基于CUDA并行的智能车辆MPC轨迹规划算法

模型预测控制(Model Predictive Control-MPC)轨迹规划算法涉及复杂的优化过程,易导致过多的计算负担,同时随采样密集度增大规划耗时成倍增长。为了提升轨迹规划效率,在满足规划实时性的前提下尽可能采样更加密集的轨迹簇以改善最终的规划结果,提出了基于CUDA并行的智能车辆MPC轨迹规划算法,在CUDA架构中实现轨迹生成和代价评估的并行设计,代价评估筛选与障碍物不相碰撞的平滑轨迹,确保得到的最优轨迹可行可靠。测试表明,该算法得到的规划结果是可靠的,且对比算法的CPU实现加速比提升了8倍。     

六自由度吊机吊装路径优化分析

针对某六自由度吊机吊装轨迹规划问题,采用一种时间最优和能量最省相结合为目标的轨迹规划方法。利用DH算法建立某型机械吊机的运动学模型,建立其正运动学和逆运动学方程。为解决吊机在静态环境下点到点的轨迹规划问题,应用基于粒子群算法的五段三次多项式插值轨迹规划算法对关节轨迹进行时间和能量优化求解得到最优路径。最后,对此模型进行了数值仿真。仿真结果表明关节轨迹平滑连续,保证了边界条件,验证了所提方法的有效性。     

激光导航小车入库规划

设计了一种差速转向小车,利用激光雷达和障碍物地图导航。为满足小车动力学、速度等限制和实时避障的要求,导航使用了动态窗口规划算法,在限制范围内不断离散采样候选速度以生成模拟轨迹,之后对轨迹打分选出最佳轨迹并执行。针对导航小车进入狭窄车库的需求改进了规划算法,将算法分为２个阶段,第１阶段走到可自由原地旋转且沿直线可达终点的位置,调整角度后,第２阶段近似走直线即可到达最终目标点。仿真实验证明,原始规划算法无法应对狭窄场景,而改进后导航小车可以正常到达目标位置,实现了自动入库的功能。     

基于碰撞风险评估的智能汽车局部路径规划方法研究

针对结构化道路环境下智能汽车的动态路径规划问题,提出了一种基于碰撞风险评估的局部路径规划算法.利用三次样条曲线参数化表达全局路径,获取道路基准线;综合考虑车辆行驶安全性、规划路径平滑性等性能指标生成候选路径,通过归一化加权代价函数评估生成的候选路径;在全局路径信息引导下,获得当前状态下的局部最优路径.针对性能代价函数,...     

考虑多约束的机器人平滑轨迹规划

由于受电机参数的制约,对机器人进行轨迹规划过程中需要考虑关节速度、关节加速度等多个约束条件。通过对约束条件的分析,提出一种基于参数化修正梯形的时间最优平滑轨迹规划算法。利用参数化修正梯形轨迹规划法将考虑运动学、动力学约束的时间最优轨迹规划转化为两参数的寻优问题,通过遗传算法获得时间最优轨迹。最后利用提出的规划方法对二自由度混联机械手进行轨迹规划,并通过仿真验证了该方法的有效性。结果表明该轨迹规划方法能充分发挥伺服电机的性能,并保证关节加速度和驱动力矩的连续性。     

动态环境下移动机器人增量式候选路径集生成及轨迹规划方法

针对动态环境下移动机器人对轨迹高效规划的需求，提出一种基于增量式候选路径集的轨迹规划方法。首先，提出一种图搜索与凸优化相结合的初始候选路径集生成方法，优化了机器人的移动距离，提高了规划成功率；其次，基于初始候选路径集，在规划移动速度时添加绕开移动障碍物的增量候选路径，提高轨迹时长的最优性，构建增量式候选路径集；最后，设计了基于增量式候选路径集的启发式轨迹搜索算法，在不损失最优性的前提下提高了搜索效率。仿真实验表明，所提方法能够适应不同拥挤程度的规划场景，相比基于路图的规划方法，所提方法规划的轨迹时长更短，所需的规划时间也更短。     

