求解多目标点路径规划问题的离散头脑风暴算法

为保证移动机器人以最短路径遍历多目标点,该文提出一种基于离散头脑风暴的多目标点路径规划算法。首先,考虑障碍物对路径规划的影响,将目标点间的最短避障距离作为评判依据,提高规划路径合理性。其次,针对传统离散头脑风暴算法在解决组合类优化问题时提前陷入局部最优的问题,提出一种启发式自适应路径优化策略,通过设计与迭代次数相关的适应度选择函数以及改进启发式交叉算子,增加路径多样性和提高算法收敛速度。基于栅格法建立地图模型,在不同环境地图中选取多个目标进行对比仿真,验证所提算法的有效性以及对不同环境的适应性。     

基于PID算法的输电线路无人机巡检路径智能自动规划技术

为降低定位误差，规避复杂环境造成的巡检风险，研究基于PID算法的输电线路无人机巡检路径智能自动规划技术。采用RTK定位技术，采集了输电线路无人机巡检标志点位置信息，利用路径生成方法，模拟无人机从起始点到目标点的最优几何路径，创建无人机高度和姿态直接受PID参数控制的动力学模型，运用基于PID算法的路径规划跟踪控制器，控制无人机按照最优路径飞行到目标点，实现了输电线路无人机巡检路径智能自动规划。实验结果表明：待巡检标志点定位误差始终低于0.25×10^-4;该技术规划的输电线路无人机巡检路径较短，能有效规避复杂环境造成的巡检风险。     

一种无人巡航船遍历多目标点的路径规划算法研究

针对无人巡航船遍历多目标点的路径规划问题，提出了一种混合的多目标点路径规划算法。首先，将多目标点路径规划问题转化为旅行商问题，并采用改进的灰狼优化算法规划出多目标点的最优巡航顺序。针对传统灰狼优化算法忽略环境因素的缺陷，通过在适应度函数中引入环境影响因子以反映障碍物和未知区域对路径规划的影响。然后，在上述规划好的多目标点巡航顺序的基础上，利用A^*算法结合改进的人工势场法完成各个目标点之间的路径规划。针对传统人工势场法的目标不可达问题，通过优化斥力势场函数来解决。最后，分别在普通环境和复杂环境中与另外2种算法进行了仿真实验对比。实验结果分析表明，提出的算法是有效的，能够有效缩短路径规划时间，降低距离成本。     

基于差分定位的多旋翼无人机智能巡检路径规划方法

目前研究的多旋翼无人机智能巡检路径规划方法收敛速度较慢,生成的路径过长。为了解决上述问题,基于差分定位研究了一种新的多旋翼无人机智能巡检路径规划方法,分析六旋翼无人机结构,根据分析结果设定约束条件。引入差分定位法确定路径安全约束方案,确保内部得到的可行解范围最小。引入蚂蚁算法确定最短路径,提取出最短路径内部的障碍点,从而缩短路径中的距离,在综合考虑多旋翼无人机性能后,分析性能参数,对拐角进行平滑处理,确定障碍点后消除,从而获得最优安全路径。实验结果表明,基于差分定位的多旋翼无人机智能巡检路径规划方法能够有效提高收敛速度,确保路径最短。     

动态环境下机器人多目标路径规划蚂蚁算法

研究了一种新颖的动态复杂不确定环境下的机器人多目标路径规划蚂蚁算法。该方法首先根据蚂蚁觅食行为对多个目标点的组合进行优化,规划出一条最优的全局导航路径。在此基础上,机器人按照规划好的目标点访问顺序根据多蚂蚁协作局部路径算法完成局部路径的搜索。机器人每前进一步都实时地进行动态障碍物运动轨迹预测以及碰撞预测,并重新进行避碰局部路径规划。仿真结果表明,即使在障碍物非常复杂的地理环境,用该算法也能使机器人沿一条全局优化的路径安全避碰的遍历各个目标点,效果十分令人满意。     

