基于模糊决策法的移动机器人路径规划方法

对基于模糊决策法的移动机器人实时路径规划的方法进行了探讨。移动机器人在其运动前方180°的范围进行实时探测,得到环境信息,通过路径规划选择器,选择合适的模糊决策进行实时规划。上述过程通过计算机仿真得到了较满意的结果。     

有限信息条件下的机器人路径规划

在移动机器人的相关技术研究中,路径规划技术是其核心技术,也是其实现真正智能化和完全自主移动的关键技术。传统方法多要求预知全局信息,然而实际中机器人多数只能获得有限的环境信息。因此,有限信息条件下移动机器人路径规划贴近现实,是当前研究的热点与难点。根据所依赖信息层次的不同,将路径规划算法分成3类:依赖全局信息的全局路径规划、仅依赖局部信息的局部路径规划以及同时利用全局与局部信息的混合式路径规划,并分别介绍3类方法在有限信息环境下的特点。     

一种改进灰狼优化算法的移动机器人路径规划方法

针对移动机器人路径规划中存在易陷入局部最优、收敛速度慢、搜索路径消耗成本较大等问题,提出一种改进的灰狼优化算法对移动机器人进行路径规划.建立移动机器人避障路径规划二维空间模型,将灰狼优化算法中的线性收敛因子转变为非线性收敛因子,并将灰狼优化算法与粒子群算法结合,给予Omega狼意识;加入协同量子化优化灰狼群体;采用4类...     

一种改进编码机制在移动机器人路径规划中的应用

针对基于遗传算法的移动机器人路径规划,提出了一种新颖的可变长度十进制路径编码机制,并给出了相应此编码机制的遗传操作算子。仿真结果表明,所提算法简单有效。     

动态环境中移动机器人路径规划研究综述

路径规划是移动机器人技术中的一个重要课题,而动态环境中的路径规划问题则是该领域内一个富有挑战性的研究方向,它在自主移动机器人、自治水下机器人和星球探索机器人等领域具有广泛的应用前景。综述了动态环境中移动机器人路径规划研究的主要内容及其发展动态,从算法策略的角度,将该问题概括为基于智能计算的路径规划,基于行为、学习心理的路径规划,随机采样路径规划和混合路径规划。具体分析了各种算法的原理,指出其优缺点和有待进一步研究的问题,并提出一些解决思路。     

移动机器人的栅格概率路径图法路径规划

针对PRM算法运行速度慢、难以针对狭窄通道采样的问题,提出一种栅格概率路径图算法。用栅格划分地图,并根据栅格内障碍物面积,划分栅格威胁等级,并依此使用不同采样策略。提出一种采样点落在障碍物内的重采样方法,提升了采样效率,增加了在狭窄通道内的采样。同时,改变连接策略,连接采样点时,不再遍历所有点,只与附近栅格进行连接,减少算法耗时。生成路径后,对路径进行优化与平滑,提升路径质量,使之符合移动机器人运动约束。通过仿真分析得到栅格概率路径图法中栅格缩放系数k选取的依据。仿真结果显示,栅格概率路径图法的运算时间和成功率与经典算法相比均获得提高。     

一种基于量子风驱动优化算法的移动机器人路径规划

针对移动机器人路径规划过程中算法效率低、在复杂环境中自适应能力差、容易陷入局部最优的问题,将风驱动优化算法应用到路径规划中。首先使用包围点算法确定围绕关键障碍物的一组栅格点,在基于包围点算法生成初始路径后,使用量子风驱动算法对生成的路径进行优化。将风驱动优化算法与量子蝙蝠算法和量子粒子群算法分别在10张地图中进行测试,由测试数据可以看出量子风驱动算法在路径长度和算法效率上都优于其他两种算法。最后将3种算法应用到移动机器人中,风驱动优化算法的优势性与地图测试结果一致。     

