基于蚁群算法的物资运送小车路径规划研究

针对路径规划蚁群算法的盲目性、收敛速度慢、路径较长和路径折点多等问题,提出了一种改进蚁群路径规划算法。首先通过改进启发信息的数学模型,限制轮盘赌在8个方向的选择概率,降低迭代次数;然后建立自适应更新影响因子,通过实时监测目标点位置,进一步提高路径的选择方式和算法的鲁棒性;最后通过路径二次寻优,对改进蚁群路径规划算法形成的最优路径进一步消除冗余节点,在已知最优路径进一步寻优,从而提高路径平滑度、减少路径折点,以及缩短路径长度,提高物资运送小车的使用效率。通过栅格环境地图中障碍物不同占比的仿真试验,验证了所提出的改进蚁群算法的迭代速率更快、寻优能力更强、鲁棒性更好和路径更短。     

求解多车场累积时间车辆路径问题的Memetic算法

在应急救援车辆路径优化问题中,为了及时救援,缩短所有受灾点的总等待时间,提出了多车辆车场累积时间车辆路径问题。它是多个车场通过多个运输车队,使所有受灾点等待时间总和最短的运输问题。针对该NP难问题提出了一种Memetic算法求解。先用改进的最优切割算法MDVRP-Split将受灾点分配至各车场,通过选择、交叉及局部搜索得到最优路径。标准算例的测试结果表明,提出的算法注重了求解质量与求解效率的平衡。     

基于改进 A * 算法的四向穿梭车路径规划

针对传统四向穿梭车系统路径规划易出现路径交叉死锁问题,提出一种改进 A * 算法的路径规划算法。参考多辆穿梭车路径的路径交叉长度、路径冲突车辆总数对路径搜索的影响,使得多辆穿梭车路径分布均匀,减少车辆路径的点边冲突,降低实时路径检测中避让策略的复杂度,提高系统的稳定性与效率。栅格地图环境中,将该算法应用于复杂环境中的四向穿梭车路径规划,仿真结果表明,该算法在路径规划中是可行和有效的。     

一种移动机器人的路径规划算法研究

针对移动机器人路径规划过程中存在易陷入局部最优、规划质量差和规划效率低等问题,提出一种结合入侵杂草算法和NURBS算法的混合路径规划方法。首先,根据路径规划要求建立目标函数,并将规划问题转化为函数最小值求解问题。然后,利用目标函数来指导入侵杂草算法寻找安全可行的路径点,接着将NURBS算法作为局部路径优化算子光滑处理路径,缩短路径长度。最后,在仿真环境下进行对比分析。结果表明,该方法相比于传统的入侵杂草算法在路径质量和效率上均有所提高,对实际移动机器人路径规划研究具有较高指导作用。     

机械臂工作路径的改进蚁群-顺序局部搜索规划

为了减少机械臂末端路径长度和关节转动角度之和，提出了改进蚁群-顺序局部搜索的路径规划策略。建立了机械臂路径规划问题模型，对机械臂关节空间节点进行了离散化。使用顺序局部搜索方法确定下一节点待选集合，依据蚁群算法原理确定优化意义下的下一路径节点。考虑到传统蚁群算法收敛慢、求解质量不高的问题，构造了局部信息素随蚂蚁聚集度自适应更新方法，进而提出了局部信息素自适应蚁群算法。经实验验证，在无障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了15.27%，关节转角和减少了0.78%。在障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了3.26%，关节转角和减少了2.21%。在实物机械臂上进行验证，实验结果与仿真结果一致，验证了这里提出的路径规划方法的有效性。     

用于无人车路径规划的改进A*算法

针对传统A*算法规划的路径存在路径长度较长、拐点数量较多和转折角度较大等问题,提出了一种用于无人车路径规划的改进A*算法.首先在传统A*算法的基础上考虑转弯成本并融入预判断规划策略,规划出一条初步路径;然后采用冗余拐点剔除策略优化初步路径,获得一种更优的无人车行驶路径.对传统A*算法、考虑转弯成本并融入预判断规划策略的A*算法和改进A*算法进行仿真对比.结果 表明:改进A*算法规划出的路径长度更短,拐点数量更少,转折角度更小,路径更加平滑.     

