基于改进人工势场的无人机预设航线避障研究

为了实现基于预设航线的无人机三维避障,提高无人机(UAV)的自主能力,提出一种改进型人工势场算法。传统的人工势场法避障只着眼于无人机的安全到达,且可能会陷入局部最小点。当避障基于预设航线时,传统人工势场无法在避障的同时尽量跟踪预设航线,对传统人工势场引力场进行改进,使引力指向目标航线,并针对预设航线为曲线时引入前馈和速度控制,消除跟踪误差;为解决引力场改进后人工势场法存在局部最小点问题,对斥力场进行改进,使其垂直于航线方向,消除局部最小点。将改进后的算法运用到近地表自主搜索无人机的三维避障中,将三维避障分解为XY和XZ 2个平面上的避障,在Adams上构建避障场景进行仿真,仿真结果显示该算法能够实现基于预设航线的无人机三维避障,且避障过程平稳。     

动态环境下基于自适应步长Informed-RRT*和人工势场法的机器人混合路径规划

为解决移动机器人在动态环境下的路径规划问题,将Informed-RRT*和人工势场法相融合,提出全局与局部规划算法相融合的路径规划方法。首先,针对Informed-RRT*算法采样效率低,以及得到路径不满足机器人运动学约束的问题,采用目标偏置法与自适应步长法,减少冗余搜索与不必要树的生长;同时,引入走廊优化与时间重分配法,优化路径节点,使路径更加平滑。其次,针对人工势场法易陷入局部极小值和目标点附近不可达的问题,采用平滑窗格策略,增设全局路径子目标点,使机器人能够逃离局部极小值,完成规划任务。仿真结果表明,静态环境中自适应步长Informed-RRT*算法相比于Informed-RRT*算法求解时间缩短了71.98%;动态环境中,混合算法相比于人工势场法,搜索时间缩短了15.4%,路径长度缩短了11.1%。     

基于改进人工势场方法的多无人机编队避障算法

针对无人机(UAV)机群在编队飞行过程中可能受机群其他无人机或鸟类等障碍物的影响,基于传统人工势场(APF)的编队避障算法易陷入局部优化解,进而导致无人机机群避障失败的问题,提出了一种基于改进三维人工势场(3D-APF)的编队避障算法。通过在势场函数中引入一致性理论的通信拓扑和权重等概念,实现无人机机群在分布式结构下的快速编队。然后将z轴势场引入二维势场,并引入与障碍物移动方向垂直的辅助势场以消除算法陷入局部最优化解的缺陷。最后,通过M atlab仿真实验验证了本文算法的有效性。     

基于consensus的人工势能场在足球机器人避障中的应用

在分析足球机器人路径规划方法--人工势场法不足的基础上,将基于consensus的人工势能场的新方法应用到机器人避障中.为了避免传统人工势场中导航函数方式的缺点,引入一与运动方向垂直的回转仪的力来代替排斥力.为了避免由障碍物引起的运动奇异性,引入一制动力,使足球机器人减速以便有足够的时间转弯,可以进行很好的避障.利用consensus算法来获得优化的势能场函数,解决足球机器人导航和避障问题,并能达到时间最优和轨迹最优的目的.仿真结果表明该方法能够快速准确地进行避障,且路径比较平滑.     

复杂环境下基于目标指引的RRT*路径规划算法

机器人路径规划算法需应对运动过程中遇到的各种复杂环境。针对快速扩展随机树(RRT)算法规划时间长、产生新节点随机性大、盲目性强的缺点,提出基于目标指引的RRT*路径规划算法。该算法在障碍物和目标点处分别产生虚拟势场,引入引力函数和斥力函数使得生成的随机点具有目标性,随机点朝向目标点方向产生,降低盲目性和随机性;回归策略和动态自适应步长策略减少规划时间和产生冗余点的数量。当环境复杂时,提出带有预测机制的模糊推理策略,以解决机器人在U型陷阱下易产生的局部死锁现象。在动态环境下,提出重规划策略使机器人拥有动态避障能力。最后,在树莓派智能小车上进行了实验测试,结果验证了该算法的有效性。     

