基于生物启发模型的AUV三维自主路径规划与安全避障算法

针对自治水下机器人(AUV)的路径规划问题,在三维栅格地图的基础上,给出一种基于生物启发模型的三维路径规划和安全避障算法. 首先建立三维生物启发神经网络模型,利用此模型表示AUV的三维工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;然后,根据神经网络中神经元的活性输出值分布情况自主规划AUV的运动路径.静态环境与动态环境下仿真实验结果表明了生物启发模型在AUV三维水下环境中路径规划和安全避障上的有效性.     

自治水下机器人的自主启发式生物启发神经网络路径规划算法

针对复杂海流环境下自治水下机器人(autonomous underwater vehicle, AUV)的路径规划问题,本文在栅格地图的基础上给出了一种基于离散的生物启发神经网络(Glasius bio-inspired neural networks, GBNN)模型的新型自主启发式路径规划和安全避障算法,并考虑海流对路径规划的影响.首先建立GBNN模型,利用此模型表示AUV的工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;其次,根据神经网络中神经元的活性输出值分布情况并结合方向信度算法实现自主规划AUV的运动路径;最后根据矢量合成算法确定AUV实际的航行方向.障碍物环境和海流环境下仿真实验结果表明了生物启发模型在AUV水下环境中路径规划的有效性.     

基于三维环境模型的启发式路径规划算法

针对多自由度机器人手臂在未知环境中实时避障的问题,提出了一种基于环境信息的连杆机器人实时路径规划方法。采用笛卡尔空间内的障碍物检测信息建立了障碍物的空间模型,并依据该模型设计一种基于启发式规则的机器人路径规划算法。该算法不断猜测和修正路径,通过模糊推理得到下一位姿点,通过曲线拟合得到到达该位姿点的路径。在Matlab下利用机器人工具箱建立了PUMA560型机器人的运动学模型,并在运动空间设置障碍物,对该算法进行仿真分析,分析结果说明所提出的路径规划算法可以在较短时间内完成避障运动,具有较好的实时性,同时运动关节的角度变化曲线比较平滑,运动中冲击力较小,这些特点使其便于在实际工程中使用。     

多启发因素改进蚁群算法的路径规划

移动机器人的路径规划不仅要求路径路程短,还要避免路径转弯过多,颠簸程度严重,环境适应性差等问题,为此提出基于路径长度,转弯次数及坡度平滑性三种因素共同影响的改进启发函数,综合计算转移概率;同时改进信息素更新方式,根据三因素综合指标分配各路径上的信息素量,指导蚂蚁向综合性能最好的路径靠近。并提出一种非均匀初始信息素方法,防止过多蚂蚁走入死路。结合改进的地图建模障碍机制,提高路径的安全性。仿真及实验结果表明,改进算法得到的规划路径在三因素综合性能上具有较大提高,且具有较好的全局搜索能力及收敛性,适当调整参数还能得到某一特性表现突出的路径,且迭代次数和计算时间均表现较优。     

基于多AUV间任务协作的水下多目标探测路径规划

利用自主式水下航行器(Autonomous Underwater Vehicle,AUV)对水下多目标进行协同探测是目前海洋技术领域的研究热点.主要研究在水下三维区间内的多AUV任务分配与协作探测路径规划机制,建立了以每个AUV能量耗费与能耗均衡为约束条件的水下三维空间中的多旅行商MTSP(Multiple Traveling Salesman Problem)问题模型,利用遗传算法GA(Genetic Algorithm)对该NP-Complete问题进行启发式求解,同时设计了考虑巡航总路径及访问目标数的适应度函数以提高多AUV间的能耗均衡性,实现多个AUV对多个水下目标的优化协同探测.最后本文利用MATLAB R2014a软件对多AUV任务协作与多目标探测路径规划机制进行了仿真,仿真结果验证了本文方法能均衡多AUV多目标探测问题的能量消耗,进而提高巡航速度和生命周期.     

多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.     

改进布谷鸟搜索算法在多机器人任务分配及路径规划中的应用

针对多机器人任务分配及路径规划问题,提出一种改进布谷鸟搜索算法求解多机器人任务分配及路径规划方法.根据任务点的环境信息和在其中寻找最佳机器人位置建立数学模型,并使用改进布谷鸟搜索算法求解任务分配及路径规划.改进的策略中融合了遗传算子、2-opt、模拟退火算法的Metropolis准则和插入、交换、逆序方法.不同规模的仿...     

基于信息启发的目标导向Bi-RRT机器人路径规划

针对双向快速搜索随机树(Bi-RRT)算法节点扩展的随机性和盲目性导致路径规划效率低、路径粗糙的问题,提出一种基于信息启发的目标导向Bi-RRT算法。首先,为降低节点扩展的随机性和盲目性,优化了树节点的扩展方式,采用回归分析生成的节点信息优化扩展节点评价函数,以强化节点生长的目标趋向性,并由节点与环境代价约束扩展方向。然后,采用分支定界思想剔除初始路径中的冗余节点,得到满足最大转向角约束的路径,并运用B样条曲线进行路径平滑,提高路径的平滑性和连续性。最后,基于MATLAB仿真平台对本文算法和经典路径规划算法在不同环境中进行了实验对比,实验结果验证了本文算法的有效性及可执行性。     