基于自适应粒子群算法的FS20N机器人时间最优轨迹规划

针对通用型机器人,以运行时间最短为目标,提出一种基于自适应粒子群(APSO)时间最优轨迹规划算法。在关节空间轨迹规划中,逆解得到关节变量与时间的关系,以此建立五次多项式关节变量与时间的插值轨迹。然后,利用罚函数对其关节角度、关节速度、关节加速度进行处理,同时以插值关节各点间的时间间隔之和为优化目标,采用自适应粒子群算法进行优化求解,得到时间最优的轨迹。最后,利用MATLAB仿真软件,建立川崎FS20 N仿真模型进行验证,得到运行平稳且时间最优的运行轨迹图,仿真结果验证了该算法在轨迹规划中的可行性。     

工业机器人的最优时间与最优能量轨迹规划

提出一种工业机器人的最优轨迹规划方法。将机器人的轨迹视为由机器人关节空间中一系列的关键点构成,关键点两两之间通过三次多项式曲线进行连接。通过使用加权系数法定义代价函数,从而使机器人运动过程中的总动作时间和消耗能量在某种程度上达到综合最优,同时考虑关节速度、加速度、二次加速度以及力或力矩等约束条件。在代价函数的设计中,采用一种新颖的罚函数排序形式来处理约束问题。提出基因环境双演化免疫克隆算法对所定义的代价函数进行优化。以上策略的采用,使算法具备一定的学习能力,增强算法的全局搜索能力,从而提高解的质量和算法效率。对斯坦福机器人的仿真结果表明了本文方法与现有方法相比,具有更高的搜索效率,能得到性能更良好的解。     

名义代价期望目标下的智能车辆困境避险规划

提出了一种基于冲突伤害名义代价的避险规划方法。综合碰撞伤亡代价、法规、伦理和冲突不确定等因素,在伦理调查基础上建立对冲突各方中人的伤害名义代价模型。以名义代价期望为目标函数,车辆物理系统限制为约束条件,构建两难困境下的轨迹规划问题。采用暖启动数值优化的分层优化算法对规划问题求解。设计了两难困境仿真场景,仿真实验表明,提出的方法给出了符合公众预期的避险规划。     

基于改进混合A算法的非结构化道路路径规划

针对非结构化道路缺失车道线的场景特点,提出一种适合在非结构化道路下实现汽车自动驾驶的改进混合A*算法的路径规划方法.首先通过碰撞检测时使用距离地图、改变混合A*扩展的运动基元、重新设计代价函数,提高了算法实时性;其次,将路径优化问题转换成标准的二次规划问题快速求解,提高了路径的平滑度;最后,采用ROS平台进行仿真.结果...     

基于凸优化的举高消防车时间最优轨迹规划

为提高举高消防车作业的及时性、可靠性与安全性,提出一种考虑动作平稳、无冲击的时间最优轨迹规划算法。引入伪位移参量s表示路径,利用B样条曲线对举高消防车臂架系统各个关节运动离散点进行拟合,构造连续运动几何路径。结合连续路径,以s及其对于时间的各阶导数表示时间最优目标函数与各个关节速度、加速度约束,建立时间最优轨迹规划的凸优化模型。利用B样条曲线以有限维矢量x表示轨迹,采用内点法对凸优化模型进行求解,在保证速度、加速度、加加速度连续的条件下求得最优解,进而得到各个关节的运动轨迹。利用提出的方法对大高度举高消防车进行轨迹规划,经仿真表明,在满足动作平稳性的同时得到时间最优运动轨迹。     

一种实时快速NURBS插补算法研究与实现

非均匀有理B样条刀具轨迹参数u与弧长S之间没有精确解析表达式,且是非线性映射现象,为了减少速度波动,减轻在线插补计算量,提出了基于双圆弧引导曲线的快速非均匀有理B样条插补算法.利用步长参数和高斯积分对刀具轨迹进行采样,采样点是基于参数u与弧长S的坐标点,利用双圆弧拟合方法对采样点拟合成插补引导曲线,建立参数u和弧长S解析表达式.在插补时依靠建立的双圆弧引导曲线进行快速的非均匀有理B样条插补.仿真实验结果表明了所提方法的u可靠性和有效性.     

基于非均匀B样条曲线的挖掘机最优时间轨迹规划

为了实现挖掘机器人平稳、高效率地完成给定挖掘任务,提出了非均匀B样条曲线的轨迹规划方法.利用3次非均匀B样条曲线,在关节角速度、角加速度和角加加速度的约束条件下,在关节空间对挖掘机进行轨迹规划.采用自适应粒子群优化(APSO)算法求取插值时间的最优值,优化得出各个关节角度的最优时间曲线,从而得到末端挖掘轨迹,在相同的约...     