基于改进人工势场法的动态环境运动规划

移动机器人和智能无人驾驶车辆的路径规划问题是实现自主导航的关键问题。本文提出了基于改进人工势场法的局部路径规划算法,只需传感器提供局部环境信息,就可做出即时反应来指导机器人运动,算法简单,效率较高。实验结果表明该方法可以在动态环境下实时计算障碍物位置和信息,顺利到达目标点,高效、稳定,具有广泛适用性。     

基于改进蚁群算法的码垛机器人路径规划应用研究

目的为解决蚁群算法在码垛机器人路径规划中存在的收敛速度慢、容易陷入局部最优等问题,提出一种人工势场和蚁群算法相结合的方法。方法首先,根据码垛机器人机械手在人工势场中不同节点所受到的合力,对初始信息素进行不均匀分布,以解决蚁群算法初期由于缺乏信息素导致的无效路径搜索。其次,在启发函数的设计中引入码垛机器人机械手在下一节点所受到的合力,以解决蚁群算法容易陷入局部最优的问题。最后,对信息素的更新策略进行改进。按照寻得路径的长度不同,对每次迭代完成后信息素的增量成比例进行更新,并设置最大、最小值,以解决迭代后期路径上信息素过大而使蚁群算法陷入局部最优的问题。结果改进后的蚁群算法收敛速度提升了约51%,寻找到的最短路径提升了约10%。和其他改进的蚁群算法相比,在综合性能上也有一定程度上的提高。结论改进后的蚁群算法收敛更快,寻找的最优路径更短。     

基于传统遗传算法的改进排爆机器人路径规划研究

针对传统遗传算法进化速度慢、容易陷入局部最优点等缺陷,提出了改进后新的路径规划算法。在判断路径中,基于闵科夫斯基原理对障碍物进行扩展;在构造路径中基于可视图原理进行改进,构造机器人的真正可行区域;在最短路径中对遗传算法中种群的初始化,个体的编码方法等问题做了详细的研究,并在选择算子中引入相似度的概念,大大扩大了初始种群的范围,避免进入局部最优点。最后通过仿真实验验证了此算法的可行性。     

基于势场导向权的改进机器人 路径规划免疫算法

为了解决复杂环境中移动机器人的路径规划问题,结合人工势场法计算量小的特性和人工免疫网络的自适应调节能力,提出了一种改进的路径规划免疫算法。为了提高免疫网络的搜索能力以及免疫网络的收敛性,将人工势场法的规划结果作为先验知识构建了导向权,同时将抗体命令清晰度和抗体转移后的距离变化作为变量,构建了新的抗体转移概率算子。仿真结果表明,与其他算法相比,新算法在最优规划能力和网络收敛性能方面都有明显提高。     

Path planning in multiple obstacle areas for omni-directional mobile manipulators based on the APFIGA

为解决机器人在多障碍区的路径规划问题,提出了一种基于由遗传算法改进的人工势场法(APFIGA)的全方位移动操作机器人路径规划方法.该规划方法通过在可穿越的障碍区添加障碍物穿越系数来鼓励机器人走捷径,进而提高其路径优化能力;利用当前点邻域内势场强度信息,结合遗传算法确定全方位移动操作机器人的运动方向及速度,并引入机器人速度及移动障碍物速度的影响,得出势场强度下降最快的路径,提高方法的动态环境规划能力.该方法能克服机器人在障碍物附近易于抖动的现象,通过在斥力势中添加与目标距离成正比的系数项解决目标不可达问题,并利用填平势场跳出局部极小.仿真与实物实验结果验证了所提出路径规划方法的正确性和有效性.     