基于改进蚁群和DWA算法的机器人动态路径规划

路径规划技术是移动机器人研究领域中的一个重要分支,使得机器人能够在多障碍物环境中安全快速地找到一条相对最优路径.针对全局路径规划时蚁群算法盲目性搜索、易陷入局部最优、收敛速度慢以及局部路径规划时DWA算法难以有效地规避动态障碍物等问题,提出一种改进蚁群算法与DWA算法的融合算法.首先,采用GRRT-Connect算法不等分配初始信息素,解决陷阱地图中局部最优问题;然后,增加蚁群接力搜索方法以解决蚂蚁禁忌表自死锁问题,并利用切片取优方法优化最优路径选择机制得到全局最优路径;接着,以最优路径关键点为子目标点运行DWA算法,提出自适应调节速度方法进行最优行驶;最后,提出预计算方法规避动态障碍物达到局部规划效果.仿真结果表明,与现有文献结果相比,融合算法最优路径长度缩短了10.28%,收敛速度加快了6.55%,验证了所提出算法的有效性和优越性.     

基于改进的A*算法与动态窗口法的移动机器人路径规划

提出了一种改进的A^*算法与动态窗口法相结合的混合算法,以解决移动机器人在多目标复杂环境中的路径规划问题．首要,为了提升算法的运行效率,实现单次规划的路径可通过多个目标点,同时提升路径平滑处理的灵活性并满足移动机器人非完整约束条件,本文利用目标成本函数对所有目标进行优先级判定,进而利用改进的A^*算法规划一条经过多个目标点的最优路径,同时采用自适应圆弧优化算法与加权障碍物步长调节算法,有效地将路径长度缩短5%,转折角总度数降低26.62%．其次,为实现移动机器人在动态复杂环境中局部避障并追击动态目标点．提出将改进动态窗口算法与全局路径规划信息相结合的在线路径规划法,采用预瞄偏差角追踪法成功捕捉移动目标点,并提升了路径规划效率．最后,对所提方法进行仿真实验,结果表明该方法能够在复杂动态环境中更有效地实现路径规划．     

输电线路固定翼无人机多目标巡检线路优化

以提升固定翼无人机(UAV)输电线路巡检避障能力、缩减巡检路径长度为目标，提出基于改进粒子群算法的输电线路固定翼UAV多目标巡检线路优化方法。以最小化线路长度和线路威胁作为目标函数，结合航迹段的长度约束和最大转弯角度约束，构建固定翼UAV多目标巡检线路优化模型。将多目标函数作为粒子群优化算法的适应度函数，找出最优输电线路巡检线路。创新性地通过调整粒子群算法惯性权重，引入相邻适应度函数值比较策略、遗传算法的杂交运算，优化生成UAV多目标巡检线路。试验结果表明，该方法可以对巡检范围内存在的所有障碍物进行有效规避。巡检线路可以覆盖巡检范围内所有输电线路。100 m²范围内航迹点设置为25个时，优化效果最适宜。     

考虑机器人尺度的变电站路径规划

在传统的变电站巡检过程中,存在人工任务繁重且效率低下等问题,为了提高变电站中的巡检效率与安全性,提出了一种基于遗传算法和人工势场法巡检机器人的路径规划方法.算法由三部分组成,首先通过Maklink方法对仿真环境进行建模,通过遗传算法求出不考虑安全性的近似最优解;第二部分,在遗传算法求解的基础上,将路径中间节点作为引力点,障碍物的边界作为斥力点,构建人工势场环境模型;第三部分,用改进的人工势场法进行优化,提高路线的安全性.通过在计算机平台上的仿真测试,最终结果表明该方法可以在一定时间之内得到一条安全性更高的路线,使得巡检机器人可以避开障碍物到达指定地点,从而完成巡检电路的任务.上述算法改进了人工势场路径规划方法一直以来根本性的缺陷,如易陷入极值点、易产生路径点震荡等问题,并且利用人工势场路径平滑的特点提高了Maklink路径规划方法的路线安全性.     

