融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

一种基于改进冲突搜索的多机器人路径规划算法

针对智能仓储环境下多载位自主移动机器人集群拣选-配送路径规划问题,提出一种改进型基于冲突搜索的多智能体路径规划算法.在模型方面,采用多载位机器人替代KIVA机器人,建立以最小化拣选-配送时间以及无效路径比为目标的数学规划模型.在算法方面,首先,提出一种基于优先级规则的多智能体冲突消解加速策略;然后,设计基于动态规划的单机器人拣选序列优化算法;最后,设计考虑转向惩罚的增强A*算法搜索机器人最优路径.实验结果表明:所提出模型与KIVA系统相比有较大优越性;所提出算法能够有效缩短拣选-配送时间、减少无效路径时间.     

一种改进多机器人分布式滚动路径规划算法

针对多移动机器人全局静态环境未知的路径规划问题,采用了一个全局性能指标,在保证路径较优的情况下,最小化机器人的停顿时间,提出机器人之间以修正局部路径为主的协调策略。根据多机器人滚动路径算法的原理,设计了改进的多机器人分布式滚动路径规划算法。在已有仿真系统上进行测试,比较了所提出的协调策略与改变机器人移动速度协调策略对性能指标的影响。仿真结果表明,静态环境未知情况下,机器人可以并行规划各自的协调路径。     

基于机器视觉和A*算法的迷宫机器人路径规划

针对迷宫机器人路径规划问题,以机器视觉和A*算法为基础,提出了一种新的迷宫机器人全局路径规划方法。该方法利用区域阀值分割对迷宫机器人系统采集的图像进行分析,结合A*算法逆向搜索全局最优路径。仿真结果表明,该方法实现简单,在复杂的迷宫环境下能有效地实现迷宫机器人路径规划。     

未知环境下基于约束点的移动机器人路径规划

针对未知环境中障碍物种类多样性和位置不确定性的特点,提出了基于约束点的路径规划方法。首先对机器人在未知环境中检测到的局部障碍物信息进行分类和几何特征属性描述,得其约束点信息,然后引入改进后的A*算法,将其搜索范围局限于约束点上,计算约束点的评价函数值后得到子目标点,机器人到达子目标点后,若陷入死区,则采取回溯路径策略,重新选择子目标点,否则根据该点所属的障碍物种类采取跨越或绕行避障策略,最后移动机器人在未知环境中顺利到达目标点。仿真研究说明本文提出的路径规划方法具有可行性和有效性。     

基于物流机器人的路径规划研究

本文描绘了物流机器人的路径规划问题。针对标准A*算法的路径规划时间长、计算节点多的问题,提出了在标准A*算法的基础山,使用改进的双向搜索的A*算法。通过使用MATLAB进行仿真和实验平台进行实验对标准A*算法和优化后的A*算法进行了对比,结果表明:改进的A*算法比标准的A*算法进行路径规划的时间更短,并且使用的节点更少。     

基于滚动窗口的机器人自主构图路径规划

针对智能机器人如何以最优探测路线自主探测和构建室内环境地图的问题,提出一种基于滚动窗口的路径规划算法。将传统遍历构图的牛耕遍历方式改进为未知环境的探测策略,并结合滚动窗口实现对未知环境的滚动探测和构图路径规划,同时利用A~*算法规划滚动窗口中的局部路径和机器人进入死胡同的逃离路径。仿真结果表明,该算法可以有效减少构图节点,缩短构图路径,使机器人更快速、高效地自主构建环境地图。     

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。     

一种改进的机器人滚动路径规划算法

研究了复杂未知环境下移动机器人的路径规划问题,旨在解决当机器人具有相当大的可视半径时,传统的滚动规划算法在解决路径规划问题时效率不高的问题。提出了一种局部规划中采用改进的A*算法的滚动规划算法。该算法引入一种二叉堆数据结构来存储局部规划待考察的节点,通过减少局部寻优中比较的次数来提高搜索的速度。仿真结果表明,该算法在解决这类路径规划问题时,能显著提高路径规划的效率,对其他的路径规划算法也有重要的借鉴意义。     

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。     

基于正反馈自适应遗传算法的机器人路径滚动规划*

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,将蚂蚁算法、模拟退火算法、滚动规划和遗传算法相结合,提出了一种新颖的基于正反馈自适应遗传算法的滚动规划。仿真实验表明,即使在复杂的未知环境下,利用本算法也可以规划出一条全局优化路径,且能安全避碰。     

基于免疫进化的移动机器人路径规划

针对现有基于进化算法在路径规划中的易陷入局部最优和缺乏指导性的缺点,该文探讨了一种基于免疫进化的路径规划方法;该方法针对机器人路径规划的实际应用,优化了变异算子,引入了免疫机制,使得较优个体能较早地生成,保证了算法的收敛速度,同时在算法过程中保持了种群的多样性,防止了早熟收敛,提高了全局搜索能力;仿真结果表明,该方法对复杂地图有良好的适应能力,能有效地保证路径的规划效率并改善路径规划的质量。     

