面向三维陷阱空间的改进RRT算法航迹规划

鉴于RRT算法在三维陷阱空间的路径规划中存在规划时间长、成功率低、路径不规则等缺陷,提出一种改进RRT算法(IRRT),结合蚁群优化算法的思想,对RRT获得的路径设置信息素更新规则,采用轮盘赌选择获取下一个扩展点,通过迭代以获得理想的路径方案。同时,提出设置三维突防关键点引导航迹搜索应对三维陷阱空间狭小突防间隙,提高算法的搜索性能。针对三维陷阱空间下的航迹规划的仿真实验表明,较其他常用的航迹规划算法,采用三维突防关键点的IRRT算法更具有更好的稳健性和收敛性能。     

基于改进RRT算法的四足机器人路径规划

针对四足机器人使用RRT算法进行路径规划存在地图探索能力弱、转向角度大且不连续、不满足四足机器人运动学模型的问题,提出一种结合四足机器人自身模型约束的RRT路径规划算法：考虑四足机器人自身运动学约束与自身体积,使用局部贝塞尔曲线化对转折处进行优化;利用全局自适应步长、节点自我更新、增加目标偏置,提升算法搜索效率。四足机器人的仿真实验结果表明,改进RRT算法生成的路径可行性强、运行效率高,满足四足机器人在实际工程中对路径的要求,到达目的地的时间大幅降低。     

基于改进RRT-Connect算法的路径规划研究

传统移动机器人的路径规划算法环境障碍建模复杂且容易陷入局部最小值,而基于采样的快速扩展随机树(RRT)算法通过随机节点快速扩展路径搜索效率低。RRT-Connect算法在RRT算法基础上提升了搜索效率,但存在路径曲折的问题。为此,在RRT-Connect算法基础上通过加入人工势场引导增长方法和目标偏置采样方法,改进算法规划路径的平滑性和速度。为验证改进算法的有效性,与RRT算法、RRT-Connect算法在不同复杂度环境中的执行性能进行比较。仿真实验的结果表明,改进算法在三种不同环境下的路径规划时间和路径规划长度以及标准差稳定性方面均优于其他两种算法。     

基于改进RRT算法的机械臂避障路径规划

基本的RRT算法(快速扩展随机树)具有随机性、缺乏方向性、生成路径时间长,运行效率低等不足,在此基础上提出了一种基于改进RRT路径规划的算法。首先在随机采样扩展时加入目标偏置策略,使随机树的生长方向朝着目标点趋向,增强了采样的目标导向性;然后采用节点拒绝策略和可变步长策略,增强了算法的收敛速度和机械臂的避障效果;最后通过使用贪心算法删除一些亢余节点,简化避障路径,并采用三次B样条曲线对生成的路径进行平滑性处理,进一步优化路径长度。将改进后的RRT算法同标准RRT算法、RRT-Connect算法在不同环境地图下进行仿真实验,对比得到的实验结果,表明了改进后的RRT算法在规划时间、节点数、路径长度等方面都得到了提升,验证了改进方案可行性与优越性。     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题,提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点,通过扩展,逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明,即使在随机生成的复杂环境下,利用该算法也可以快速规划出一条全局优化路径,且能安全避障。     

基于强化RRT算法的机械臂路径规划

针对快速拓展随机树算法(rapidly-exploring random trees, RRT)存在采样随机、重复搜索、偏离目标点和节点冗余等问题,提出一种强化快速拓展随机树算法(intensity-guide rapidly-exploring random trees, IG-RRT)。采用覆盖剔除机制强化算法搜索能力,将已搜索区域进行覆盖,覆盖后不再进行搜索和产生新节点,避免重复搜索,提高搜索能力和搜索效率。后续加入目标引导概率,根据地图难度对目标引导概率进行调整,强化算法目标趋向性,对末端节点采用贪婪思想,强化算法收敛性。通过简化路径,去除冗余点,利用三次B样条曲线平滑拐点,提高路径质量。仿真试验表明,IG-RRT算法性能优于传统RRT算法及其相关衍生算法。IG-RRT算法可以增强对复杂约束空间的搜索能力,加快算法的收敛速度,提高路径规划的成功率。     

基于融合改进双向RRT与人工势场法路径规划

由于快速扩展随机树（RRT）算法在路径规划中存在速度慢,计算量大和效率低等问题,提出一种双向快速扩展随机树（RRT）算法与人工势场法（APF）相结合的路径规划。首先,通过利用人工势场法（APF）进行局部路径规划,提供运动路径。其次,通过使用改进的快速扩展随机树算法选择临时目标点,用以解决路径规划时陷入最小值的问题,将人工势场法（APF）引入双向RRT算法中。将局部路径规划与全局路径规划相结合,缩短运行时间和路径长度,基于仿真实验表明,该方法在运行时间、路径长度和迭代次数等方面都得到显著提高。     

基于AHMRRT的移动机器人路径规划算法

为解决单向快速探索随机树(rapid exploring random tree,RRT)算法路径规划效率低且易陷入局部极小点的问题,提出了一种自适应启发式多快速探索随机树(adaptive heuristic multiple rapid exploring random tree,AHMRRT)路径规划算法.一方面,基于多随机树构建策略的AHMRRT算法可以在起始点、目标点、子目标点生成4棵随机树,同时进行扩展搜索,从而提高路径规划效率;另一方面,通过在单棵随机树生长过程中添加自适应启发式偏置因子,AHMRRT算法可以根据环境中障碍物的情况自适应地改变新节点的生成策略.探索自由空间时,该算法可以在偏置因子的作用下迅速向目标点扩展以提高搜索效率;探索多障碍物空间时,该算法将调用随机采样函数以防止落入局部最优.在仿真实验中,设计了4种环境下AHMRRT算法与随机概率目标快速探索随机树(probability goal RRT,PGRRT)、双向快速探索随机树(bidirectional RRT,BRRT)算法的对比实验,仿真实验结果证明了该算法的可行性和高效性.     