矿井救援机器人的B样条-APF-BRRT路径规划方法

针对矿井非结构化、形状狭长的地形结构以及传统BRRT算法规划路径曲折、转折点较多等路径质量较差问题，提出一种基于B样条-APF-BRRT算法的矿井救援机器人路径规划方法。首先根据BRRT路径中产生的目标点和矿井环境中障碍物信息，引入APF目标引力的思想，构建人工势场；然后利用Douglas-Peuker算法进行分线段处理，重新提取关键节点；最后使用B样条函数进行光滑拟合获得路径，减少了APF-BRRT算法所得路径的转折点和长度。对B样条-APF-BRRT算法进行实验，结果表明改进算法所获路径转折点和长度都明显优于BRRT算法，在矿井狭窄巷道中，相对于BRRT算法，B样条-APF-BRRT方法产生的路径更加平滑，转折次数减少到9次，路径长度减少了7.73%。     

基于多线激光雷达的无人车路径规划算法

针对在非结构路面条件下无人车路径规划存在建模难度大,计算量较大,算法运行的实时性较差等问题,提出一种基于多线激光雷达的无人车路径规划算法。对原始点云数据进行预处理,减少需要处理的点云数量,降低程序运行复杂度;将三维点云降维形成较低分辨率的二维栅格地图,降低路径规划程序的计算量;基于构建的局部栅格地图,使用改进的人工势场法完成路径规划。算法已在无人车上应用,实验证明了该方法的有效性和可行性。     

基于改进快速搜索随机树法的机械手路径优化

针对多关节机械手路径优化问题,提出一种改进快速搜索随机树(Rapidly-exploring randomtrees,RRT)优化算法.利用标准RRT算法规划初始可行路径,根据路径长度与路径安全性计算出该路径代价.在后期搜索树生长过程中,中间目标点并非随机采样,而是选择能使当前路径代价低于其之前路径代价的节点,同时对该节点进行距离检测,避免产生过于密集的节点集.为加快搜索树向未知区域的扩充速度,从最近节点向中间目标点扩充过程中,采用一种贪婪启发式扩充算法:节点以一定步长循环扩充,直至扩充到达目标节点或产生不连通节点.最后对6自由度检修机械手进行路径规划仿真试验,结果表明相对于标准RRT算法,规划路径的质量得到大幅提高.     

复杂环境下无人机全覆盖三维路径规划算法EI北大核心

针对复杂实际环境下无人机进行快速三维全覆盖路径规划的问题,提出了无人机全覆盖三维路径规划算法。首先,二维全覆盖路径规划由全局运动策略、局部运动策略和摆脱死区策略组成,在全局运动策略中改进标记函数和提出次层起点动态搜寻策略,摆脱死区策略由A^(*)算法和改进环形搜索算法构成;三维全覆盖路径规划由分层规划策略、地图重构策略和层间连接策略组成,分层规划策略将三维分为不同间隔高度的二维环境,地图重构策略对二维进行动态地图构建,层间连接策略由头一层的遍历终点确定下一层的遍历起点。仿真结果表明:所提算法在二维全覆盖路径规划时,相较于传统的单环搜索方式摆脱死区策略,路径长度缩短2.7%,路径重复率减小3%;相较于无局部运动策略,路径长度缩短14.2%,总死点数目和路径重复率降低32.9%和4.4%,且运行时间减少6.7 s;在三维全覆盖路径规划时,相较于无地图重构策略,路径长度缩短27.33%,死点数目减少16.82%,运行时间减少70.8 s,路径重复率减小7%;最后进行参数分析,得出本算法性能最优时参数取值。综上,该算法能够适应复杂环境,且能有效降低死点数目和路径重复率,快速规划全覆盖路径,具有较好的鲁棒性。     

A 3D collision avoidance strategy for UAV with physical constraints

The main goal of this research effort is to find a flyable collision-free path for an unmanned aerial vehicle (UAV) in a dynamic environment. Given that the UAV path planning needs to adapt in near real-time to the dynamic nature of the operational scenario, and to react rapidly to updates in the situational awareness, a modified artificial potential field (MAPF) approach is utilized to provide collision avoidance in view of pop-up threats and a random set of moving obstacles. To ensure a practically reachable trajectory, this paper proposes a constraint reference frame to develop MAPF so that the decomposed forces from MAPF can be matched with the physical constraints of the UAV for online adjustment. Simulations and experimental results provide promising validation in terms of the efficiency and scalability of the proposed approach.     

基于混沌理论的无人驾驶车辆行驶轨迹量化分析

针对无人驾驶车辆客观量化评价困难的问题,提出基于混沌理论的无人驾驶车辆行驶轨迹的量化分析方法。应用五次多项式方法结合优秀驾驶员驾驶车辆行驶的初始状态和目标状态设计无人驾驶车辆的理想轨迹,计算实际行驶轨迹与理想轨迹的偏差得到偏差时间数据序列;采用混沌理论的C-C方法对偏差时间数据序列重构相空间;计算偏差时间数据序列的Lyapunov指数,实现无人驾驶车辆行驶轨迹的量化表示。运用提出的方法对无人驾驶车辆避障换道的行驶轨迹偏差时间数据序列进行相空间重构,计算其Lyapunov指数为正值,表征人驾驶车辆系统的混沌性,还表征人驾驶车辆收敛到稳态响应的快慢程度。试验表明基于混沌理论的无人驾驶车辆行驶轨迹的量化分析是可行的,有效的。     

