未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域，一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结，指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.     

基于可视切线图的新型煤矿救援机器人路径规划

针对未知环境建模问题阐述了可视切线图的概念,提出了一种未知环境下基于可视切线图的新型煤矿救援机器人路径规划方法,并采用"方向偏差最小"启发式策略搜索全局目标指导下的局部最优路径。仿真分析证明本文路径规划方法是可行的,并且具有较好的环境适应能力,可以满足新型煤矿救援机器人在未知环境下的运动要求。     

动态环境下自主移动机器人的导航复杂性

在自主移动机器人相关技术的研究中，导航技术是其研究核心.动态不确定环境下的路径规划是自主移动机器人导航的关键环节之一，受到了许多学者的关注.多障碍环境下的路径规划，尤其是多障碍动态环境下的路径规划，是一个比较复杂的问题.通过混沌现象对自主移动机器人在动态环境下，利用传感器信息导航的复杂性进行了探讨.通过计算最大Lyapunov指数和描绘功率谱分析图这两种方法，确定了自主移动机器人从传感器上获得的机器人与障碍物间距离信息的时间序列存在混沌现象，揭示了自主移动机器人在动态环境下导航复杂性的原因.     

机械臂视觉伺服路径规划研究进展

视觉伺服控制是机械臂完成各种复杂作业任务的有效手段,而机械臂在动态非结构环境下自主作业的路径规划方法是视觉伺服控制领域的难点和关键.分析了动态非结构环境下视觉伺服路径规划中存在的两类约束及其处理方法,介绍并评述了国内外在机械臂视觉伺服控制中路径规划方面的相关研究进展,讨论并分析了不同路径规划方法在收敛性和稳定性等方面存在的不足,对未来的研究方向进行了展望.     

有向外力场作用下机器人路径规划方法

针对有向外力场作用下基于格点的机器人路径规划方法不能得到最优解的问题,采用了基于水平集方法的路径规划方法.将机器人的粒子跟踪转变为曲线的数值演化,通过解哈密尔顿-雅克比方程得到最优时间路径,改进后向路径追踪的数值计算精度保证了规划路径的可行性.仿真结果表明,算法可以有效应对复杂的有向外力场,并且在强外力场中仍保持路径的可行性.采用的连续路径规划方法可以突破传统机器人路径规划算法基于格点搜索的限制,并有效利用空间中存在的外力场.     

深度学习下盲人避撞路径导航方法研究

传统导航方法只能检测出路径上存在的静止障碍物,无法检测出运动障碍物,为此提出基于深度学习的盲人避撞路径导航方法.收集语音信号,利用语音识别模型获取语音特征参数,根据语音特征参数识别出盲人输入的语音序列内容,确定盲人所要到达的目的地.构建障碍物检测模型,检测盲人所在位置与其目的地路径上障碍物的形状特征及其运动方向、速度,并计算初始位置与到达位置的距离.利用深度学习中的卷积神经网络规划出最优避撞路径,实现盲人避撞路径导航.实验结果显示,该方法检测出来的障碍物在x轴和y轴上的径向运动速度相差无几,可以实时跟踪监测障碍物的移动方向及运动速度.本研究方法所得速度与障碍物的实际运动速度基本一致,误差在0.2～0.4 cm/s之间,且在测试时间为50 min时,避障精准度达到96.5%,能够实现最优避撞路径规划及导航.     

基于C空间分解—路标法的机械手路径规划

针对核反应堆检修用多关节机械手的路径规划问题,提出了一种基于C空间分解-路标法的路径规划算法.由于该机械手C空间维数较高,因此将整个C空间分解成2组低维子空间,分别基于子空间建立路标图,并扩充成整个C空间内的路标图,从而将路标图的搜索维数由六维转化为三维,降低了路标图的搜索空间.同时为进一步提高路标图的质量,采用自适应变步长法来选取路标节点,根据前两时刻机械手各关节点距障碍物距离的变化情况来决定下一路标点的选择.仿真结果表明该方法不仅缩短了在线实时规划的时间,而且提高了路径规划的成功率.     

用Hopfield网络优化空间机器人的路径

采用人工神经网络中的基本Hopfield网，实现了空间机器人的路径规划，解决了对两两给定通路的若干空间站点，空间机器人能顺序访问并最终返回起点的最短巡游路径问题．用Hopfield网解决最优化问题可针对不同的具体问题来设计网络的连接权及能量函数，从而扩展网络对解决具体问题的适应性，具有并行处理能力强、方法简单、容易实现等诸多优点．     

基于混沌控制的多目标不确定环境下移动机器人路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题,提出了一种新的规划算法———混沌控制算法.该算法利用混沌控制原理,根据检测到的目标位置信息,分别采用线性和非线性方法构造目标函数,然后通过牛顿定理,进行路径规划,求出规划节点.最后对算法进行了模拟仿真.仿真结果表明,构造的目标函数在每个目标点周围形成了收敛区域,机器人移向哪一个目标点,由它的初始状态所在的吸引域决定,不必再施加其它控制.这样减少了规划的计算量,提高了路径规划的速度和精度,为以后研究包含多障碍物的不确定环境下的路径规划奠定了基础.     

