基于安全点引导混合算法的启发式机器人动态路径规划

针对机器人在复杂环境下路径规划难以兼顾全局最优和实时避障的问题，将改进的A^*算法和人工势场法结合，提出一种具有启发式动态路径规划的安全点引导(SPG)混合算法。设计了终点逼近策略，解决了传统A^*算法规划路径转折点过多的问题，同时采用平面向量积法避免传统人工势场法路径振荡。设计安全点引导的启发式策略将两种改进算法结合，既保证安全路径，又逃离局部极小值点。分别在静态和动态环境下对SPG混合算法进行仿真并与传统混合算法相比，静态环境和动态环境下的路径长度与运行时间分别缩短了10%,25.6%和9.5%,30.9%,表明SPG混合算法具有良好的全局路径规划与动态避障能力。最后在真实场景中验证了SPG混合算法的有效性。     

基于弹簧模型的移动机器人路径规划研究

针对传统人工势场法在路径规划中存在局部极小点问题,提出了一种基于虚拟弹簧模型的移动机器人局部路径规划算法。通过模拟弹性小球在有障碍物的斜坡上滚下过程中的受力情况,规划移动机器人从开始位置到目标点位置的移动过程;建立弹簧力学模型完成机器人的避障行为,并结合使用沿障碍物边缘移动和切换目标点位置两种控制策略,解决局部路径规划算法极易出现的局部极小点问题。仿真试验和实际移动机器人的实验表明,该算法能进行实时避障和路径规划,并确保移动机器人在绝大部分环境中能安全、快速地到达目标点。     

机器人自适应路径规划算法研究

针对蚁群算法在机器人路径规划中对费洛蒙浓度依赖过大、容易出现复杂环境下避障碍失败及路径规划误差偏大的缺点,提出了一种基于自适应性小脑控制为核心的类免疫路径优化算法。结合自适应模糊集合以及小脑模型,借助移动机器人几何架构推导运动学模型,结合类免疫算法,运用Kinect体态传感器来判断障碍物,制定避障策略并优化路径。最后,通过圆形轨迹仿真及实验证明,文中所论证的算法在路径规划方面具有更好的运动精度。     

基于改进蜂群算法的桥式起重机吊装路径规划

为使桥式起重机在复杂环境中实现最优路径规划,文中提出改进人工蜂群(artificial bee colony,ABC)路径规划新方法.建立三维地图环境模型,针对凹形障碍导致规划路径会穿过障碍物的问题,对凹形障碍作虚拟填充处理.在此环境中进行路径规划时,结合桥式起重机运行特点,考虑起重机吊装的高度变化,在分析传统蜂群算法...     

基于改进A^*势场法的机器人动态路径规划研究

针对人工势场法在路径规划中出现的目标点不可达、转折次数多及路线较长的问题,提出了一种动态环境下移动机器人全局路径规划的改进A^*势场算法。首先采用A^*算法在已知静态环境中进行全局最优路径规划,当移动机器人进入动态障碍物影响范围ρ0时,引入相对速度势场对人工势场法进行改进,进行局部动态路径规划,追踪沿A*路径运动的虚拟动态目标直至回到原路径,完成到达目标点的路径规划。将该算法与人工势场法通过MATLAB进行路径规划仿真比对,结果验证了该算法的可行性,并且有效减少了路径的震荡和累计转角,同时明显缩短了全局路径距离。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

未知环境的移动机器人路径规划研究

为了提高移动机器人在未知环境中的路径规划的性能,提出了改进人工势场法.首先分析了传统人工势场法的优缺点,据此,提出了一种由模糊智能控制与改进人工势场法相结合算法.由模糊算法对静态障碍物进行避障,并改进引力函数将目标点速度、加速度信息加入其中对目标点进行跟踪,从而实现自动避障和路径规划.通过实验仿真对比可知,此算法在存在障碍物环境中,移动机器人可以寻得较短的路径和较快的时间,安全无碰撞的到达目标点,该算法的准确度可达96％.     

关于移动机器人路径最优化问题

针对移动机器人路径规划的人工神经网络算法所存在的问题,提出应用局部路径修正和路径“张紧”法加以改进,以便适应多个障碍物的不同要求,在复杂环境下实现规划路最优化,并证验其有效性。实践表明,应用该方法改进的新算法效果十分显著,能够确保路径无碰撞,计算速度远高于原算法,快速得到最优化路径,并使路径长度有一定程度的缩短,在保证路径平滑性和兼顾快速性的前提下,解决了碰撞和路径最短问题,有效地实现了路径规划最优化。     

具备启发式路径优化的机械臂路径规划算法

在机器人的路径规划问题中,相较于基于搜索的算法和基于人工势场的算法,基于采样的路径规划算法能在高维状态空间中表现出良好的实时性。基于采样的路径规划算法对空间的探索通常是完全随机的,这不利于快速搜索路径。探讨了一种更高效的路径规划算法,用于帮助机器人在有障碍环境中完成避障作业。提出的Informed RRT^*SR(Informed RRT^*with Smart Rope)算法总体分为无碰路径的搜索和路径优化这两个步骤,路径搜索过程的算法实现与Informed RRT^*算法相同。通常,Informed RRT^*搜索得到的无碰路径是蜿蜒曲折的,结合路径优化算法能够进一步对路径进行优化,从而提高路径搜索效率。Informed RRT^*SR算法在路径优化过程中使用了启发式的路径探索规则,能够有效压缩搜索空间以提高搜索效率。机械臂的路径规划仿真实验结果表明,Informed RRT^*SR算法能够在相同时间内搜索到一条更便捷的路径,搜索得到的路径距离相较于Informe...     