基于TSA*算法的双机械臂协同避障规划方法

提出了一种基于时序A*(TSA*)算法的双机械臂路径规划方法。针对A*算法在高维环境下计算时间急剧增加的问题,引入期望步数Fs避开无效节点,减少计算工作量;在高维空间搜索时,因open表急剧变大导致维持open表最小二叉堆结构的时间大幅增加,通过对open表进行拆分,进而降低维持open表结构的时间消耗。主臂在静态环境中进行避障路径规划,从臂以主臂为已知动态障碍物进行路径规划。在规划从臂时,通过运动等待策略实现从臂自动做出等待决策。经过仿真实验对比,验证了该算法的有效性和可行性。     

Frenet坐标框架下的自适应避障算法

目的 解决包装车间无人运输车辆在沿全局路径行驶过程中,难以同时保证跟随轨迹平滑及规避障碍物的问题。方法 构建Frenet坐标框架,描述车辆位姿与全局路径的相对关系,利用五次多项式生成多条待选局部路径;采用障碍物势场法模糊处理包装车间障碍的外形轮廓,并设置膨胀区间;结合待选路径采样点经过障碍物膨胀区间得到的碰撞值,以及采样点与全局规划路径的偏差值,综合评估路径的避障能力,筛选出最优的避障路径。结果 该算法能根据障碍物的大小,动态解算出与全局路径偏移量小且运动连贯的局部避障路径。结论 所提算法使得车辆完成运输任务时的效果更好,且效率更高。     

基于改进卷积网络的无人驾驶汽车动态避障路径规划方法

为了提高无人驾驶汽车动态避障的成功率,实现路径最优规划目标,本文引入了改进卷积网络,并开展了基于该网络的无人驾驶汽车动态避障路径规划方法研究。首先,建立了精确的汽车运动学模型,以描述无人驾驶汽车在行驶过程中的运动学特性。其次,对道路障碍物目标位置进行检测,连续获取道路动态障碍物目标的信息,预测障碍物未来的位置和速度。最后,在此基础上,利用改进卷积网络计算了无人驾驶汽车动态避障路径损失函数,评估了规划避障路径与实际目标路径之间的差距。同时,辅助人工势场法求解势能的最小值,得到了汽车避障路径。试验结果表明,应用本文提出的规划方法后,在6个车道上,无人驾驶汽车的动态避障成功率始终高于另外2个对照组,均达到了99%以上,可以有效地识别障碍物并进行避障。     

考虑冲突避免的多AGV路径规划研究

目的 提高物流企业“货到人”拣选系统在实际生产中的工作效率，避免自动导引小车(AGV)间的冲突死锁，研究大规模多AGV的无冲突路径规划和协同避障问题。方法 首先考虑AGV空载、负载情况和路径扩展成本，改进A^*算法，动态调整代价函数，优化路径扩展方式。其次，提出冲突检测及避免算法，对可能产生局部冲突的路径交叉点进行避障调度，通过预约锁格，实现局部冲突的检测，制定优先级避障策略，解决AGV动态行驶路径上产生的局部冲突和死锁，进而实现全局无冲突路径规划。结果 对多组不同任务量和不同AGV规模的场景进行仿真，实验结果表明，考虑冲突避免的改进A^*算法能有效实现100个任务、90个货架单位和7个拣选站场景下的多AGV动态路径规划，相较于传统A^*算法，其平均拣选时长缩短了52.61%。结论 该方法可实现大规模场景下的多AGV动态路径规划，在付出较小转弯代价的同时有效避免局部动态冲突，该方法可为相关企业实现多AGV协同调度提供新的思路和理论依据。     

基于危险斥力场的自动驾驶汽车主动避撞局部路径规划

针对平直道路上碰撞交通事故的多发性和复杂性,借鉴人工势场理论思想,提出了一种基于危险斥力场的自动驾驶汽车主动避撞局部路径规划算法.该算法建立了算盘式道路和危险斥力场模型,根据算珠受到来自道路边界斥力、障碍物边界斥力和线性拉伸弹簧拉力共同作用达到的受力平衡状态,得到一个非线性方程组,用牛顿迭代法求解出一条能安全避开障碍物且符合汽车动力学性能要求的避障路径.仿真结果表明,该算法有效可行,且具有运算量小、实时性好、安全可靠的特点.     

