基于双层模糊推理和改进DWA的多机器人路径规划

针对未知复杂环境下,现有多机器人系统路径规划方法存在难以处理好可达性、安全性等性能指标与求解时间之间平衡的问题,提出一种基于双层模糊推理的改进DWA(Dynamic Window Approach)算法。首先,利用线速度模糊控制器以及转向角模糊控制器输出基础位姿,保障机器人寻路过程的灵活性和安全性;然后,对传统DWA算法的障碍物距离评价函数进行改进,纳入偏离危险区评价函数,实现多机器人避碰;通过扩展评价函数和权值参数,改善鲁棒性和全局性能;最后,融合双层模糊推理与改进的DWA算法,即利用双层模糊控制确定大致的速度和方向,在此基础上采用改进DWA算法输出精确速度和转向角。仿真实验表明改进算法生成的轨迹更平滑,并且可提高多机器人路径规划的运行效率和安全性。     

基于遗传模糊控制的多机器人避碰规划

设计了一种基于遗传算法优化的模糊逻辑控制的多机器人避碰规划方法,采用简化的三层行为结构:躲避机器人、躲避静态障碍物和趋向目标点,三个行为分别独立推理,将不同传感器信息作为输入,机器人动作作为输出,再通过优先级和加权的方法对三个行为输出进行综合.随后,针对模糊控制中构造全部的模糊规则比较复杂的问题,采用遗传算法对模糊规则的隶属度函数宽度和中心值进行优化,实现模糊控制器的离线自寻优,得到一组最优参数.从最终的仿真效果看,通过遗传算法优化提高了机器人的自导航性能.     

多仓储机器人协同路径规划与作业避碰

针对多仓储移动机器人协同作业问题,提出了一种基于全局规划和局部调整的路径规划方法,以获得较短、无碰、避障的可行路径.在路径规划时根据当前节点到终点的距离和局部路径与起点至终点的欧氏路径的夹角设计新启发式函数,驱使机器人沿最短路行进;根据可选节点的数量提出避障规则,提高避障能力;依据路径长度对信息素进行比较更新,以精炼搜索空间、提高收敛性能,对蚁群算法加以改进寻找各自最优路径.在作业避碰时设计避碰规则有效解决仓储机器人间作业碰撞,找到最优或近优路径组合.实验结果表明了本方法的可行性、有效性.     

多机器人系统中的动态避碰规划

研究冲突区域中多机器人间的协调和避碰问题。采用集中-分布相结合的规划方法，根据系统的拓扑结构为每个机器人规划路径，在冲突区域内使用优先级策略对机器人的运动特征进行分布式规划。通过上下层智能的融合，提高整个系统的智能。     

基于分散式的多机器人避碰协调控制

针对多机器人在路径规划时躲避其他机器人容易产生抖动问题,该文提出了一种分散式的多机器人之间碰撞协调机制,设计了一种协调碰撞的算法,该方法计算短时间范围内的无碰撞局部运动。基于机器人动力学约束安全和平滑的控制,该方法在基于速度障碍算法的概念上,扩展现实机器人的动力学约束,考虑环境的基于网格的地图表示,通过仿真实验证明了所提出的算法是有效的,可以使运动更加平滑。     

基于改进速度障碍法的多机器人避碰规划算法

针对多移动机器人运动协调中的动态安全避碰问题,在分析速度障碍法原理的基础上,设计用于机器人之间相互避让的互动速度法则,并通过制定机器人的碰撞时间、碰撞距离因子对构型障碍的大小进行实时调整,把运动障碍物、动力学约束下的多步可达窗口、目标点都映射到一种速度变化空间当中,使多机器人的动态避碰问题转化为一种最优化问题,并构造了新的优化评价函数;设计了基于改进速度障碍法的机器人动态避碰规划算法。仿真实验表明,该方法有效地克服了碰撞冲突,实现了多机器人之间的运动协调控制,提高了机器人追踪运动目标的快速性。     