Autonomous mobile robot navigation system designed in dynamic environment based on transferable belief model

This paper investigates the possibility of using transferable belief model (TBM) as a promising alternative for the problem of path planning of nonholonomic mobile robot equipped with ultrasonic sensors in an unknown dynamic environment, where the workspace is cluttered with static obstacles and moving obstacles. The concept of the transferable belief model is introduced and used to design a fusion of ultrasonic sensor data. A new strategy for path planning of mobile robot is proposed based on transferable belief model. The robot’s path is controlled using proposed navigation strategy that depends on navigation parameters which is modified by TBM pignistic belief value. These parameters are tuned in real time to adjust the path of the robot. A major advantage of the proposed method is that, with detection of the robot’s trapped state by ultrasonic sensor, the navigation law can determine which obstacle is dynamic or static without any previous knowledge, and then select the relevant obstacles for corresponding robot avoidance motion. Simulation is used to illustrate collision detection and path planning.     

变电站轮式巡检机器人机械臂避障路径规划方法

变电站工作环境特殊且复杂,为保证巡检机器人在执行巡检任务的同时,能更好、更安全地进行作业,提出面向轮式巡检机器人的机械臂避障路径规划方法。利用八叉树结构建模技术,架构巡检机器人工作环境的三维模型与环境更新模型。确定机械臂与环境关系,建立机械臂运动学模型,根据末端执行器位姿的已知与未知情况,完成运动学模型的正解与反解计算。基于关节位姿的三维坐标,设定机械臂连杆不碰撞障碍物为必要条件,依据六次多项函数式解得的关节角速度与角加速度连续轨迹,通过更改非固定参数值,调整机械臂的移动轨迹,最后,利用贝塞尔曲线平滑处理路径。仿真试验结果表明,所提方法路径精度更优越,避障效果更理想,符合变电站巡检的实时性需求。     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

未知环境中基于强化学习的移动机器人路径规划

为解决未知环境中移动机器人的自适应路径规划问题,提出了一种基于Q学习算法的自主学习方法。首先设计了未知环境中基于传感器信息的移动机器人自主路径规划的学习框架,并建立了学习算法中各要素的数学模型;然后利用模糊逻辑方法解决了连续状态空间的泛化问题,有效地降低了Q值表的维数,加快了算法的学习速度;最后在不同障碍环境中对基于Q学习算法的自主学习方法进行了仿真实验,仿真实验中移动机器人通过自主学习较好地完成了自适应路径规划。研究结果证明了该自主学习方法的有效性。     

基于模拟退火算法的割草机器人的避障研究

局部路径规划是割草机器人关键问题之一,针对该问题目前运用较多的是人工势场法,但传统的人工势场法往往存在局部极小点,因此,本文提出采用填平势场与模拟退火算法相结合的解决策略,求解势场强度的最小值作为下一行走目标,多个序列目标构成优化路径,引导机器人脱离局部极小点,绕过障碍物到达目标点。仿真结果表明:该算法不仅有效地克服了局部极小点,且优化了机器人的行走路径、降低了路径的复杂度。     

基于改进 RRT ∗ 算法的智能轮椅全局路径规划研究

现实环境中智能轮椅大多数处在复杂场景下工作,其自主导航时对路径安全性等要求较高。 渐进最优随机搜索树 RRT ∗ 算法 基本满足移动机器人最优路径规划,但由于智能轮椅本体较大,容易与环境较近接触,因此可对环境模型进行膨胀并定义不同搜索步 长,使其规划出的路径远离障碍物。 其次为保证用户在使用智能轮椅导航时能够获得更高的舒适性,更高效的到达目的地,而借用启 发式约束采样思想和人工势场中引力场思想修剪此算法规划时的冗余节点,从而减小系统运行内存,随后结合轮椅的最小转弯半径, 提出最小段路径曲率约束策略和三次 B 样条曲线算法对路径进行平滑处理,使其更加适合轮椅行驶。 最终在 MATLAB 和 Gazebo 仿真 平台对改进前后算法对比实验,并将本文算法应用与智能轮椅实体上,试验结果表明,该算法能够有效解决智能轮椅全局路径规划问 题,能够明显提升全局路径规划效率,具有一定安全性,可为其移动机器人领域提供有效参考。     

移动机器人在线实时路径规划

研究了不确定环境下移动机器人的路径规划问题。采用全局规划和局部规划相结合的方法，提出了一种基于极坐标空间，以期望方向角为优化性能指标的在线实日寸路径规划方法。该法利用机器人的传感器系统，实时探测局部环境信息，在每次的局部规划窗口，确定机器人的期望方向角，以机器人的实际运动方向角与期望方向角之间的差异来驱动机器人避开障碍物和朝向目标点运动。该法不仅简单灵活，而且克服了全局规划和局部规划的缺陷。仿真实验表明其有效可行性、实时性、优化性、精度高、稳定性好。