帆船直线航行比赛最优路径动态规划方法研究

针对帆船直线航行比赛的赛场情况,提出一种基于模糊综合评价和动态规划理论的帆船直航训练最优路径动态规划方法.首先以模糊逻辑为基础,建立帆船相对于目标点的隶属函数,并以此描述帆船的当前位置和方向信息;然后综合考虑行驶速度和接近目标点两个因素,建立综合评价函数,并以航道宽度为限制条件,利用动态规划原理分阶段进行航向决策.最后通过仿真验证了算法的有效性.     

帆船比赛航行路径优化与仿真

针对帆船在海上行驶所具有的模糊性和不定性的复杂环境特点,提出基于分区段优化和进化规划的帆船航行路径优化方法。该方法在比赛区域建立二维平面坐标系,将整个航程划分为若干区段,每个区段以帆船无约束的航向决策综合评价函数为基础,利用进化规划全局优化搜索进行路径优化,综合得到全航程最优路径。在此理论基础上,进行优化路径的仿真。仿真结果表明,该路径优化方法能够取得较好的规划结果,对于帆船科学训练具有很好的指导作用。     

RoboCup比赛环境下足球机器人路径规划研究

RoboCup中型组足球机器人比赛具有高度的对抗性和实时性．比赛中机器人需要针对不同的比赛态势进行角色切换和任务选择．在这种环境下，应用传统人工势场或一般改进型人工势场的路径规划方法都无法得到令人满意的结果．将障碍物与机器人之间的相对速度矢量以及目标与机器人之间的相对速度矢量分别引入人工势场法中，对传统的势场函数进行了改进；并根据机器人的不同角色和任务，采用模糊逻辑方法对势场函数进行修正，提出一种处理多角色多任务环境的改进型人工势场法机器人路径规划方法．仿真试验和实际应用验证了此算法存足球机器人比赛系统中的可行性．     

固定翼巡线无人机实时蚁群算法路径规划

本文针对传统蚁群算法局部早熟等问题对算法进行了改进,并对无人机路径规划及重规划多条件约束问题进行了研究,提高蚁群算法航迹规划计算速度及全局性来满足实时蚁群算法航迹规划要求。文章针对传统蚁群算法的早熟问题采用全局与局部信息素互补衰减法,来高效完成蚁群算法寻优问题,并当无人机偏离航线时能及时根据无人机所在位置重新规划。通过实验结果得出蚁群算法具有快速的计算能力,能在短时间内对更改的路径进行响应,完成无人机自校正航迹规划。     

未知环境下移动机器人实时路径规划

针对在未知环境下实现移动机器人实时的路径规划问题,提出了一种将快速扩展随机树（RRT）算法与视野域自适应的滚动窗口相结合的路径规划算法。该方法实时获取滚动窗口内的局部环境信息,根据环境的变化,滚动窗口视野域进行自适应调整,通过分析滚动窗口内传感器获取的信息,结合改进后的RRT算法筛选出可行的路径,控制移动机器人到达子目标点,在此过程中动态监测规划好的路径,确保路径合理,并重复上述过程,直至到达目标区域。实验对比分析表明,该方法能实时并有效实现未知环境下移动机器人的路径规划。     

栅格地图环境下机器人速度势实时路径规划

针对智能制造工程环境中移动机器人的自动避障问题,提出一种基于栅格地图的移动机器人速度势实时避障路径规划方法。利用栅格法二值化移动机器人的工作场景,从机器人中心出发向不同方向进行栅格搜索。基于障碍物对移动机器人有排斥作用以及目标点对机器人有吸引作用的思想,通过栅格数的累加计算机器人到障碍物之间的实时距离,并以此为参数,考虑障碍物的形状、最小安全距离等因素的影响来建立负的速度增量函数;以机器人当前位置与目标点的实时距离和角度为参数建立正向速度增量函数。进而在机器人运动学模型基础上,定义速度势函数来对移动机器人进行实时速度驱动。通过设置最小速度增量,避免在零势点处的局部极小点问题;通过设立距离阈值,避免在目标点附近速度增量趋于无穷的问题。通过仿真对所提出的算法进行验证。     