基于最优探测的多机器人路径规划

目前,针对多机器人目标探测定位系统,机器人通常获取相对于目标的角度信息,然后进行融合实现定位目标。采用此种定位算法,机器人相对目标的距离越近、相邻机器人与目标之间的夹角越均匀,目标的定位精度越高。然而由于目标与机器人分布的随机性,在定位的过程中,通常无法同时保证机器人相对目标距离最近、夹角最优。那么如何实现多机器在探测目标过程中,每个时刻机器人对目标的定位精度最优?提出了多机器人最优探测路径规划算法。每个机器人在单位时间内按直线移动,那么机器人下一时刻的位置轨迹,即以当前位置为圆心的圆。根据机器人定位的精度模型标准,采用内点优化算法求解得到圆上的一点,使得精度模型标准取得最优值,即定位精度精度最高,这点即为下一时刻机器人的位置。由此不断求得机器人下一时刻的位置,即可获得机器人移动的路径。仿真结果表明,算法能够实现在多机器人探测定位目标过程中,协同路径规划保证每个时刻目标定位精度最优。     

机器人避碰规划综述

避碰规划是机器人控制技术研究中的一个重要问题,目前的研究主要分为两大类：全局方法和局部方法,全局方法一般指C空间方法,局部方法一般批人工势场法。本文综述了近二十年有关这方面研究的一些较有影响的思想和方法（主要针对关节式机械臂避碰规划）。     

基于模糊控制器的机器人路径规划研究

针对复杂环境下移动机器人路径规划实际问题,提出了一种基于行为的移动机器人控制体系结构,设计了一种基于模糊控制器的移动机器人实时路径规划算法,为移动机器人在未知环境中的导航提出了一种新的思路.仿真结果表明,移动机器人能够克服环境中的不确定性,可靠地完成复杂任务,该算法有计算量小,效率高,鲁棒性好等优点.     

基于差分进化的多机器人路径规划

差分进化是一种新兴的、简单有效的智能优化方法.其具有较好的收敛性、鲁棒性和高效性.将差分进化引入到多机器人路径规划来,提出了一种基于差分进化的多机器人路径规划方法,并调整了进化的参数值.采用该方法加快了多机器人路径的规划速度,有效地克服了传统遗传算法速度慢,适应新环境差的缺点,最后给出了的仿真结果证明方法可行、有效.     

基于协同多目标算法的多机器人路径规划

多机器人路径规划是群体机器人协同工作的前提,其特点是在防碰撞与避障的前提下追求多方面资源的最小消耗.针对这一特点,提出协同非支配排序遗传算法,解决具有多个优化目标的多机器人路径规划问题;运用改进的多目标优化算法,克服多目标优化取权值的不足,同时考虑机器人能源与时间两大资源,以多机器人的路径总长度、总平滑度、总耗时为规划目标.同时引入合作型协同算法框架,将难以求解的多变量问题分组求解.每个机器人的路径视为子种群,子种群通过带精英策略的非支配排序遗传算法,进化并筛选出子种群的部分进入协同进化,每次迭代更新外部的精英解集,最终生成一组非支配路径解.仿真结果表明,在栅格地图环境下,本文算法可有效实现多移动机器人的多优化目标路径规划.     

On-line Planning for Collision Avoidance on the Nominal Path

In this paper a solution to the obstacle avoidance problem for a mobile robot moving in the two-dimensional Cartesian plane is presented. The robot is modelled as a linear time-invariant dynamic system of finite size enclosed by a circle and the obstacles are modelled as circles travelling along rectilinear trajectories. This work deals with the avoidance problem when the obstacles move in known trajectories. The robot starts its journey on a nominal straight line path with a nominal velocity. When an obstacle is detected to be on a collision course with the robot, the robot must devise a plan to avoid the obstacle whilst minimising a cost index defined as the total sum squared of the magnitudes of the deviations of its velocity from the nominal velocity. The planning strategy adopted here is adjustment of the robot's velocity on the nominal path based on the time of collision between the robot and a moving obstacle, and determination of a desired final state such that its Euclidean distance from the nominal final state is minimal. Obstacle avoidance by deviation from the nominal path in deterministic and random environments is based on the work presented here and is investigated in another paper.     

