多方向无人水面艇路径规划算法

针对海洋环境下无人水面艇路径（USV）规划安全性与平滑性问题，提出一种多方向A^*路径规划算法以获得全局最优路径。首先，结合电子海图生成栅格化环境信息，并根据安全航行距离约束建立USV安全区域模型，在传统A^*算法基础上设计一种带安全距离约束的A^*启发函数来保证生成的路径节点的安全；其次，改进传统A^*算法的八方向搜索模式，提出一种多方向搜索模式来调整生成路径中的冗余点与拐点；最后，采用路径平滑算法对路径拐点进行平滑处理以获得满足实际航行要求的连续平滑路径。在仿真实验中，改进A^*算法规划的路径距离为7 043 m，相较于Dijkstra算法、传统A^*四方向搜索算法和传统A^*八方向搜索算法分别降低了9.7%、26.6%和7.9%。仿真结果表明改进后的多方向A^*搜索算法能够有效减小路径距离，更适用于USV路径规划问题。     

基于改进蚁群算法的水面无人艇路径规划

针对水面无人艇路径规划问题,提出一种改进蚁群算法进行求解.该算法建立作用时效不同的局部禁忌表和全局禁忌表,实现对蚂蚁途经栅格的分类存储,在蚂蚁发生障碍死锁和自死锁时分别采取不同的死锁处理策略,从而降低无效蚂蚁产生的概率,提高解的多样性;引入当前蚂蚁所处栅格与终点栅格之间的欧式距离,设计自适应启发函数,以避免蚂蚁路径搜索...     

基于改进A和DWA的无人艇路径规划算法

针对存在动态障碍的复杂海洋环境中无人艇的应用,提出了基于改进A*和DWA的无人艇路径规划算法.在全局路径规划时,基于动态改变步长方法设计了一种改进的快速平滑A*算法,克服了传统A*算法存在的大范围搜索时效率低下、生成路径不平滑等缺点,基于无人艇传感及导航信息,通过在DWA的评价函数中增加路径偏差项,将全局规划与局部规划相结合,实现了动态环境下无人艇的路径规划.仿真实验结果表明,该算法相比传统A*算法,规划的路径平滑,运行效率提升了约30倍,并可以躲避环境中可能存在的动态障碍,确保无人艇安全、高效地到达目标点.     

基于电子海图的水面无人艇全局路径规划研究

为解决水面无人艇全局路径规划问题,提出一种基于电子海图的距离寻优Dijkstra算法。该算法使用动态网格模型,克服了传统Dijkstra算法占用内存大的问题,可以减少规划时间,提高规划精度。仿真结果表明,采用的环境模型表示方法以及路径规划算法可以生成安全、合理的航线。     

改进蚁群算法在无人艇路径规划中的应用

为了更好地完成反潜作战、水面作战等军事任务,水面无人艇需要具备灵活自主的障碍规避能力、适应环境和任务变化的应变能力以及自主有效的路径规划能力。目前,蚁群优化算法经常被引入到无人艇路径规划问题中进行求解,但算法存在易陷入局部最优值、在迭代过程中不易收敛等弊端,此外,随着实际路径规划问题的维数不断增加,蚁群算法在迭代过程中可能陷入停滞状态,导致求解过程被迫中断。为了优化性能,提出一种改进的蚁群算法（BACO算法）,将蚁群算法与贝叶斯网络相结合,并引入最大关联长度参数,根据构建的贝叶斯网络结构对传统的转移概率公式进行改进;同时为了提高算法的收敛性,改变了信息素浓度的更新策略。最后,在三种维度的栅格化地图中进行无人艇路径规划应用的仿真实验,实验结果表明,相较于传统蚁群优化算法,BACO算法具有更好的有效性和更稳定的收敛性。     

改进蚁群算法水面无人艇平滑路径规划

针对水面无人艇的路径规划,首先用仿生学算法对环境障碍物做开运算,提出改进的蚁群算法搜索可行路径得到航路点序列,优化合并没有障碍物的相邻航路点并顺序连接,得到可行且无碰撞风险的全局路径;其次,使用Dubins曲线算法对连接点进行平滑处理,分析其几何特性并找出其不足之处;最后,引入贝塞尔三阶曲线理论对于已经优化过的折线段进行平滑处理,使其在满足最小旋转半径的同时,也满足USV动力学特性,最终得到一条优化可行的路径.仿真结果证明本算法设计的光滑路径在计算复杂度、路径优化等方面都有了较大的提高.     