基于实时交通信息的动态路径规划技术

随着我国实时交通信息采集与发布系统的完善,车辆导航系统动态路径规划技术的研究具有重要的实际应用价值。本文在研究动态路网模型及其算法的基础上,结合实时交通信息,提出并实现了一种适合国内车载导航应用的动态路径规划的改进方案。仿真结果验证了其有效性。     

移动机器人实时采样路径重规划

针对传统采样规划算法因随机性强,在动态环境中重规划时路径质量差,抖动严重,实时优化效果不明显等问题,提出了一种利用反向生长最优快速搜索随机树的实时采样重规划算法DRT-RRT*（Dynamic Real-Time RRT*）。引入基于三角不等式的剪枝策略对路径进行平滑处理以减少路径拐点;提出了组合采样策略和局部终点跳动策略,将优化目标由全局路径聚焦于机器人当前位置至最近路径拐点的局部路径段,实时对执行路径段进行修正,进而提高路径质量的稳定性;在路径重规划时仅对受影响的随机树枝进行修剪,并在随机树重新生长时引入了目标偏置采样策略,与组合采样策略共同作用,提高路径搜索速率和稳定程度;将DRT-RRT*与RRT*和增加了三角不等式剪枝策略的RRT*-Pruning进行仿真对比分析,实验结果验证了DRT-RRT*重规划的高效性和稳定性。     

空间机械臂在线实时避障路径规划研究

针对目前空间机械臂避障路径规划算法计算量大难以达到在线实时规划的缺点,对空间机械臂的在线实时避障路径规划问题进行了研究和探讨。采用规则体的包络对障碍物进行建模,并借助C空间法的思想,把障碍物和机械臂映射到两个相互垂直的平面内,将机械臂工作空间的三维问题转化为二维问题,并结合二岔树逆向寻优的方法进行路径搜索,从而大大减少了计算量,达到了在线实时规划的要求。最后在空间机器人仿真系统上对其进行了仿真研究,验证了该方法的可行性。     

动态环境下基于蚁群算法的实时路径规划方法*

提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型;然后采用改进的蚁群系统算法快速地搜索出局部最优路径,并在此路径的引导下,结合机器人滚动规划方法,实现移动机器人在复杂动态环境下的实时路径规划。该方法不仅能克服传感器测量误差等引起环境信息的模糊性和不确定性的影响,还可以充分发挥蚁群算法的群体智能优势来保证系统规划的实时性。仿真结果表明该算法的有效性和可行性。     

越野环境建模与动态路径规划

针对越野环境下移动机器人的导航与控制问题，提出了一种越野环境下环境建模与动态路径规划方法。该方法能够针对地形的数字高程模型，在综合考虑机器人的性能约束和地形特征等因素的基础上有效地实现越野环境的建模；在此基础上的路径规划采用全局信息与局部信息、前期规划结果与当前规划相结合的方法，满足了越野环境下动态路径规划的要求。实验结果表明，该方法能够很好地适应各种复杂的越野环境。     

未知环境下机器人路径规划的粒子群优化

研究了全局静态环境未知时机器人的路径规划问题,提出了一种新颖的基于粒子群算法的滚动规划算法。该方法在机器人视野域内产生若干个同心圆进行环境建模,然后利用粒子群优化算法规划出一条导航路径,机器人每前进一步,都由粒子群优化算法重新规划导航路径,因此,机器人前进路径不断动态修改,从而能使机器人沿一条全局优化的路径接近终点。仿真实验结果表明,即使在障碍物非常复杂的地理环境,用该算法也能迅速规划出一条优化路径,且能安全避碰,效果令人满意。     

