够最大程度上满足无人机的运动特性.仿真结果表明采用的方法计算速度快并且规划达到最优性能.     

基于改进A*算法的智能仓库移动机器人的路径规划

针对移动机器人的自动化仓储运行特点,提出了一种改进的A*算法。首先,用棋盘式方法建立机器人移动环境模型。其次,采用基于优先级的子节点生成策略,有效地避免因突遇障碍物而无法行驶的问题。然后针对传统A*算法的转折角度大、转弯方向难,无法在拐点处灵活调整自身姿态等不足,提出了一种新的A*算法路径规划。最后通过修改评价函数,使得改进后的方法得到的路径更加优化。     

一种基于改进Theta *的机器人路径规划算法

对Theta *算法进行改进,并用于解决机器人路径规划问题.首先,将障碍物对机器人产生的斥力作为一种惩罚函数加入到启发函数中,并合理地选择惩罚函数权重以确定启发函数.在此基础上,改进A *算法的变种——Theta *算法,提出对路径进行平滑处理的PS_Theta *算法.最后在二维仿真环境中进行验证及数据统计,并推广至三维复杂环境中,实验结果证明了算法的合理性与有效性     

基于改进A*算法的移动机器人路径规划

针对A*算法在路径规划中存在遍历节点数过多、转折角度较大的问题,提出一种能自适应场景地图的改进A*算法。通过量化地图场景信息和障碍物分布情况,引入父节点对当前节点的影响力,增加障碍物分布率的启发函数权重,减少遍历节点数量、提高搜索速度;加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化,避免路径出现多余转弯,降低路径出现局部最优解的可能。在相同地图场景中进行测试对比,所提算法能有效减少遍历节点数量,降低总转折角度,提高搜索速度,缩短路径距离,获得最优路径。     

基于改进A*算法的无人车路径规划

传统的A^*算法在无人车路径规划中存在规划时间较长和搜索范围较大的缺点。综合分析A^*算法的计算流程后,从四个方面对A^*算法进行改进：1）目标性拓展,即根据待扩展节点和目标节点的相对位置来有目标性地选择不同的象限进行节点拓展;2）目标可见性判断,即判断待扩展节点与目标点之间有无障碍物,若无障碍物则跳出A^*算法的探索过程,以此减少多余的搜索;3）改变A^*算法的启发函数,即增加待扩展节点的n辈父节点到目标点的代价估计,以此减少到目标点的代价估计的局部最优情况;4）改变扩展节点的选取方略,即改变传统的最小化启发函数来选择扩展节点的方式,通过引入模拟退火法来优化扩展节点的选择方式,使得搜索过程尽可能向靠近目标点的方向进行。最后通过Matlab仿真实验结果表明,在模拟的地图环境下,提出的改进A^*算法在运行时间上减少67.06%,经历的栅格数减少73.53%,优化路径长度浮动范围在±0.6%。     

应用于机器人路径规划的双向时效A*算法

针对时效A*算法为了大幅减少算法时间,导致路径规划长度增加和路径锯齿过多的问题,提出一种改进的双向时效A*算法,该方法将从起点和终点同时运行时效A*算法寻找路径,并采用多近邻栅格距离计算方案;同时,根据不同环境地图对传统A*算法、时效A*算法和双向时效A*算法运行结果进行对比研究及分析;最后,制定算法时间、路径长度两个指标来评判算法的优劣。实验结果显示,双向时效A*算法相对于传统A*算法,算法时间最大减少76.8%,相对于时效A*算法,时间最大减少55.4%,并解决了时效A*算法规划路径距离增加、路径不够平滑的问题。     

基于改进A*算法的越野路径规划研究

针对车辆的越野路径规划问题, 研究并分析了地形坡度和地表属性对于车辆路径规划的综合影响。引入了窗口移动法对地形进行先期的坡度计算和通行性分析, 就轮式车辆和履带式车辆分别建立了地表属性的粗糙度评价指标, 并采用面积占优法将地表属性栅格化。通过建立禁忌表, 叠加了坡度与粗糙度的约束影响以减少搜索范围, 提高搜索效率。构造了改进A*算法的估价函数, 并结合expand表、open表、closed表以及path表设计了考虑坡度和粗糙度约束的路径优化算法。仿真结果表明, 该算法能够快速有效地实现符合真实地形环境的越野路径规划。     

基于节点优化的改进全局路径规划A*算法

目前越来越多的领域使用移动机器人代替人工工作。路径规划就是移动机器人正常工作的保障之一,A*算法就是一种路径规划算法。针对A*算法生成路径拐点多、路径较长的问题,提出了一种基于将搜索邻域扩大至5×5的随机数去除节点的改进A*算法。首先,将3×3的搜索邻域扩大至5×5,从而减少拐点个数,改善转折角度,去除冗余点;其次,引入一种随机数去除冗余节点的方法,该方法是通过随机连接节点判定其是否穿过障碍物来去除冗余节点,从而进一步去除A*算法路径列表的冗余点;最后,将改进的算法与A*算法在30×30的栅格地图中进行仿真比较,实验结果表明,改进的算法在多组路径中都有很好的优化效果,路径长度、运行时长和访问节点数分别平均减少了4.46%、24.83%和39.93%,从而有效改善A*算法生成拐点多、路径较长的问题。     

基于扇形领域扩展的同步双向A*算法

为提高航空器飞行的安全性和平滑性,解决传统A^*算法拐弯角度过大、搜索路径节点过多等问题,提出一种基于扇形领域扩展的同步双向A^*搜索算法。首先,根据栅格图法扩展危险区域边界;其次,设计了基于同步双向搜索的A^*算法,动态定义正反向搜索的目标节点。针对搜索角度有限问题,提出了在5×5领域内的扇形领域扩展策略,并设计了含有双重权重参数的评价函数以减少冗余点的产生。为验证改进算法的有效性,选取方形和不规则形状危险区进行仿真。结果表明改进的同步双向搜索算法搜索的路径更平滑;与传统双向A^*算法的结果相比,在不同形状的危险区域下,搜索路径长度分别减少了1.65%、13.16%,搜索路径节点个数减少了42.6%、46.81%,具有较强的搜索效率。     

基于DEM格网的改进型A*路径搜索算法

为解决DEM格网上的路径搜索问题,分析了DEM格网和道路拓扑网络的共性与区别,并结合DEM格网的特点对比了Dijkstra算法和A*算法的优缺点,提出了基于DEM格网的改进型A*路径搜索算法。该算法充分考虑DEM格网上的路径可达条件,采用移动窗口法获取搜索网格候选集,并根据地理空间分布特征选取A*算法的估价函数,同时引入贪婪准则缩小搜索范围,降低问题复杂度。结合实例对算法进行了实验分析,验证结果表明了该算法的可行性和有效性。     

改进A*算法的智能车路径规划研究

由于A*算法所规划的路径存在着转折次数多,路径不平滑,路径贴合障碍物和初始时刻转折角度过大等不符合车辆运动学的问题。为了解决上述问题,获得适用于智能车的优化路径,本文通过对车辆运动学建模得到车辆的约束,同时在估价函数中加入车身轮廓代价和障碍物距离代价,并将车辆约束加入到A*算法的启发函数和路径优化中,再使用贝塞尔曲线拟合转折点,使A*算法所生成的路径更加符合车辆的运动学。通过分析改进A*算法可知,改进后的算法所规划的路径更加平滑、合理且符合车辆的运动特性。