基于改进的势场函数的移动机器人路径规划

当用势场法对移动机器人进行路径规划时，如果目标在障碍物的影响范围之内，利用现有的热场函数，则机器人永远也到达不了目标。本文对热场函数作了改进，新的势场函数把机器人与目标之间的相对距离也考虑进去，从而确保目标点为整个热场的全局最小点，使得移动机器人能够顺利到达目标。     

基于优化遗传算法的移动机器人路径规划

针对移动机器人在路径规划过程中,由于传统遗传算法中适应度函数把路径最短作为遗传到下一代主要因素,造成机器人转弯次数过多引起时间浪费问题,提出一种基于改进遗传算法的路径规划方法,通过对适应度函数添加转弯角度控制因子,把路径最短和转弯角度作为路径个体适应度函数值大小的影响因素,并对改进后的适应度函数进行了收敛性分析。最后通过MATLAB进行了仿真分析,结果表明:机器人运动轨迹更加平滑,减少了转弯次数,仿真结果说明该算法具有一定的有效性。     

基于优化A*和DWA算法的移动机器人避障路径规划

针对移动机器人在路径规划过程中路径曲率不连续,避障能力差等问题,提出了一种将改进A*和动态窗口法（DWA）相结合的路径规划方法。首先,在传统的A*算法基础上,将传统的8个搜索方向改为5个,提高搜索效率;其次,将Floyd算法思想引入A*算法中,设计了一种新的启发式搜索函数,实现了无斜穿障碍物顶点,增加了路径的平滑度;最后,融合改进算法以及动态窗口法,构造了新的评价函数,在保证规划路径全局最优性的基础上达到避障效果。仿真结果表明：该研究对于移动机器人自主导航的应用具有一定的参考价值。     

基于改进蚁群算法的移动机器人路径规划

针对动态未知环境下机器人路径规划中存在的不足,提出一种全局规划和局部规划相结合的混合型规划方法。全局规划中,针对基本蚁群算法易陷入局部最优以及易陷入U型或V型障碍物的缺陷,提出采用夭折策略对基本蚁群算法进行改进,并采用改进的蚁群算法离线规划出一条粗略的全局优化路径,将该"粗"路径分解为局部规划各个阶段的子目标。局部规划中,机器人实时探测局部环境信息,应用滚动优化原理,不断修正运动路线,使机器人在每一时刻的滚动窗口内都避开障碍物向子目标点运动,把整体的寻优分解为各个滚动窗口内的局部寻优,克服了全局规划不能追踪动态信息的缺点。仿真结果表明,该方法可行且具有良好的稳定性。     

基于改进模糊自适应遗传算法的移动机器人路径规划

针对现有移动机器人路径规划方法运行效率低的问题,提出一种基于改进模糊自适应遗传算法的路径规划方法。基于领域知识对初始路径进行可行性筛选,提高可行路径比例。采用模糊逻辑控制器动态整定遗传算法运行参数,提高路径寻优速度,避免陷入局部最优路径;综合考虑机器人运行安全性要求,引入余弦函数平滑度评价因子,对不同的路径夹角施以不同的惩罚项,以改善路径平滑度。仿真结果验证了改进算法解决路径规划问题的有效性。     

一种室内自主清扫机器人的路径规划算法

为了降低室内自主清扫机器人的成本,同时达到实用性强、可靠性高的要求,使清扫机器人真正走进家庭,提出一种基于红外传感器的清扫路径规划算法。首先,分析目前现有清扫机器人设计的关键技术和存在的问题;给出本文机器人软硬件结构、传感器布置;详细描述清扫路径规划算法,该算法弥补了少量传感器采集环境信息的不足,使机器人有效判断障碍,进行环境识别,很好地适应未知环境,并且提高了清扫效率和面积。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法在移动机器人路径规划中存在的稳定性不足、收敛速度慢、前瞻性差,易过早陷入局部最优等问题,优化改进了传统的蚁群算法.通过改进转移概率来优化转移规则,让蚂蚁可以精准地搜索到下一个最佳栅格位置;采用基于无限步长原理的新启发式信息来扩展视野,提高可见性精度;另外,改进算法还采用了新的信息素更新规则以加快收敛速度,扩...     

