基于多目标粒子群优化算法的斜尖柔性针穿刺路径规划

针对斜尖柔性针在复杂环境下由入针点到达病灶位置的穿刺路径问题,提出一种基于多目标粒子群优化算法(MOPSO)的路径规划方法.对软组织内柔性针运动学模型进行分析,构建控制量与柔性针穿刺路径的关系;分析障碍物约束,建立障碍物约束的数学描述;然后,根据穿刺术的要求将穿刺精度、穿刺危险性和穿刺路径长度作为柔性针穿刺优化目标,将柔性针穿刺路径规划问题转化为多目标优化问题;建立了相应的多目标优化问题的数学模型,使用多目标粒子群优化算法对模型进行优化求解.最后通过仿真实验证明了所提方法的有效性,并仿真分析了穿刺路径的在线修正问题.     

斜尖柔性针在软组织中的二维路径规划

针对斜尖柔性针在软组织中的2维路径规划问题,首先基于柔性针的运动特性,提出了改进的单轮车运动学模型,并利用旋量理论和指数积方程计算了运动学正解,从运动学的角度证明了穿刺直线路径的可行性.基于此运动学模型,提出了采用多种路径形式的路径规划算法,同时考虑入针姿态的优化,建立了优化目标函数.在有障碍的情况下对针的穿刺路径进行...     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

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。     

基于虚拟障碍物的移动机器人路径规划方法

针对城市道路环境,将全局路径规划方法和局部路径规划方法相结合,提出了基于虚拟障碍物的路径规划方法.该方法首先采用A*算法得到一条全局最优的车道路径,然后根据全局最优的路径生成虚拟障碍物,最后将虚拟障碍物与传感器探知的实际障碍物融合,采用改进的向量直方图方法进行局部路径规划.该方法不仅能够充分利用已知环境信息生成全局最优...     

桥式起重机三维吊装路径规划

桥式起重机吊装路径规划研究大部分是在二维环境下进行的,在三维环境中的路径规划研究较少,且目前关于桥式起重机的三维路径规划方法多是基于传感器导航的Srinivas算法。该算法的参数是根据经验得到的,且在不同环境中很难准确选择最优值。所建立的环境模型障碍物约为两个,无法证明在更多障碍物的环境中是否仍然可以保证路径最优且安全防撞。鉴于智能算法的优势以及在机器人领域中的成功应用,提出了基于改进蚁群算法的三维吊装路径规划方案。建立静态且环境已知的桥式起重机三维作业环境模型,利用栅格法划分空间,将桥式起重机所吊重物最大摆动距离与其安全通过障碍物的距离之和设为安全距离,且对蚁群算法的启发函数、适应度函数、信息素更新公式等进行了改进,使其应用于桥式起重机三维环境的吊装路径规划。Matlab仿真研究结果证明了该方案的可行性与有效性。     

移动机器人的完全遍历路径规划:生物激励与启发式模板方法

提出了基于生物激励神经网络的一种新的完全遍历路径规划方法.该方法集成了模板模型、启发式搜索和障碍物逼近算法.一种称为分流合作-竞争反馈网络的生物激励神经网络被用于移动机器人的工作环境建模,而模板模型法、启发式算法和障碍物逼近算法用于移动机器人的避障路径规划,其中障碍物逼近算法能够实现不规则形状障碍物周边区域的遍历,以进一步改善路径规划的覆盖区域.仿真研究表明,本文方法使得路径规划的性能得到明显的改进,例如规划路径的重叠率,而且算法简单有效.     

融合安全A*算法与动态窗口法的机器人路径规划

A^*算法通过启发信息指引搜索方向,被广泛应用于移动机器人的路径规划,但其规划出的搜索路径存在冗余节点且与障碍物相近,无法满足动态避障需求。对标准A^*算法进行改进,设计安全A^*算法并融合动态窗口法进行路径规划。定义安全距离因子引入A^*算法的启发函数中,提高算法规划路径的安全性,同时采用平面结构法对算法规划得到的路径进行优化,根据相邻节点与障碍物之间的位置关系判断该相邻节点间是否存在障碍物,由此减少路径拐点数,提高路径平滑度。由于当移动机器人处于未知环境时,仅靠A^*算法不能避开障碍物到达目标点,因此借助动态窗口法的局部避障功能。通过安全A^*算法规划全局最优路径节点坐标,设计融合子函数改进动态窗口法的评价函数,解决动态窗口法易陷入局部最优的问题。实验结果表明,在复杂环境中,该方法通过融合安全A^*算法和动态窗口法,能够确保在安全路径基础上实时随机避障,使机器人安全到达终点。     