空间冗余机械臂路径规划方法研究

针对多自由度机械臂在三维空间中轨迹规划的高复杂性、安全性和可靠性等问题,基于快速扩展随机树(rapidly-exploring random trees, RRT)算法在高维空间中的概率完备性和计算轻量性等优势,提出了一种基于均匀概率的目标启发式RRT(target heuristic RRT based on uniform probability, PH-RRT)方法. 首先,该方法基于均匀概率的分配机制选取概率采样阈值作为节点标准,并与随机采样值进行比较. 当随机采样值在设定的阈值范围内时,确定目标点为随机点进行节点扩展. 当随机采样值在设定的阈值范围外时,随机生成随机点,在目标重力和随机点重力的目标启发式作用下进行节点扩展. 然后,在已规划出的路径的基础上,进一步引入广度优先搜索思想,针对规划出的路径进行优化处理,提高了路径平滑度并减少了路径长度. 实验结果表明,该方法能较好地解决传统RRT方法固有的盲目搜索问题,减少路径规划时间和路径长度,提高机械臂的路径规划效率.

     

基于改进RRT算法的垃圾收集车路径规划研究

针对RRT-Connect算法形成的规划路径中存在的障碍盲区,采用"改线"机制算法缩短了路径长度,从而间接达到了减少能耗的目的,并进行了仿真研究.     

基于改进Prim算法的变电站巡检机器人路径规划

变电站巡检机器人主要代替人进行变电站设备巡检,全面实现变电站无人值守。通过GPS定位技术获取机器人及设备位置信息,并将其抽象成网状存储结构,利用改进Prim算法生成最小生成树,同时,设计遍历算法遍历最小生成树,使路径回溯花费最小,完成机器人巡检路径规划。仿真实验结果表明,算法具有数据结构简单、执行效率高的特点。     

基于改进萤火虫算法的移动机器人路径规划

针对标准萤火虫算法寻优容易陷入局部最优的缺点,通过改变萤火虫算法的搜索策略,对萤火虫算法进行改进,提高萤火虫算法的寻优能力。在移动机器人路径规划问题上采用改进后的萤火虫算法,实现了移动机器人全局路径规划的最优路径,理论与实验结果证明了改进后的萤火虫算法的有效性,此方法能满足移动机器人路径规划的要求。     

基于快速扫描随机树方法的路径规划器

介绍了一种基于快速扫描随机树的启发式路径规划方法．该方法以初始点为根节点进行扩展,直至随机树的叶节点中包含了目标点或目标区域中的点为止．引入了KD树并以前一帧规划出的路径为基础进行下一帧的运动规划以缩短规划时间．用该方法可以规划出最优路径或次优路径．     

基于案例的自主式水下机器人全局路径规划的学习算法

首次讨论了基于案例的学习方法在自主式水下机器人全局路径规划中的应用问题,基于案例的学习方法是一种增量式的学习过程,它根据过去的经验进行学习及问题求解。本文对基于案例的学习方法在自主式水下机器人的全局路径规划中的应用框架进行了初步研究,对案例属性的提取、案例的匹配和择优以及案例库的更新等问题提出了相应的算法,最后给出了几组仿真结果。     

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.     

基于改进粒子群算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,提出了一种改进粒子群算法求解此类优化问题。该算法针对传统的粒子群算法存在的缺点,对粒子群迭代行动策略、初始化策略以及惯性权重的调整进行了改进,并将单纯形法引入到算法中,弥补算法容易陷入局部最优的缺点,提高了粒子群算法的搜索效率,使其更适用于输电网扩展规划。将其应用到Garver-6节点系统和一个18节点系统,计算结果证明该算法的可行性和有效性。     

快速约束极值子空间跟踪算法

子空间跟踪算法是许多工程计算问题的核心.Valizadeh等人基于约束优化问题提出了一种快速投影逼近子空间跟踪算法.在指出快速投影逼近子空间跟踪算法不足的同时,应用矩阵求逆引理给出了一种新的快速子空间跟踪算法——快速约束极值子空间跟踪算法.仿真实验表明,所提算法是收敛且稳定的,其性能优于或相当于几种常见的快速子空间跟踪算法.     

计算最短路径树Dijkstra算法的改进

针对用于网络寻径表刷新的OSPF路由选择协议中使用的计算最短路径树的Dijkstra算法在网络应用中的不足，提出了一种改进算法，用以计算边和节点上都有代价的图的最短路径树，以更全面刻画网络状态，找到更合理的最短路径树，通过对同一个网络自治系统最短路径树的计算，比较了改进Dijkstra算法和Dijkstra算法的差别，结果表明改进Dijkstra算法能够更加全面地刻画网络状态，找出的最短路径树更为合理。