基于遗传算法的机械臂实时避障路径规划研究

针对模块化机械臂在运行时可能与工作空间中的障碍物发生碰撞的问题, 提出一种基于遗传算法的避障路径规划算法。首先采用D-H(Denavit-Hartenberg)表示法对机械臂进行建模, 并进行运动学和动力学分析, 建立机械臂运动学和动力学方程。在此基础上, 利用遗传算法分别在单/多个障碍物工作环境中, 以运动的时间、移动的空间距离和轨迹长度作为优化指标, 实现机械臂避障路径规划的优化。通过仿真验证了基于遗传算法的机械臂避障路径规划算法的有效性与可行性, 该算法提高了运行中的机械臂有效避开工作空间中障碍物的效率。     

一种未知环境下的快速路径规划方法*

为提高机器人在未知环境中的快速路径规划能力,引入自由路径表征可以通过的自由空间,引入风险函数评价机器人切入自由路径过程中发生碰撞的风险。通过搜索最优自由路径、评价碰撞风险压缩表示环境信息,使得未知环境中利用模糊控制器进行局部路径规划的实时性大为提高。与虚拟势场法等传统方法相比,其无局部最小,且极大缓解了狭窄环境中的振荡现象。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。     

基于改进燃烧算法的最优路径规划

针对燃烧算法在公交查询系统中求解最优路径问题的不足,以及为了更好地服务于乘客,对燃烧算法中的存储结构进行改进和优化,采用新的搜索思想并设置算法终止判断条件,提出了基于公交站点的双向燃烧搜索算法。仿真结果表明,该算法在时间、空间代价以及准确性方面均具有显著的优越性。     

智能化战术飞行轨迹规划方法研究

对态势评估与规划系统进行集成,提出了智能化战术飞行轨迹规划系统方案.基于贝叶斯网络和模糊推理技术,实现了战场威胁级别及其相对重要性程度的综合评估.利用模型预测控制的滚动优化和在线校正原理,实现了飞机在线飞行路径规划.建立了路径规划代价函数中加权因子的智能化分配方法,进而实现了威胁评估与路径规划之间的集成,使得路径规划系统能够自适应战场态势的动态变化.最后通过仿真验证了所提出方法的有效性.     

基于出租车轨迹数据的最优路径规划方法

针对传统的路径规划算法并不一定能计算得到现实中最优路径的问题,提出一种融合了出租车驾驶经验并以时间为度量的路径规划算法。该算法的实现是将路径规划这个以计算为中心的技术变为以数据为中心的数据驱动挖掘技术。首先,从大量的出租车轨迹数据中提取真实的载人轨迹数据,并将载人轨迹数据匹配到路网数据中;然后,根据地图匹配结果计算路段的访问频次,选取前Top-k个路段作为热点路段;其次,计算热点路段间行车轨迹的相似度,对轨迹进行聚类分析,在路网的基础上构建该k个路段的热点路段图;最后,使用一种改进的A^*算法实现路径规划。实验结果表明,与传统的最短路径规划算法和基于驾驶经验路网分层的路径规划算法相比,所提出的基于热点路段图的路径规划方法有效地缩短规划路径的长度及路径行驶时间,提高路径规划的用时效率。     

Real-time path planning of autonomous robots in a two-dimensional unknown dynamic navigation environment

This paper deals with the real-time path planning of an autonomous mobile robot in two-dimensional, unknown, dynamic multiple robot navigation space. In particular, a collision-free navigation path planning strategy is presented in real time by using a heuristichuman like approach. The heuristic scheme used here is based on thetrial and error methodology with the attempt to minimize the cost of the navigation efforts, when time plays a significant role. Past built-up navigation experience and current extracted information from the surrounding environment are used for the detection of other moving objects (robots) in the same navigation environment. Moreover, the determination of asecure navigation path is supported by a set of generic traffic priority rules followed by the autonomous robots moving in the same environment. Simulated results for two moving objects in the same navigation space are also presented.