改进蚁群算法的输电线巡检机器人避障路径规划

输电线承担着电力能源输送的关键作用,是电力系统能否稳定运行的关键。为了避免输电线故障发生,需要采用巡检机器人实时检测输电线,巡检机器人路径规划结果是影响巡检效果的主要因素,该文提出改进蚁群算法的输电线巡检机器人避障路径规划方法研究。应用激光传感器获取障碍物体相关信息,完成障碍物体的检测与建模,计算巡检机器人与障碍物体的位姿关系,推出巡检机器人避障算法。确定巡检机器人避障路径规划目标,基于狼群分配原则与中心点平滑方法改进蚁群算法,执行算法获取最佳避障路径规划结果,实现了输电线巡检机器人避障路径的规划。实验数据显示,应用提出方法获得的规划路径避障成功率最大值为96%,最佳避障路径规划迭代次数最小值为11次,充分证实了提出方法避障路径规划性能更佳。     

考虑基站选址的UAV交通巡视路径超级时空网络模型

针对考虑基站选址的无人机交通巡视路径优化问题,提出一个超级网络与时空网络相结合的方法,并通过该方法建立模型。通过在时空网络添加虚拟起降点,与全部时刻的备选基站相连接构成超级时空网络,可将考虑基站选址的路径规划转换为一个单纯的多UAV路径规划问题。与不考虑基站选址的路径规划相比,考虑基站选址能够使最大单机飞行时间和总飞行时间分别减少5.71%和11.59%。数值分析表明,基站选址和交通巡视路径规划整合可有效减少UVA的巡视成本。     

异构多目标差分-动态窗口算法 及其在移动机器人中的应用

为了实现在多移动机器人和多窄通道的复杂动态环境中机器人的节能运动规划,提出异构多目标差分-动态窗口法(heterogeneous multi-objective differential evolution-dynamic window algorithm,HMODE-DWA).首先,建立行驶时间、执行器作用力和平滑度的3目标优化模型,设计具有碰撞约束的异构多目标差分进化算法来获得3个目标函数的最优解,进而在已知的静态环境中获得帕累托前沿,利用平均隶属度函数获得起点与终点间最优的全局路径;其次,定义基于环境缓冲区域的模糊动态窗口法使机器人完成动态复杂环境中避障,利用所提出的HMODE-DWA算法动态避障的同时实现节能规划.仿真和实验结果表明,所提出的混合路径规划控制策略能够有效降低移动机器人动态避障过程中的能耗.     

基于CT图像的肺穿刺术路径规划系统

为了解决传统肺穿刺手术路径规划方法手术并发症风险大、受医师熟练度影响大、无法量化分析手术路径风险等特有的临床问题,设计了一套肺穿刺术最优路径规划方案。首先,基于胸部CT图像对胸部重要器官进行图像分割。然后,将手术风险量化为3个约束性条件和6个目标性条件,用于衡量手术路径的优劣与风险。3个约束性条件为穿刺深度、重要器官避障、入刺角度,6个目标性条件为胸壁厚度、肺内穿刺长度、重要器官之间的距离、路径延长线与重要器官之间的距离、皮肤入刺角、胸膜入刺角。最后,设计自适应凝聚层次聚类算法将路径聚类为“簇”,并利用多目标优化方案对聚类中心点进行量化分析,确定肺穿刺最优路径。实验结果表明,自动规划得到的最优路径经医生确认均符合手术要求,且计算得到的最优路径在医生排序中排名均为前3,证明了本文路径规划方法的合理性与有效性,满足肺穿刺手术路径规划临床需求,可以为医生提供有效的3维可视化穿刺路径指导。     

A hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm in the 2D random environments

Traditional artificial potential field algorithm for multi-robot formation is easy to fall into local minima and the path planning efficiency is low. To this end, we propose a new method of a hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm (A*-MTIAPF) that provides the optimal collision free path and improves the efficiency for multi-robot formation path planning. The A*-MTIAPF algorithm integrates global path planning and local path planning. The novelties include combining A* with the improved artificial potential field algorithm and dividing multiple virtual sub-target points on the global optimal path of A* planning. Firstly, A* algorithm is used to complete the global path planning. Secondly, the improved artificial potential field algorithm which takes multiple sub-target points divided by the global optimal path as virtual target points is used to complete local path planning by switching target points. In addition, we propose a double priority judgment control algorithm (DPJC) to solve the collision problem among multiple robots by setting double priority to determine the movement order of each robot. Then, a new experimental method is designed by using the randomly generated 2D maps to verify the effectiveness of the proposed method. The results show that our method has advantages that it solves the local minimum problem, improves the efficiency of formation path planning and avoids collision among multiple robots over existing methods.     

