启发式RRT算法的AGV路径规划

在实际应用中,B-RRT*算法规划的路径存在着转折次数多、路线不平滑、路线贴合障碍物和最大转角过大等不符合车辆运动学的问题。为了获得适用于自动导引小车(Automatic Guided Vehicle,AGV)的优化路径,通过使用Reeds-Shepp曲线进行预处理以解决车辆在目标点朝向的问题。此外,提出启发式滑动窗口采样减少B-RRT*算法随机采样所带来的误差,并将车辆运动学约束加入到重选父节点和重布随机树的过程,使用贝塞尔曲线对所规划的路径进行平滑处理。实验结果表明:在规划相同路径上,改进B-RRT*算法规划的路径能够有效地解决上述算法存在的最大转角不合理、路径靠近障碍物、路径不平滑和不符合车辆运动学等问题。     

基于改进A*算法和lattice算法的路径规划方法

针对A*算法缺乏动态性、不够平滑、计算量大,且不满足具体的非完整约束等问题,提出一种融合改进A*算法和lattice算法的路径规划方法.一方面消除传统A*算法中的冗余点,同时考虑物体的方向属性和实际运动约束,优化启发式函数最终生成全局路径.另一方面lattice根据改进A*算法生成的全局路径作为参考线,采样并结合障碍物信息和其他代价信息选出平滑的、无障碍的包含位置、移动速度、移动加速度等信息的局部轨迹.使用栅格地图进行车辆路径规划的实验仿真,该算法能够兼顾全局与局部,快速规划出一条平滑且满足车辆非完整性约束的运动路径.     

煤矿履带式定向钻机路径规划算法

煤矿履带式定向钻机路径规划过程中存在机身体积约束和实际场景下的行驶效率需求,而常用的A*算法搜索速度慢、冗余节点多,且规划路径贴近障碍物、平滑性较差。提出一种以改进A*算法规划全局路径、融合动态窗口法（DWA）规划局部路径的煤矿履带式定向钻机路径规划算法。考虑定向钻机尺寸影响,在传统A*算法中引入安全扩展策略,即在定向钻机和巷道壁、障碍物之间加入安全距离约束,以提高规划路径的安全性;对传统A*算法的启发函数进行自适应权重优化,同时将父节点的影响加入到启发函数中,以提高全局路径搜索效率;利用障碍物检测原理对经上述改进后的A*算法规划路径剔除冗余节点,并使用分段三次Hermite插值进行二次平滑处理,得到全局最优路径。将改进A*算法与DWA融合,进行煤矿井下定向钻机路径规划。利用Matlab对不同工况环境下定向钻机路径规划算法进行仿真对比分析,结果表明：与Dijkstra算法和传统A*算法相比,改进A*算法在保证安全距离的前提下,加快了搜索速度,搜索时间分别平均减少88.5%和63.2%,且在一定程度上缩短了规划路径的长度,路径更加平滑;改进A*算法与DWA融合算法可有效躲避改进A*算法规...     

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。     

融合环境信息和运动约束的改进A*算法研究

标准A*算法存在着无法考虑移动机器人运动特性及处理后的路径不利于移动机器人运动等问题。针对这一问题提出了一种新改进A*算法,通过环境信息引入障碍物权重系数来改进算法的启发函数并进行全局路径规划;优化搜索节点的选取方式和设定障碍物与路径之间的安全距离;基于对移动机器人的运动特性的考虑优化其路径,并在不同环境地图中与其他算法进行仿真实验对比分析。相关实验表明：基于新改进A*算法规划的路径始终与障碍物保持一定的安全距离;改进A*算法在时间上相比标准A*算法平均减少了80%,路径长度平均减少了2%,路径转角平均降低了82%。改进后算法相比其他算法在时间、搜索节点以及平滑度上有很大的改进,融合机器人环境信息和运动特性的规划路径算法可为移动机器人的路径规划提供一种新的方法。     

融合改进A*与DWA算法的机器人动态路径规划

传统A*算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A*与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A*算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A*算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A*与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。     

