动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.     

避障机器人路径规划算法的研究

结合移动机器人的实际应用场景,针对常规算法规划出的路径存在折点多、转弯角度过大、与障碍物距离较小、搜索的路径较长等问题,对在栅格地图下混合全局路径规划与局部路径规划算法进行了研究,采用人工势场算法与蚁群算法混合,为移动机器人规划出全局最优路径,同时实时躲避局部障碍物。经过仿真测试,移动机器人可以根据全局路径规划的路径得到最优的整体路径,通过局部路径规划算法避开局部区域的障碍物,使移动机器人能够从起点平稳无碰撞地行驶至目标点。     

未知环境下机器人路径规划算法

提出一种基于最短切线的二次路径规划方法,该方法能根据机器人的位置和朝向更新环境信息,对路径进行重新规划,从而找到未知环境下机器人的规划路径。该方法拓宽了原方法的适用范围,提高了机器人的智能水平和路径规划能力。     

复杂环境下的WCDMA网络精确规划探讨

WCDMA无线网络规划一般可分为覆盖规划、容量规划、码片和频率规划、无线资源规划、邻区规划、功率规划等，其中覆盖规划和容量规划是核心内容。     

基于机器学习的电力巡检机器人避障路径规划

目前研究的电力巡检机器人避障路径规划方法存在避障能力较差、巡检效果不佳的问题,因此提出基于机器学习的电力巡检机器人避障路径的规划方法.利用运动关系以及机器人运动势场定理完成电力巡检机器人路线三维模型的建立,确定机器人在获取行动任务时路线的方向,通过模糊支持向量算法对初始化的行走路径进行避障路径规划,使巡检机器人具有智能...     

足球机器人路径规划研究

简述了机器人足球的发展历史，重点介绍了足球机器人路径规划的方法，对各种方法的优缺点进行了比较。     

基于多种群遗传算法的多机器人路径规划

本文针对遗传算法在解决多机器人路径规划问题上存在的缺点,采用了一种基于多种群遗传算法的路径规划方法。将遗传算法并行应用于数个相对独立的子种群,并在路径规划过程中引入移民算子和人工选择算子。将多机器人路径规划问题简化为带制约条件限制的多背包问题和旅行商问题,并建立相对应的路径规划数学模型。由两种算法在MATLAB中仿真实验结果的对比分析可知,多种群遗传算法规划的路径在稳定性、收敛速度以及长度方面上具有优势。     

面向复杂障碍环境的多机协同侦察任务规划

针对复杂障碍环境下的多机协同侦察任务规划问题开展研究.首先,针对不同侦察任务需求,构建传感器探测、有效持续侦察时间、复杂多边形障碍等数学模型;随后,综合考虑持续侦察时间和障碍规避约束,提出了一种面向复杂障碍环境的多机协同侦察规划分层求解方法,通过分层细化有效降低多机协同侦察问题的求解复杂度;最后,考虑无人机运动学约束,...     

基于栅格法的机器人快速路径规划

在栅格法表示的机器人路径规划问题研究中,定义出路径记忆量、路径方位的重要性等概念,通过可行路径中两两结点之间关联程度的改变,按照比例选择概率确定下一结点,由此得到一条新的可行路径.路径和关联程度之间形成一种正反馈机制,二者相互激励,从而简化了路径搜索方法,提高了路径搜索的效率.仿真研究表明,该算法能有效地提高路径搜索的效率.     

仓储物流机器人集群避障及协同路径规划方法

基于智能机器人的智能仓储系统为解决因电子商务兴起带来的仓储物流压力提供了有效的方案。而机器人集群的避障及路径规划问题是智能仓储系统能否正常运行以及提升其运行效率的关键所在。该文创新地提出一种在交通规则和预约表约束下的基于改进Q-Learning算法的仓储物流机器人集群避障及协同路径规划方法。通过改进的Q-Learning算法规划出每个机器人完成任务目标的最短路径并形成预约表,利用交通规则和预约表解决仓储物流机器人集群在运行时发生的碰撞和死锁问题,并根据所设定的协同机制,减少机器人无任务的待机状态,平衡各机器人之间的工作量,最终实现在保证系统安全运行的基础上缩短系统运行时间的目的。通过Matlab对该文所设计的算法进行仿真,以系统无碰撞完成所有任务的运行总时间即系统中最后一个完成任务的机器人无碰撞运行的总步数为评价指标,验证了该方法的有效性。     

一种改进RRT的多机器人编队路径规划算法

多机器人路径规划是机器人领域的一个热点问题,相比于单机器人路径规划,其算法难度和复杂度都有所增加,在规划时需要兼顾多机避障、相互协作等难点问题.本文提出一种改进快速扩展随机树的多机器人编队路径规划算法,用于解决多机器人在复杂环境下的编队路径规划问题.针对多机器人在编队规划中的位置约束问题,定义机器人之间的领航-跟随结构,并对机器人队形建模.针对规划过程中编队朝向变化问题,建立搜索树扩展方向与队形方向之间的联系,通过调整队形方向改变规划时的编队朝向.针对具有质点模型和非完整约束动力学模型两种不同模型的多机器人系统,分别进行了仿真实验.仿真结果表明该算法在处理多机器人编队路径规划问题时可以取得良好的效果.     