VARIABLE PATROL PLANNING OF MULTI-ROBOT SYSTEMS BY A COOPERATIVE AUCTION SYSTEM

A cooperative auction system (CAS) is proposed to solve the large-scale multi-robot patrol planning problem. Each robot picks its own patrol points via the cooperative auction system and the system continuously re-auctions, based on the team work performance. The proposed method not only works in static environments but also considers variable path planning when the number of mobile robots increases or decreases during patrol. From the results of the simulation, the proposed approach demonstrates decreased time complexity, a lower routing path cost, improved balance of workload among robots, and the potential to scale to a large number of robots and is adaptive to environmental perturbations when the number of robots changes during patrol.     

Multi-robot area patrol under frequency constraints

Patrolling involves generating patrol paths for mobile robots such that every point on the paths is repeatedly covered. This paper focuses on patrolling in closed areas, where every point in the area is to be visited repeatedly by one or more robots. Previous work has often examined paths that allow for repeated coverage, but ignored the frequency in which points in the area are visited. In contrast, we first present formal frequency-based optimization criteria used for evaluation of patrol algorithms. Then, we present a patrol algorithm that guarantees maximal uniform frequency, i.e., each point in the target area is covered at the same optimal frequency. This solution is based on finding a circular path that visits all points in the area, while taking into account terrain directionality and velocity constraints. Robots are positioned uniformly along this path in minimal time, using a second algorithm. Moreover, the solution is guaranteed to be robust in the sense that uniform frequency of the patrol is achieved as long as at least one robot works properly. We then present a set of algorithms for handling events along the patrol path. The algorithms differ in the way they handle the event, as a function of the time constraints for handling them. However, all the algorithms handle events while maintaining the patrol path, and minimizing the disturbance to the system.     

一种基于概率地图的移动机器人最优期望时间目标搜索

在基于概率地图的移动机器人目标搜索规划中,目标在工作环境中的存在概率通常被设置为服从离散均匀分布,进而采用路径长度指标优化搜索任务的全局路径.然而,真实工作空间中的概率分布绝大多数并不服从均匀分布,这将导致所获搜索策略并非预期的最短时间.对此,根据实际工作环境构建概率测算模型,并基于该模型构建概率地图,进而提出一种以预期最短时间为优化指标的机器人目标搜索路径规划方法.该方法采用分层规划模式,在上层拓扑地图中进行拓扑点序列规划,而在下层特征地图中进行拓扑点间局部路径规划.实验结果表明,该方法可以显著缩短移动机器人目标搜索的期望时间,更适用于目标不服从均匀分布的工作环境.     

基于多目标点A*算法的停车场车位路径引导系统设计

针对目前多数停车场缺乏易于工程实现的车位引导系统,导致用户找停车位难且存在一定安全隐患的问题,本文设计一种基于多目标点A*算法的停车场车位引导系统。本系统由出入口控制模块、车位状态监控模块、路径引导模块和信息处理中心共4个部分构成,能最大程度基于现有停车场基础设施进行扩展,具有工程量小、成本低的特点。设计的多目标点A*算法能够在多个潜在目标点中遴选出一个最优目标点,完成最优车位路径规划。最后,以某小区停车场为例,利用Microsoft Visual Studio 2015平台进行仿真实验,重点运行最近车位引导、步行最少引导、连续空余车位引导这3种常见模式。仿真结果验证了系统的有效性和可行性。     

Real-Time Path Planning Algorithm for Autonomous Border Patrol: Design,Simulation, and Experimentation

This paper presents an online path planning algorithm for unmanned vehicles in charge of autonomous border patrol. In this Pursuit-Evasion game, the unmanned vehicle, acting as the pursuer, is required to capture multiple trespassers on its own before any of them reach a target safe house where they are safe from capture. The problem formulation is based on Isaacs’ Target Guarding problem, but extended to the case of multiple evaders. The proposed path planning method is based on Rapidly-exploring random trees (RRT) and is capable of producing trajectories within seconds to capture 2 or 3 evaders. Simulations are carried out to demonstrate that the resulting trajectories approach the optimal solution produced by a nonlinear programming-based numerical optimal control solver. Experiments are also conducted on unmanned ground vehicles to show the feasibility of implementing the proposed online path planning algorithm on physical applications.