基于改进Ａ∗＋ＲＤＰ算法的无人艇回坞路径规划方法

针对无人艇（Unmanned Surface Vessel, USV）自动回坞时高效路径规划等任务需求,本文提出了一种基于改进A*算法的无人艇回坞路径规划方法。在传统A*搜索算法基础上增加船艏角度偏差因素和碰撞避免等约束条件,结合拉默-道格拉斯-普克（Ramer-Douglas-Peucker, RDP）算法规划出优化的全局路径。建立航迹最短和推力变化率（Snap）最小的多约束优化模型,推导Snap最优时Bezier曲线构造方法,以满足回坞曲线连续性和运动约束。仿真实验结果表明,相比于传统A*和RRT（Rapidly-exploring Random Tree）算法,本文提出的改进A*+RDP算法规划的路径长度平均缩短了约4%~9%,而且路径规划计算量较低。曲线插值的平滑轨迹满足无人艇的运动学约束,适用于无人艇自动的回坞路径规划任务。     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

固定双桨驱动的无人水面艇自主直线路径跟踪系统

针对直流电机驱动固定双桨的无人水面艇,介绍了一种自主直线路径跟踪系统,该系统由岸基监控系统和艇载控制系统组成,具有自主航行和遥控航行两种工作模式,可在自主航行出现危险时切换到遥控模式,保证航行安全。岸基监控系统通过数传电台与艇载控制系统通信,向艇载控制系统发送控制命令,接收并显示其传回的状态信息;艇载控制系统以工控机为主控单元,进行数据采集与解算,与岸基监控系统通信,并为直线路径跟踪控制算法提供程序接口;GPS双天线高精度测向定位系统为直线路径跟踪控制算法提供位置和航向信息,直线路径跟踪控制算法根据距离偏差和航向偏差计算出左右两侧电机电压,进而控制无人水面艇航行。实验分别采用了PID、模糊控制和模糊PID三种控制方法,系统实际水上实验表明,在风力2~3级,晴到多云天气条件下,无人水面艇对目标路径的最大跟踪误差小于0.6 m。     

基于改进遗传算法的无人机路径规划

针对传统遗传算法收敛速度慢、容易陷入局部最优、规划路径不够平滑、代价高等问题,提出了一种基于改进遗传算法的无人机(UAV)路径规划方法,该算法对遗传算法的选择算子、交叉算子和变异算子进行改进,从而规划出平滑、可飞的路径.首先,建立适合UAV田间信息获取的环境模型,并考虑UAV的目标函数与约束条件以建立适合本场景的更为复...     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

基于Dubins路径的无人艇运动规划算法

针对无人艇运动规划问题,通过Dubins路径的理论分析,提出一种利用纯粹几何方法的Dubins路径计算方法。该方法中没有出现解方程组的运算,而是首先根据无人艇运动状态计算转向圆,然后利用几何方法计算转向圆间的公切线,最后通过公切线连接得到Dubins路径。通过5组仿真实验验证了所提方法的有效性。前4组仿真实验分别设计了计算Dubins路径过程中可能出现的各种情形,以验证算法适用于多种情况的Dubins路径计算。最后一组仿真实验用于无人艇的路径规划及运动状态调整,仿真结果表明,基于Dubins路径的无人艇运动规划算法是可行的。     

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。     

基于改进教学算法的无人机航路规划

针对传统教-学优化（TLBO）算法进行航路规划时收敛速度慢、容易陷入局部最优的问题,提出一种自适应交叉教-学优化（AC-TLBO）算法。首先,该算法令传统教-学优化（TLBO）算法的教学因子随着迭代次数而发生变化,提高算法的学习速度;其次,当算法可能要陷入局部最优时,加入一定的扰动,使算法尽可能地跳出局部最优;最后,为了进一步提升算法的收敛效果,在算法中引入遗传算法的交叉环节。利用传统教-学优化（TLBO）算法、自适应交叉教-学优化（AC-TLBO）算法和量子粒子群优化（QPSO）算法进行无人机航路规划,仿真结果表明,在10次规划中,自适应交叉教-学优化（AC-TLBO）算法有8次找到了全局最优路径,而传统教-学优化（TLBO）算法和量子粒子群优化（QPSO）算法分别只找到了2次和1次;而且自适应交叉教-学优化（AC-TLBO）算法的收敛速度高于另外两种算法。     

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%。