基于混合智能算法的机器人避障路径规划研究

为提高智能机器人在市场内的使用率,优化机器人的使用性能,开展基于混合智能算法的机器人避障路径规划方法的设计。结合动力学扰动行为的分析,获取机器人不同关节有效运动参数,通过对不同运动姿态的有效融合,建立机器人障碍规划运动学模型;基于栅格法,对障碍物环境进行网格划分,基于蚁群算法,定位机器人避障最优参数,以此实现对避障路径规划中参数的设定;利用OAO的局部定位与全局检索能力,构建一个环境障碍物随机树,将其与蒙特卡洛算法进行融合,进行机器人规划初步行进路径的设计。实验结果证明,设计的路径规划方法,在实际应用中,可以起到缩短并优化避障路径的作用,以此种方式,提高机器人行进的速度与效率。     

不确定环境下多无人机协同搜索算法研究

不确定环境下多无人机协同搜索是多无人机协同控制的一个重要研究内容。多架无人机同时对一个不确定区域进行搜索,目的在于获取搜索区域的信息,降低环境的不确定度,并尽可能发现隐藏在环境中的目标。针对这一问题,提出一种基于协同进化算法的多无人机协同区域搜索算法。首先,建立搜索概率图来描述搜索环境的不确定性,并使用贝叶斯准则更新搜索概率图,然后,使用协同进化算法,在线生成多UAV协同搜索的路径。仿真结果验证了算法的有效性。     

复杂环境下无人机配送路径优化

针对偏远地区无人机配送时效差以及配送环境复杂的问题,构建了复杂环境下无人机配送路径优化模型。模型以配送时间最短为目标,不仅考虑了无人机的续航能力、载重能力、载重变化对路径选择的影响,而且还将影响配送时间的环境因素（如风速、风向）考虑在内。为了验证模型的有效性,以湖北某乡村为例设计案例,通过蚁群算法对模型进行求解,并对风速、风向的交互作用进行了情景分析。实验结果表明,在无人机的飞行极限范围内,风速越大对无人机飞行的影响越大,配送时间整体呈现增加的趋势;当风速增加到一定程度时,风向角度变化会对无人机飞行时间产生较大影响。该研究可为复杂环境下无人机物流配送提供理论依据,进而为无人机路径规划研究提供有力支持和参考依据。     

巷战环境中军用机器人路径规划技术研究

从观测角度安全性及协同侦查任务的特点出发,作战环境对执行侦察任务的地面移动机器人提出了将作战任务与路径规划相结合的路径规划要求。针对这一需求,提出了VSS(Vir-tual Semi-Siege)对机器人进行路径规划;然后,克服了NOD(No Obstacle Drawing)在优化全局路径的过程中暴露的缺陷,并进行数字仿真验证。仿真结果表明,提出的方法合理、有效。     

基于遗传算法的足球机器人路径规划

足球机器人系统是一个智能型系统,并且处于一个具有实时对抗性的动态的复杂环境系统中。路径规划层是机器人决策系统的核心之一。本文研究了足球机器人系统的运动学原理,讨论了遗传算法在足球机器人路径规划中的应用,使机器人能避开障碍物从给定点到目标点找到一条比较短的路径,进行仿真实验,比较了不同遗传代数对路径规划的影响。     

未知环境下多机器人协作追捕算法

 研究了在未知环境下一种多机器人协作追捕多个移动目标方法,将追捕过程分为环境地图创建、构建追捕团队,及团队成员协作快速捕获目标三部分.设计抽象传感器模型用于追捕者探索障碍物.综合考虑与捕获目标相关的各种因素建立属性关系样本数据集,提出了利用关联规则数据挖掘技术构建追捕团队的方法.通过对追捕目标位置预测,将追捕问题类比为多机器人协作路径规划问题,在环境地图基础上求解追捕团队到达目标位置的最优路径.仿真结果表明,多机器人能够高效地协作捕获移动目标,证明了所提方法在复杂动态环境下实现的可行性及有效性.     

基于全区域覆盖的清洁机器人路径规划

以清洁机器人的规划为研究对象,通过对清洁机器人的运动过程进行建模分析,提出了现行采用的路径记忆的规划方案和基于动态地图建立的路径规划方案,通过多方案的实验与研究,尽可能实现让清洁机器人的运行轨迹布满整片区域,同时能够避开障碍,减少运动轨迹的重复率,从而实现较为高效简洁的路径规划。     

考虑战场环境约束的多导弹协同任务规划

多导弹协同任务规划是一个多约束、强耦合的复杂多目标优化与决策问题,能有效提高作战效能。研究了具有不同探测距离和威胁度的禁/避飞区、威胁区等战场环境下的多导弹协同航迹规划和目标分配问题。首先建立了具有战场环境约束的Voronoi图,并结合改进的Dijkstra算法取得了代价最小的航迹;进一步采用基于视线的航迹缩短算法和航迹平滑算法对初始航迹进行动态优化处理,产生了既节省燃料又满足导弹机动性能的可飞行轨迹;最后采用基于MMKP(Multi-dimensional,Multi-choice Knapsack Problem)的协同目标分配算法实现了多导弹协同攻击多目标,并且获得了综合代价最小的多导弹协同航迹。仿真结果证明了方法的有效性。该方法具有很高的应用价值,可实际应用在巡航导弹、无人机等无人飞行器的协同控制方面。     

基于动态障碍物的机器人避障路径规划方法

针对传统机器人路径规划只适用于障碍位置固定的环境中,无法避开动态障碍物的问题,提出一种融合动态障碍物信息的机器人避障路径规划方法.对传统动态窗口法(Dynamic Window Approach,DWA)进行改进,融合动态障碍物信息与机器人运动学分析,来解决机器人在动态环境下的避障问题,并与改进的A*算法融合,来保障机器人路径规划的全局最优性.实验结果证明,所提出的方法在动态环境下适应度高、安全性强,具有一定的应用价值.