轮式移动机器人个体在未知环境中实时免碰路径规划

根据人类在行走过程中避开障碍物及走向目的地的经验,结合机器人自身的结构特点,提出一种轮式移动机器人个体在未知二维环境中实时免碰路径规划方法。仿真实验表明,该算法具有很好的适用性。     

增强蚁群算法在移动机器人路径规划的应用研究

针对蚁群算法在移动机器人路径规划中存在的历史路径不能被充分利用的问题,提出一种具有通信机制的增强型蚁群算法。根据自然界中蚂蚁触手的接触特性,对历史路径进行整合,以获得更优的复合路径。为了进一步改进算法,提出一种放大的轮盘赌方法来加速收敛。设计自适应的Sigmoid衰减函数来优化不同阶段的启发式信息。针对死锁问题的各种类型,制定了具体的优化策略并减少了死锁蚂蚁的数量。最后进行了参数确定和对比实验,在简单环境和复杂环境下,所提算法的整体性能明显提高,实验结果证明了所提方法的有效性。     

基于元胞遗传算法的移动机器人路径规划

在移动机器人路径规划问题中,环境建模约束定义难,遗传算法求解易陷入局部收敛,针对上述问题通过建立栅格坐标、栅格序号和栅格状态三者之间的关系,简化了障碍物约束和有效路径判断,同时引入多样性保持较好的元胞遗传算法,使用定长实数编码对生成的路径进行优化。仿真实验表明,由于算法具备较好的隐性迁移机制,保持了解的多样性,提高了算法收敛效率,使移动机器人路径规划问题得到了有效解决。     

受能量约束的移动机器人最优路径规划

在确保移动机器人持续生存前提下,为了尽量减少机器人的能量消耗,通过定义一些基本运算操作符的运算规则对粒子群算法进行改进,并提出基于动态能量阈值和改进粒子群算法的单机器人多充电站最优路径规划方法,来达到能耗最优。单充电站与多充电站情况下的仿真对比证明:该算法具有很好的寻优能力与收敛效率;在确保移动机器人持续生存的同时,两充电站情况下的能耗比单充电站的能耗平均降低7.03%。因此,在合适的位置增设充电站更有利于降低能耗。     

基于改进蚁群算法的果园移动机器人路径规划研究

蚁群算法作为一种模仿蚂蚁觅食行为的仿生算法,常常被人们优先用于路径规划。但是,普通蚁群算法计算量大,容易出现局部最优化。为了提高最短路径搜索速度,建立了新的基于方向夹角的启发因子,使得蚂蚁优先选择夹角小的节点作为下一移动节点;同时采用了较复杂的对角线距离的倒数作为新的启发式因子,该距离公式无需进行平方根运算,求解简单,再一次提高了搜索效率。实验表明:在同等最短路径的情况下,与原蚁群算法相比,最短路径的搜索效率提升了3倍。满足在复杂果园环境下移动机器人的实时路径规划需求。     

兼顾路径长度和充电站位置的移动机器人路径规划北大核心

针对移动机器人的路径规划问题,提出基于任务点全覆盖的能效路径规划算法(full coverage of mission location-based energy efficiency path planning,FCPP)。该算法兼顾了移动机器人的路径长度和续航距离。FCPP算法先依据任务点所在的位置,利用区域覆盖算法构建移动机器人的服务点,并确保每个任务点均被覆盖;再依据这些服务点和移动机器人的始点位置,并利用Christofides算法优化移动机器人的路径,缩短完成任务时间;考虑到移动机器人的充电问题,区域内部署了多个充电站。为了避免移动机器人的电量耗尽现象出现,构建能效路径,使每条路径中任意两个连续服务点间距离不超过移动机器人的续航距离;仿真结果表明,执行1000个任务点时,FCPP算法只需5.33 s,有效地提升了执行任务的效率。