基于Bezier曲线模型的移动机器人路径规划算法

提出了一种基于Bezier曲线模型的路径规划方法,该算法能够有效地提高移动机器人控制的实时性和精确性。首先具体阐述了基于Bezier曲线模型的路径规划方法,给出确定移动机器人状态空间分量x,y和的方法,然后分析了该算法所具有的优点,最后通过仿真实验验证了所提出算法的正确性和可行性。     

Path planning of the robot assembly based on Voronoi diagram

Based on the concepts of Voronoi diagram that describes geometry information of the robot assembly in C space, the position vector path parameter equation of the assembly movement between the step shaft and two-sided bearing bracket was given. And the path planning strategy of the component initiative assembly was put forward as well. Theoretical analysis proves that using the Voronoi diagram to do the geometry reasoning on the assembly space can evaluate the feasibility of the component assembly, and can present the reference position vector path of the component movement from the initial configuration to the objective configuration, therefore improves the flexibility of the robot initiative assembly.     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

基于改进蚁群粒子群算法的移动机器人路径规划

全局静态地图下,针对蚁群算法规划机器人移动路径时存在计算时间长、搜索效率低,并且得到的优化路径转弯次数过多的问题,提出了一种改进蚁群粒子群算法：首先利用粒子群算法快速得到蚁群算法初始信息素,然后进行蚁群算法路径规划,对得到的路径采用惯性优化,对每个节点进行遍历,当 ２个节点间的路径上无障碍物时,将中间节点删除,转换为优化路径。仿真实验表明,该方法与传统蚁群算法及相关改进算法相比,能有效减少迭代次数、提高搜索效率、减少转弯次数、缩短路径长度,从而提高路径质量。     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.     

帆船绕标航行最优行驶路径规划方法

最优行驶路径规划是帆船比赛取胜的关键环节.文章提出了基于分区段优化的帆船比赛绕标航行最优行驶路径规划方法.该方法在比赛区域建立二维平面坐标系,将整个航程划分若干区段,通过坐标轴旋转和平移得到各区段的虚拟坐标系.每个区段采用基于模糊综合评价的路径规划方法进行优化,规划完成后进行坐标还原,从而得到整个航程的最优行驶路线.仿真试验结果表明,该路径规划方法能够得到较好的优化结果,对于指导帆船运动员训练具有较高的实用价值和较好的应用前景.     

基于可搜索24邻域的A*算法路径规划

针对A^*算法在移动机器人路径规划时求解得到的路径长度不是最优并且转折点较多的问题,提出了可搜索24邻域的A^*算法路径规划.该方法在传统A^*算法的基础上进一步改进其启发搜索策略,将传统A^*算法的可搜索邻域个数从离散的8个扩展到24个,进而增加更多的搜索方向.结果表明,改进的A^*算法实现了路径长度更短的目的,同时降低了转折点数,且移动机器人的运行路径也更加平滑.本文方法具有较强的实际意义和应用背景,通过实际运行过程验证了其设计方法具有一定的有效性.     

基于定长实数路径编码机制的移动机器人路径规划

针对移动机器人路径规划问题,提出一种新的定长实数路径编码机制。首先进行环境地图建模,通过坐标变换在路径的起点和终点之间建立新地图,然后用定长的实数编码机制使得机器人在不断靠近目标点的趋势上,寻找一条最优的路径。为了进一步提高效率,根据障碍物的位置规划出机器人的“有效区域”,缩小搜索空间。采用免疫进化与模拟退火相结合的免疫模拟退火算法求解最优路径。仿真实验表明,该算法具有较强的全局和局部搜索能力,能够使得机器人快速地找到一条较优的路径。     

从规划层面谈城市大气污染治理

目前汽车尾气排放污染已经成为污染城市大气的第一污染源,为了实现城市交通的可持续发展,解决日益严重的汽车尾气排放污染问题,应当从两方面采取措施：一方面,从降低单位污染物排放量入手,结合城市交通规划,应大力发展公共交通,重视自行车道和人行道规划;另一方面,针对我国汽车保有量不断增加的情况,基于污染物扩散理论,提出应合理规划城市街道走向、建筑物高度以及建筑物后退道路红线距离,以形成有利于污染物扩散的大气流场,从总量上来降低污染物浓度。通过这些手段,来解决城市大气污染问题,实现全面、协调、可持续的交通发展。