基于模糊控制的自主机器人路径规划策略研究

结合人类的经验及模糊控制理论研究移动机器人的局部路径规划问题,采用步长的转向角控制的方法模拟驾车减速的自然过程,同时采用了虚拟目标点的方法处理局部路径规划中经常出现的陷阱问题．仿真结果验证了所提方法的有效性和可行性．     

基于MDP的无人机避撞航迹规划研究

无人机基于避撞条件下的目标搜索航迹规划是指针对复杂且众多的环境障碍约束通过合理规划飞行路径,以更快、更高效地形式找到目标;首先深入探讨了概率论视角下有限位置马尔科夫移动的规律,构建了相应的马尔科夫移动分布模型;随后在借鉴搜索系统航迹规划的前沿研究成果之上,结合马尔科夫决策过程理论,创新性地引入了负奖励机制对Q-Learning策略算法迭代,构建了单无人机目标搜索模型;并通过类似“风险井”的可视化方式直观地将障碍约束对飞行影响呈现出来;最后进行仿真实验论证算法的可行性和有效性,对航迹规划算法的设计具有一定的参考意义。     

移动机器人路径规划的模糊人工势场法研究

静态环境下的路径规划是移动机器人领域非常重要的研究课题。人工势场法由于算法简单、计算量小、运算速度快、实时性好等特点,在移动机器人路径规划中得到了广泛应用,但人工势场法也存在目标不可达和局部极小值问题。针对人工势场法存在的不足,将模糊控制思想引入到移动机器人的路径规划中来,对移动机器人的偏转角进行精确控制。仿真实验结果证明了所提方法的有效性。     

结合预测和模糊控制的移动机器人路径规划

针对移动机器人在复杂未知环境下运行时易出现局部死锁和路径冗余的问题,提出了一种结合预测和模糊控制的局部路径规划方法,并对规划过程中出现的问题提出了解决策略。将普通避障行为与沿墙走行为融合为一个模糊控制器,通过内部规则实现行为交替。针对模糊控制方法存在多U型障碍物的死锁问题,提出了累加转角和的判断方法,帮助机器人逃脱死锁状态。加入陷阱预测机制,使机器人能在一定程度上克服传感器测量范围的局限性,预测前方是否可行并做出决策,减少冗余路段。设计了基于人工势场法的有限状态机,解决了因障碍物对称而无法确定方向所产生的路径冗余。在MATLAB平台中进行了仿真测试,验证了所设计方法的可行性和有效性。     

紧致密集Auto Store系统AGV路径规划与避碰策略

针对新兴紧致密集仓储系统Auto Store具有短途挪库作业多、顶层AGV冲突多、货架结构性角落多等特点,提出一种离线-在线两阶段AGV优化调度方法。离线路径规划阶段,给出改进双层A*算法,在拓扑图建模划分搜索区域基础上,上层通过考虑冲突的启发式函数和考虑转弯的代价函数寻求可行区域,下层在此区域基础上搜索最优路径。在线AGV运行阶段,针对两AGV冲突,扩充了回退策略和路线重规划策略;针对多AGV冲突,提出一种基于贪心算法的区域避碰决策策略,以控制问题规模。最后利用Flexsim仿真进行了验证,结果表明,较于标准A*算法,改进A*算法能在保证搜索效率的同时获得冲突较少的初始路径方案;较于优先级策略,区域避碰策略能减少AGV等待时间;将二者相结合,能缩短整体作业完成时间,且随着AGV数量和作业任务增多,优势越明显。     

一种新型协作多机器人路径规划算法

研究了一种在动态环境下的新型协作多机器人路径规划算法。采用集中式与分布式相结合的多机器人系统体系结构,弥补了在分布式环境下的全局性较差和在集中式环境下的实时性较差等不足。在此基础上,通过融合免疫协同进化算法与人工势场法解决全局路径规划与局部路径规划问题,以有效提高机器人的全局协调能力及自适应水平。仿真实验证明了所提算法在动态环境下实现的可行性与有效性。