基于改进蚁群算法的电力信息网络设备智能巡检机器人路径规划方法

巡检机器人在行驶时经常会与障碍物相撞,为避免出现此类错误,基于改进蚁群算法设计电力信息网络设备智能巡检机器人的路径规划方法。建立蚁群信息素初始化结构,获取目标区域的运动矩阵,设置智能巡检机器人的运动学约束条件,基于改进蚁群算法构造机器人路径规划估价函数。通过对计算巡检机器人的巡检完成度,设计智能巡检机器人路径规划算法。实验结果显示,该路径规划方法可以完整准确地规划无障碍物的路径以及有障碍物的路径,同时对必经路线上的障碍物进行反馈。对比不同光线条件下的路径规划效果可知,光线越充足,路径规划算法的迭代次数越少,避障准确率越高。     

基于多传感器的移动机器人路径规划

提出一种基于多传感器的移动机器人路径规划策略。利用声纳传感器和CCD摄像机对环境进行探测,得到关于障碍物的信息,通过一种简单、快速的数据融合算法计算出障碍物相对于机器人的位置坐标。采用切线法进行路径规划,实现了移动机器人在不确定环境下的路径规划,使机器人可以很好地避开障碍物,并以局部最优或次最优路径到达指定位置。实验结果验证了该路径规划算法的良好性能。     

A new path planning method for bevel-tip flexible needle insertion in 3D space with multiple targets and obstacles

In this paper, a new bevel-tip flexible needle path planning method based on the bee-foraging learning particle swarm optimization (BFL-PSO) algorithm and the needle retraction strategy in 3D space is proposed to improve the puncture accuracy and shorten the puncture distance in the case of multiple puncture targets. First, the movement of the needle after penetrating the human body is analyzed, and the objective function which includes puncture path error, puncture path length, and collision function is established. Then, the BFL-PSO algorithm and the needle retraction strategy are analyzed. Finally, medical images of the tissue to be punctured are obtained by medical imaging instruments, i.e., magnetic resonance (MR), and the 3D model of the punctured environment is constructed by 3D Slicer to obtain the environment information on targets and obstacles, and the path of flexible needle is carried out based on the BFL-PSO optimization algorithm and the needle retraction strategy. The simulation results show that, compared with other path planning methods in the related literature, the new path planning method proposed in this paper has higher path planning accuracy, shorter puncture distance, and good adaptability to multi-target path planning problems.     

The Path-of-Probability Algorithm for Steering and Feedback Control of Flexible Needles

In this paper we develop a new framework for path planning of flexible needles with bevel tips. Based on a stochastic model of needle steering, the probability density function for the needle tip pose is approximated as a Gaussian. The means and covariances are estimated using an error propagation algorithm which has second order accuracy. Then we adapt the path-of-probability (POP) algorithm to path planning of flexible needles with bevel tips. We demonstrate how our planning algorithm can be used for feedback control of flexible needles. We also derive a closed-form solution for the port placement problem for finding good insertion locations for flexible needles in the case when there are no obstacles. Furthermore, we propose a new method using reference splines with the POP algorithm to solve the path planning problem for flexible needles in more general cases that include obstacles.     

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．     

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...     

面向全方位双足步行跟随的路径规划

双足步行机器人的足迹规划方法难以满足快速步行条件下的计算效率要求, 并存在步幅变化时运动失稳的风险, 2D环境下点机器人栅格规划则难于生成针对双足步行的高效路径.本文提出针对各向异性特征全方位步行机器人的一种路径规划策略, 将状态网格图方法拓展到全方位移动机器人领域, 基于三项基本假设及基元类型划分给出了系统的运动基元枚举及选择方法, 借助实时修正的增量式AD*搜索算法实现仿人机器人在动态环境下的快速路径规划, 通过合理选择启发函数及状态转移代价, 生成了平滑高效的路径, 为后续足迹生成的动力学优化提供了基础.计算机仿真证实了方法对各类环境的适应性, Robocup避障竞速挑战赛的成功表现证明了方法对于机器人样机部署的可行性及其提高步行效率的潜力.     