用于移动机器人路径规划的曲线轨迹算法

针对移动机器人路径规划方法--人工势场法在相近障碍物之间不能发现路径的局限性,经改进,提出了一种圆弧路径算法.该改进算法从轨迹方程的角度出发,将移动机器人的路径以规则曲线的形式进行规划,确定路径方程,并以圆的曲线方程来表示,以求便于计算,同时综合考虑了路径规划的实时性和最短路径,从而可得出最优路径.构建了三维激光扫描系...     

一种新型包装码垛机器人路径规划方法

目的为了提高码垛机器人的工作效率,减小能量损耗,优化机器人末端抓手的工作轨迹。方法建立机器人路径规划的数学模型,在此基础上对传统的蚁群算法进行改进,将环境中局部的机器人路径信息引入蚁群信息素的初始化和路径选择概率中,提高蚁群算法的收敛速度,并防止算法早熟,避免算法陷入局部最优。结果仿真结果表明,改进后的蚁群算法收敛速度更快,能够在较短时间内规划出最佳路径。结论所提方法能够明显提高码垛机器人最佳路径搜索能力,对于提升机器人运行效率具有重要指导意义。     

基于优选学习泛化机制的机械臂运动规划方法

针对传统机械臂运动规划方法存在智能化低和适用性差的问题,本文研究了基于优选学习泛化机制的机械臂运动规划方法。根据动态运动基元(DMPS)、机械臂D-H模型和正逆运动学,设计了机械臂示教学习(LFD)运动规划系统。在此基础上依据DMPS的学习特性与样本空间的多样性,提出"方位-距离"筛选规则优选样本,并融入运动特征与障碍物的耦合因子实现避障规划。通过Matlab进行机械臂优选LFD系统建模并仿真分析其可行性与精确性,为了验证系统的适用性,设计并完成障碍物环境下的机械臂避障规划物理实验。本文提出的机械臂运动规划方法在一定程度上赋予了机械臂自主作业的能力,提升了其智能化水平。     

满足不同任务需求的服务机器人系统设计

随着机器人技术的发展,服务机器人已经进入人们的生产生活。根据需求的不同,服务机器人的功能有搬运、引导和巡检等,而一些重要的场合需要机器人执行多种任务。本文设计了一种满足不同任务需求的服务机器人,利用多传感器融合的即时定位与地图构建(SLAM)方法实现机器人自主定位和巡逻;利用神经网络与点云聚类算法相结合识别和定位物品,并控制机械臂抓取;将改进的局部路径规划方法与全向轮底盘相结合实现机器人自主避障。本文模拟医院场景搭建了测试环境,机器人能够完成自主巡逻、自主避障、接收语音指令、到指定地点取药并送至指定病房,验证了系统的可行性。     

基于改进人工鱼群算法的DIC形变分析

针对目前在数字图像相关(digital image correlation,DIC)整像素位移测量领域中,多种算法存在容易陷入局部最优,导致部分点存在测量误差的问题,该文选择基于群体智能优化的人工鱼群算法,利用该算法本身具有的全局搜索能力,能够快速跳出局部最优的特点来改善这个问题,同时该算法还具有简单、快速、并行性等优点。为进一步提高该算法的准确率和效率,采用混沌均匀初始化和自适应视野步长的方法对原有算法进行改进。最后通过实验得出,改进人工鱼群算法可以成功应用于整像素位移搜索中,并且与常用的粒子群算法相比准确率明显提高,且位移越大,这种优势越明显。所以改进人工鱼群算法可以作为一种新的算法测量材料在变形后的整像素位移。