基于变步长A*与车身稳态转向模型的UGV路径规划

针对A*算法寻路时间长、生成的路径存在冗余折点的问题,本文提出一种基于车身稳态转向模型的变步长A*算法,首先通过设置子目标点的方式调节A*算法的搜索步长,减少寻路时间;其次在全局路径的折点处根据车身转向运动学约束进行局部重规划,从而得到一条易于跟踪的平滑路径;此外考虑到UGV (Unmanned Ground Vehicle,无人地面车辆)的实际宽度,改进后的算法还引入了障碍物延伸策略,使规划出的路径满足实际工程应用;最后通过仿真实验验证了本文改进算法的有效性,并与3种寻路算法进行对比,结果表明,本文改进的算法寻路时间更短、生成的路径更平滑,且与障碍物之间保持了安全距离.     

改进A*算法的水面舰艇静态航路规划

针对复杂海洋环境下水面舰艇航路规划时出现的大地图寻路速度慢、航路安全性差、航路不平滑等难题,结合电子海图提出了一种改进A*算法的航路规划方法。提出一种自适应的改进启发函数,在搜索节点时加入目标节点的方位信息,加快了A*算法搜索路径的速度;加入迫使航路远离障碍物的安全距离,解决了传统A*算法沿障碍物边缘寻路导致航路安全性差的问题;对原始航路进行二次优化,在对原始路径提取转折点后,通过判断任意两个转折节点的直线可达性,将转折节点之间的实际距离转化为距离矩阵,使用Dijkstra算法优选出航路长度更短的关键转折点,最终使用二阶贝塞尔曲线对航路转折处进行平滑处理,以满足航路平滑且易跟随的要求。仿真实验表明,相对于传统A*算法,改进算法规划的路径具有寻路速度更快、航路距离更短、航路安全性更高的特点。     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

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.     

浅谈信息管理技术在建筑施工企业项目管理中的应用简

信息技术与先进的管理思想相结合,创造性地利用信息技术,可以高效提升企业管理创新能力。本文从施工管理的视角,阐述了在石油化工行业大型炼化工程项目管理中,如何利用信息管理技术,构架起综合项目管理平台,采用工程验收平台和POWER ON项目管理软件来进行二次开发,结合具体工程实践,实现网上机械车辆结算。     

浅析汽车供应链管理中备件库存成本管理

城市化进程和国民需求变化迅速,如何通过汽车备件库存管理调整成本从而大幅减低汽车整车成本成为当今汽车供应链管理中一个至关重要的一个问题。本文通过供应链的分析,设计ABC分类和CVA分类结合的分类库存管理,同时建议在建立信息共享的基础上,用遗传算法确定安全库存、订货点和订货量,从而优化备件库存达到减低整车成本的问题。     

基于遗传算法的多目标的有时间窗的车辆调度

对传统有时间窗的车辆优化调度问题进行了分析,指出了其中存在的问题。提出了一个以最大的顾客满意度和最小的费用为目标的多目标模型,给出了具体的操作步骤。从遗传算法的角度分析了该模型在最坏和最好情况下的时间复杂度。仿真结果和在某物流公司的实际应用证明该算法是可行的,且有较好的时间和优化性能。     

基于GID的UBI系统研究

针对传统车险中用户关系管理不明显、个性化增值服务少、保费不合理等问题,基于GID技术对UBI系统进行研究。在车联网"端-管-云"架构的基础上,提出了新型的UBI系统模型,从信息感知、初步数据处理、数据传递、云端的驾驶行为数据挖掘和车主的费率等方面对UBI系统进行模块化功能描述和分析。系统的功能分析表明,基于GID的UBI系统在车险行业有很好的应用前景。     

基于成本车流模型的城市交叉路口优化控制

针对存在随机故障的城市交叉路口信号优化问题,从控制理论角度出发,根据其自身特性,借用最优生产控制思想,首次提出了道路和车流运行成本模型,且同时考虑路口的随机故障因素;在此基础上根据系统中存在多级时标和不可靠性、以及呈现一种递阶结构和运行不均衡的特点,将问题分解成不同层次的动态优化子问题,采用递阶控制策略对其进行降阶分解,从而得到交叉路口的优化控制策略.仿真结果表明,该模型更宜于实施于实际交通最优控制中.     