无人机反应式扰动流体路径规划

针对复杂三维障碍环境,提出一种基于深度强化学习的无人机(Unmanned aerial vehicles, UAV)反应式扰动流体路径规划架构.该架构以一种受约束扰动流体动态系统算法作为路径规划的基本方法,根据无人机与各障碍的相对状态以及障碍物类型,通过经深度确定性策略梯度算法训练得到的动作网络在线生成对应障碍的反应系数和方向系数,继而可计算相应的总和扰动矩阵并以此修正无人机的飞行路径,实现反应式避障.此外,还研究了与所提路径规划方法相适配的深度强化学习训练环境规范性建模方法.仿真结果表明,在路径质量大致相同的情况下,该方法在实时性方面明显优于基于预测控制的在线路径规划方法.     

基于改进A*算法和动态窗口法的机器人路径规划

针对移动机器人在复杂环境下(包含静态和动态环境)的路径规划效率低的问题,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。针对传统A*算法安全性不足的问题,采用障碍规避策略,优化节点的选择方式,增加路径的安全性;针对转折点多的问题,采用递归二分法优化策略,去除冗余节点,减少转弯次数;针对静态环境下路径平滑性不足的问题,采用动态内切圆平滑策略将折线角优化成弧度角,以增加路径的平滑性。对于传统动态窗口法的目标点附近存在障碍物时规划效果不好和容易在凹型槽类障碍物中陷入局部最优的问题,在原有的评价函数中引入了距离偏差和轨迹偏差。最后,对所提的改进A*算法和混合算法分别在静态和动态环境下与其他算法进行仿真比较。从结果可以看出,与传统混合算法相比,临时障碍环境下,路径长度和运行时间分别缩短了13.2%和65.8%;移动障碍环境下,路径长度和运行时间分别缩短了13.9%和44.9%,所提的算法提高了在复杂环境中规划路径的效率。     

动态环境下改进蚁群算法的多Agent路径规划

针对动态环境下的多Agent路径规划问题,提出了一种改进的蚁群算法与烟花算法相结合的动态路径规划方法。通过自适应信息素强度值及信息素缩减因子来加快算法的迭代速度,并利用烟花算法来解决路径规划过程中的死锁问题,避免陷入局部最优。在多Agent动态避碰过程中,根据动态障碍物与多Agent之间的运行轨迹是否相交制定相应的避碰策略,并利用路径转变函数解决多Agent的正面碰撞问题。仿真实验表明,该方法优于经典蚁群算法,能够有效解决多Agent路径规划中的碰撞问题,从而快速找到最优无碰路径。     

融合多目标与速度控制的AGV全局路径规划

为提升AGV工作效率并改善其躲避障碍物的执行能力,提出在静态与动态环境下的全局路径规划方法——多目标与速度控制法.在静态环境下,以路径最短与平滑度最大建立路径规划的多目标数学模型,采用所提出的改进算法求解并筛选,得到AGV的行驶路径;在动态环境中,根据障碍物的运动情况,提出感应转向算法,使AGV合理躲避障碍物.结合两种环境下的转向特点,设定AGV速度控制规则,应用于静态与动态环境下的转向过程,确保AGV能够行驶得更加平稳与快速.仿真实验表明,所提出方法能够确保AGV在两种环境下自由躲避和灵活转向,提升行驶速度,提高工作效率;与常规算法对比,改进算法的求解效果在时间和精度上都显著提高.     

一种新基于混沌优化算法的机器人路径规划方法

提出了一种基于混沌优化算法的机器人路径规划方法,即混沌人工势场法，该方法能够在动态环境下实时、有效地产生避碰局部最优路径,避免了传统人工势场法容易陷入局部最优和在比较靠近的两个障碍物之间找不到通道的缺陷.仿真试验表明:提出的方法具有较强的路径规划能力，克服了传统人工势场法的缺点,具有较强的实用性.