一类动态不确定环境下机器人的滚动路径规划

研究了一类全局环境未知且存在的动态障碍物情况下的机器人路径规划问题.借鉴预测控制滚动优化原理,给出了基于滚动窗口的移动机器人路径规划方法.充分利用机器人实时测得的局部环境信息,实施在线滚动规划,把优化与反馈机制合理结合起来,对动态不确定环境具有良好的适应性.同时还对滚动规划算法的安全和可达性进行了分析.     

基于自适应混沌遗传算法的路径规划

如何保证在未知复杂环境下规划出的机器人路径全局最优或较优一直是这一领域的一个研究难题,将混沌理论和遗传算法相结合,提出了一种新颖的基于自适应混沌遗传算法的机器人路径规划算法。利用信息熵产生初始群体,增加初始群体的多样性,将混沌优化的遍历特性引入遗传算法,以防止和克服进化过程中的“早熟”现象。仿真实验表明,即使在复杂的未知环境下,利用该算法也可以规划出一条全局优化路径,且能安全避碰。     

多机器人协作搬运路径规划研究

针对多机器人协作系统,提出了一种新的混合定点转动和遗传算法的方法,解决其协作路径规划问题。该方法利用遗传算法并行计算、不易陷入局部最优的优点,具备概率上寻找全局最优解的能力,同时结合了定点转动法易实现、有效减少单机器人路径浪费的优点。仿真实验结果表明,该规划方法运算速度较快,在得到有效规划路径的同时,也易于实现对单机器人的控制。     

自适应遗传算法在机器人路径规划的应用

针对现有遗传算法在求解机器人路径规划存在的收敛速度慢、易陷入局部最优等缺点,提出一种基于自适应遗传算法的机器人路径规划方法。该方法引入逆转算子,增加插入算子和删除算子,提出新的自适应策略对交叉和变异概率进行调整,更好地避免陷入局部最优,提高算法寻优效率。该算法在MATLAB和Inte3D平台中进行算例验证,实验结果表明改进的自适应遗传算法比现有遗传算法更为有效。     

基于混合策略的轮式机器入路径规划方法

快速扩展随机树方法（R RT）是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。R RT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,R RT算法的路径搜索效率将会降低。另一方面,R RT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典R RT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树R RT结构,利用多树R RT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。     

基于位姿空间栅格扩展及变维搜索的\=机器人运动规划新策略

本文首先对机器人运动规划算法中的栅格扩展策略及次序规划法进行了探讨,并提 出了相应的改进方法,在此基础上提出了一种新的机器人运动规划策略——基于位姿空间栅 格扩展及变维空间搜索算法,该算法可有效地在复杂环境中找出无碰撞路径．     

未知环境下基于可拓策略的路径规划

摘要：将可拓策略应用于移动机器人路径规划,提出了一种新的路径规划算法。该方法在绕障时引入临时目标,模拟了人在未知环境中的路径选择,使得环境信息得到有效压缩,避免了在实时计算过程中对复杂环境的建模。基于安全距离的关联函数得到的评价函数,使得所选路径更加平滑,并且降低了对机器人自身控制及传感器测量精度的要求。由于拟人策略的鲁棒性,极大地缓解了其他传统方法的振荡及局部最小现象。实验及仿真均表明该方法实时性好,规划所得路径优于已有方法。     

Path planning for a tracked robot traversing uneven terrains based on tip-over stability

In the real-world environment, the path planning method of tracked robot is widely studied when driving on uneven terrain. How to solve the problem that the traditional path planning algorithm cannot adapt to uneven terrain because of the constraints of obstacle avoidance and path length is a challenge for tracked robots. In this paper, a stability-based path planning framework for tracked robot is proposed to reduce the risk of rollover when the tracked robot passes through uneven terrain. First, a virtual plane method is proposed to estimate the attitude of tracked robot. Second, on this basis, a dynamic high-stability path evaluation algorithm for tracked robot based on force angle stability margin (FASM) is proposed, which transforms the stability-based path planning problem into a hypergraph problem. Moreover, considering that the optimization problem is strongly nonlinear and nonconvex, a hybrid algorithm of covariance matrix adaptive evolution strategy (CMAES) and Levenberg–Marquardt (LM) is designed under the framework of generalized graph optimization (G2O) to improve the solution efficiency. Finally, simulation and experiments show that the stability-based path planning framework can effectively plan the high-quality path, and the maximum stability of the tracked robot is 0.9156 when the robot crosses uneven terrain using optimal path 2.