基于物联网的车辆运输管理系统研究与实现磁

着眼于当代物流系统中的车辆运输管理问题没有做到统一的调度和分配,造成人力和物力资源的极大浪费。在物联网技术的架构下,合理整合了 GPS 技术、GIS 技术、GPRS 技术、自动识别技术,运用 TMS 理论构建对车辆的管理、运输调度以及客服等多方面功能的系统模型,对车辆的安全行驶起到积极作用,同时有助于企业更好的服务社会,提高工作效率,为企业带来巨大的价值。     

汽车网关平台业务应用与功能架构模型研究

分析了汽车网关平台的应用场景和支持的业务类型,提出了汽车网关平台的功能架构模型,包括控制和管理功能、网络和传输功能、无线接入功能和车内网络连接功能,并对这些功能进行了描述。汽车网关平台是连接汽车网络与外部通信网络的桥梁,它是全球ICT与汽车产业融合发展的结果。     

萤火虫算法的电动汽车综合成本运行优化研究

为实现节能减排,文章以增程式电动汽车为研究对象,提出了一种基于动态综合成本的增程器运行优化方法。首先以增程器发动机外特性为研究基础,根据实际工作状况分别建立了发动机燃油消耗率及CO排放率模型,再通过归一化后将多个目标加权求和的方法建立电动汽车综合成本运行优化模型。模型建立后,在全局优化及特定功率优化这两种常见模式下以萤火虫算法进行寻优,最后在不同的权重条件下得出最佳综合成本运行曲线。实验结果表明,文章提出的方法能够在不同的运行环境下通过动态调整权重值,实现基于燃油消耗率及CO排放的综合成本运行优化。     

基于四旋翼无人机的车辆自主抄牌

针对传统车辆抄牌效率低的问题,提出一种基于四旋翼无人机的车辆自主抄牌方法。使用无人机采集大量车辆俯视图样本,对图像进行预处理和下采样,然后提取车辆图像的梯度直方图特征,将图像特征输入到卷积神经网络中,训练出车辆识别模型,最后使用模型识别车辆;根据车辆的形状特征估计车辆姿态;根据车辆的位姿信息计算无人机抄牌的位置和角度;搭建无人机实验平台测试无人机自主抄牌系统。实验结果表明无人机可以自主拍摄到清晰的车牌图像,实现了车辆抄牌的自动化。     

Energy cost and mechanical efficiency of riding a human-powered recumbent bicycle

When dealing with human-powered vehicles, it is important to quantify the capability of converting metabolic energy in useful mechanical work by measuring mechanical efficiency. In this study, net mechanical efficiency (η) of riding a recumbent bicycle on flat terrain and at constant speeds (v, 5.1–10.0 m/s) was calculated dividing mechanical work (w, J/m) by the corresponding energy cost (C_c, J/m). w and C_c increased linearly with the speed squared: w = 9.41 + 0.156 · v²; C_c = 39.40 + 0.563 · v². η was equal to 0.257 ± 0.0245, i.e. identical to that of concentric muscular contraction. Hence, i) η seems unaffected by the biomechanical arrangement of the human–vehicle system; ii) the efficiency of transmission seems to be close to 100%, suggesting that the particular biomechanical arrangement does not impair the transformation of metabolic energy in mechanical work. When dealing with human-powered vehicles, it is important to quantify mechanical efficiency (η) of locomotion. η of riding a recumbent bicycle was calculated dividing the mechanical work to the corresponding energy cost of locomotion; it was practically identical to that of concentric muscular contraction (0.257 ± 0.0245), suggesting that the power transmission from muscles to pedals is unaffected by the biomechanical arrangement of the vehicle.