多尺度互交叉注意力改进的单无人机对地伪装目标检测定位方法

为了提升无人机对地伪装目标探测能力,本文提出了多尺度互交叉注意力改进的单机对地目标检测定位方法。 首先, 设计了一种多尺度互交叉注意力模块,在原始多尺度金字塔基础上,进行互交叉注意力增强,提升对伪装目标的边界区分能力; 其次,搭建了开源无人机目标检测定位系统,通过融合无人机载定位模块、惯导传感器和光电吊舱等数据,在获取目标图像位置 后对其空间位置进行解算;最后,自行构建了丛林伪装数据集进行了相关实验验证。 实验结果表明,该方法在典型伪装场景下 对地目标平均检测精度(mAP)为 70. 2% ,相较于改进前提升 5. 7% ,且能有效输出目标与无人机(UAV)的方位距离,算法平均 运行效率可达 29. 4 fps,满足 UAV 对地目标检测定位的实时性需求。     

基于人工蜂群-自适应遗传算法的仓储机器人路径规划

为了规划出一条更加节能的拣选路径,针对基本遗传算法的性能依赖于初始种群的质量、遗传算子的选择、交叉和变异操作,提出一种适用于仓储机器人路径规划的人工蜂群-自适应遗传算法。首先通过人工蜂群算法初始化种群以增强种群多样性;将路径长度、转弯次数和机器人运行能耗作为适应度函数的评价指标;然后基于三角函数设计自适应策略调整的交叉、变异算子以提高算法的收敛速度。仿真实验表明,在20×20大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少5.22%;而在40×40大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少9.08%。最后实验表明,采用本文提出的人工蜂群-自适应遗传算法规划的能耗减少7.64%,且规划的路径更平滑,更加适用于仓储机器人的路径规划。     

Drone Searches for Objects on the Ground: An Entropy-Based Approach

Russian Engineering Research - The secondary search for small objects on the ground by a group of unmanned aerial vehicles (UAVs) is considered. The drone path is planned by optimizing the...     

基于遗传优化的无人车横向模糊控制

以视觉导航式无人车DLUIV-1为控制对象,对其进行横向运动控制研究。建立视觉导航式无人车横向运动控制系统模型,对无人车的横向运动行为进行描述。在此基础上,分析预瞄距离对横向控制系统动态性能的影响,并建立考虑速度因素的预瞄距离计算公式。针对无人车具有非完整运动约束、高度非线性动态特性以及参数的不确定性等特点,提出基于遗传算法的无人车横向模糊控制策略,通过遗传算法对横向模糊控制器的隶属度函数参数和控制规则的自动优化,从而有效地确定出横向模糊控制器的隶属度函数和控制规则。最后通过仿真和实车试验对该横向模糊控制器进行验证和评价,仿真和试验结果表明,该横向控制器可保证无人车稳定准确地跟踪参考路径,且具有较强的鲁棒性。     

Cooperative path planning of multiple autonomous underwater vehicles operating in dynamic ocean environment

This paper presents a two-stage cooperative path planner for multiple autonomous underwater vehicles operating in dynamic environment. In case of static environment, global Legendre pseudospectral method is employed for collision-free paths of vehicles for the purpose of minimum time consumption and simultaneous arrival. Moreover, in order to keep the multiple autonomous underwater vehicles safe from collisions on the path segments connecting two adjacent control nodes, an adaptive intermediate knots insertion algorithm is introduced. In the on-line planning stage, the local re-planning strategy aims at avoiding collisions with unexpected dynamic obstacles by two consecutive avoidance maneuvers, and the differential flatness property of autonomous underwater vehicle is utilized, which can help the vehicles react fast enough to avoid moving obstacles.     

基于椭圆碰撞锥的无人艇海洋动态避障控制方法

为了提高无人艇在海洋动态避障中的效率,提出一种基于椭圆聚类-碰撞锥推演的可预测型无人艇海洋动态避障控制方法。在现有的路径规划算法,大多数对障碍物进行圆形建模,进一步采取规避措施。依据无人艇在海洋环境下实际的碰撞问题,提出对动态船只进行椭圆聚类,进一步提高无人艇的避障效率。提出的避障算法结合了《国际海上避碰规则》(COLREGS),并在避障结束后回归到初始规划轨迹上,最后,对提出的动态避障算法进行了仿真分析和实验测试。     

复杂低空环境下考虑区域风险评估的无人机航路规划

为解决无人机在复杂低空环境内运行安全性较低的现状,提出了考虑区域风险评估的无人机航路规划方法,可快速生成运行风险较低的航路。首先,对复杂低空环境进行模型简化和风险评估,得到低空三维风险图;再将路径风险值作为综合代价,利用改进蚁群算法对空间三维航路进行规划,有效降低了生成路径的冗余度;最后,用3次B样条对规划出的离散路径进行平滑处理,生成曲率与俯仰角连续的可飞路径。仿真与实验结果表明:本文提出的算法生成的路径能够以较小的路径代价,换取一条风险值较低的路径,同时路径冗余度较低,曲率与俯仰角连续变化,是满足无人机性能约束的可飞路径。