基于改进鲸鱼算法的搬运机器人运动规划

针对搬运机器人搬运效率不足、稳定性效果不好等问题,使用改进鲸鱼优化算法的时间最优运动规划方法进行解决。首先将机器人模型导入MATLAB中,根据相关算法计算出机器人的空间范围,从空间范围中选取实际目标点并转换到关节空间,在关节空间中使用“四次-三次-四次”插值多项式构造机器人的轨迹,然后将各关节的角速度、角加速度作为约束条件,采用改进的鲸鱼优化算法对轨迹进行优化,缩短机器人运行时间。通过仿真实验,改进的鲸鱼算法较PSO算法规划时间缩短约30%,较标准的鲸鱼算法规划时间缩短约17%,有效提升了搬运机器人在搬运方面的效率和稳定性。     

结构化道路下智能汽车自主换道轨迹规划研究

自主换道系统是智能汽车关键技术之一。针对自主换道系统的轨迹规划,提出基于路径-速度分解的分层换道轨迹规划方法。在路径规划层,基于改进二维正态分布函数建立道路、固定障碍物、周围车辆势场并生成环境总势场,采用五次多项式曲线构建换道路径簇,并基于环境总势场确定车辆的最优换道路径;在速度规划层,考虑换道效率、平顺性、安全性、动力学响应、换道时间窗、路径约束等多重影响因素,提出基于凸优化的速度规划方法并对方法有效性进行验证;最后,建立Prescan-Simulink联合仿真环境,在不同场景下对所提出的轨迹规划方法进行仿真验证。结果表明,该方法能够有效处理换道过程中的复杂约束,保证换道过程的安全性、舒适性与换道效率。     

机械臂关节空间轨迹的时间最优智能规划研究

针对机械臂关节空间轨迹的时间最优规划问题,提出了基于膜计算-粒子群算法的轨迹规划方法。建立了机械臂关节空间轨迹规划模型,使用3次样条曲线构造了轨迹基元函数。提出了膜计算-粒子群算法,通过设计处理器处理膜传递的信息,通过算法淘汰机制、吞并机制和信息交流机制实现膜间合作,膜内根据不同算法原理各自进行速度和位置更新,最终通过膜计算将多种粒子群算法优势进行融合。经测试函数测试,相比于其他粒子群算法,膜计算-粒子群算法具有最高的搜索精度和最快的收敛速度;同时使用多作用力粒子群算法和膜计算-粒子群算法进行轨迹规划,膜计算-粒子群算法规划的机械臂耗时比另一算法减少了23.99%,充分证明了膜计算-粒子群算法在轨迹规划中的优越性。     

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。     

基于机器学习的工业机器人多目标轨迹规划

为满足机器人工作轨迹的多样化需求,以时间、能量及冲击为优化目标提出了一种新的多目标麻雀搜索算法,用于寻找机器人的最优轨迹。首先,通过7次B样条插值方法构造关节空间轨迹,以此确立多目标综合最优轨迹规划模型。其次,采用违反约束度计算、非支配排序以及精英保留来改进麻雀搜索算法,使其能够处理机器人多目标轨迹规划问题。最后,用袋装树分类算法对随机种群内数据进行了筛选,并搭建5层BP神经网络来替代改进多目标麻雀搜索算法中适应度值的数值计算部分,从而提高算法求解效率。通过MATLAB仿真与实验证明了该算法优化所得轨迹的可行性及有效性。     

改进鲸鱼优化算法在机械臂时间最优轨迹规划的应用

针对机械臂时间最优轨迹规划问题,提出一种改进鲸鱼优化算法的最优轨迹规划方法。首先把机械臂各个关节的角度、角速度、角加速度作为约束参数,在关节空间中采用五次多项式插值构造机械臂的轨迹,然后建立以机械臂运行时间最优为目标的目标函数,采用改进的鲸鱼优化算法（IWOA）来对时间进行优化,提高机械臂的运行效率。最后通过MATLAB进行仿真,结果表明,改进的鲸鱼优化算法相较于其它同类算法求解精度更高,收敛速度更快,并且经过IWOA和轨迹优化结合得到的机械臂的位移、速度和加速度曲线都是平滑的且没有明显的突变,验证了该轨迹规划方法的有效性。     

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。