基于改进蚁群算法的多目标路径规划研究

传统蚁群算法因在复杂环境中容易产生死锁,导致部分蚂蚁失效,造成效率低下,迭代次数增多。为此,提出了一种利用环境信息引入环境因子来调整启发函数的方法从而降低死锁情况的发生,增加了有效蚂蚁的数量,从整体上提高了蚁群的搜索速度,扩大了搜索范围。同时,传统蚁群算法在路径规划中仅在理想地域内寻求最短路径,而多因素环境中最短路径往往并非最优解。为解决此问题通过在不同环境中对转移概率进行加权优化在追求路径最短的基础上提出多目标路径规划,丰富了蚁群算法的实用性和现实意义。最后经仿真实验对优化算法进行验证,证明了上述优化的可行性。     

基于边缘节点的深度神经网络任务分配方法

随着边缘计算的发展,边缘节点的计算规模不断增加,现有的边缘设备难以搭载深度神经网络模型,网络通信与云端服务器承受着巨大压力。为解决上述问题,通过对Roofline模型进行改进,借助新模型对边缘设备的性能与网络环境进行动态评估。根据评估指标,对神经网络模型进行分离式拆分,部分计算任务分配给边缘节点完成,云端服务器结合节点返回数据完成其它任务。该方法基于节点自身性能与网络环境,进行动态任务分配,具有一定兼容性与鲁棒性。实验结果表明,基于边缘节点的深度神经网络任务分配方法可在不同环境中利用设备的闲置性能,大幅度降低中心服务器的计算负载。     

基于神经网络的改进行为协调控制及其在智能轮椅路径规划中的应用

针对传统的基于行为的智能轮椅的路径规划方法在室外非结构环境下的路径规划效果差的问题,提出一种新的智能轮椅的路径规划算法.该算法利用模糊逻辑设计了基本控制行为,并在此基础上结合大量实际经验使用神经网络设计了行为协调控制器.改进的算法将仲裁机制和命令融合机制2种行为协调方法有效结合起来,并吸收了这2种行为协调方法的优点,从而改善了系统的反应速度,极大提高了控制精确;另一方面,该算法还可以识别陷阱区域并通过自主改变行为的权重方法控制轮椅逃出陷阱区域,因而具备了较强的人工智能特征.仿真和实物实验验证了该算法智能性高且实现简单,适用于室外非结构化环境下的机器人路径规划.     

A heuristic approach to robot path planning based on task requirements using a genetic algorithm

In order to enhance integration between CAD and robots, wer propose a scheme to plan kinematically feasible paths in the presence of obstacles based on task requirements. Thus, the feasibility of a planned path from a CAD system is assured before the path is sent for execution. The proposed scheme uses a heuristic approach to deal with a rather complex search space, involving high-dimensional C-space obstacles and task requirements specified in Cartesian space. When the robot is trapped by the local minimum in the potential field related to the heuristic, a genetic algorithm is then used to find a proper intermediate location that will guide it to escape out of the local minimum. For demonstration, simulations based on using a PUMA-typed robot manipulator to perform different tasks in the presence of obstacles were conducted. The proposed scheme can also be used for mobile robot planning. The paper falls into Category (5). Please address correspondence to the second author. This work was supported in part by the National Science Council, Taiwan, R.O.C., under grant NSC 82-0422-E-009-403.     

改进蚁群和鸽群算法的机器人路径规划

针对复杂环境下移动机器人路径规划中存在的迭代速度慢和路径欠优等问题,提出将全局与局部规划算法相结合的路径规划方法。首先,利用同步双向A^*算法对蚁群算法的信息素进行优化,并对蚁群算法的转移概率和信息素更新机制进行改进,从而使算法的全局寻优速度更快,缩短移动机器人的路径长度;进一步地,将静态路径用于鸽群算法的初始化;然后,利用改进的鸽群算法对移动机器人进行了局部路径规划,通过引入模拟退火准则的方法解决局部最优问题,利用对数S型传递函数对鸽群数量的步长进行优化,从而能更好地避免与动态障碍物的碰撞。最后,利用B样条曲线对路径进行平滑化和重规划。仿真结果表明,该方法在全局静态和局部动态阶段均能生成路径长度短、评价值低的平滑路径,且收敛速度快,适合移动机器人在动态复杂环境中的穿行。     

动态环境下基于蚁群算法的实时路径规划方法*

提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型;然后采用改进的蚁群系统算法快速地搜索出局部最优路径,并在此路径的引导下,结合机器人滚动规划方法,实现移动机器人在复杂动态环境下的实时路径规划。该方法不仅能克服传感器测量误差等引起环境信息的模糊性和不确定性的影响,还可以充分发挥蚁群算法的群体智能优势来保证系统规划的实时性。仿真结果表明该算法的有效性和可行性。     

Cooperative path planning with priority target assignment and collision avoidance guidance for rescue unmanned surface vehicles in a complex ocean environment

In this paper, a novel cooperative path planning scheme of unmanned surface vehicles (USVs) for rescuing targets in a complex ocean environment is proposed. The primary objective of the rescue USVs is to bring all targets back safely on the premise of first rescuing priority targets, while optimizing the path length, the navigation time and the angular energy. The main contributions of this paper are as follows: (1) The proposed K-means-division (KMD) algorithm is able to identify a complex ocean environment with collision-free zone and static-obstacles zone; (2) The proposed path planning method with fast-marching-method-based ellipse guidance range (E-FMM) is able to optimize the angular energy while ensuring safety; (3) The proposed cooperative management system (including priority-target-assignment (PTA) with reward-mechanism genetic-optimization (RM-GO) and collision-avoidance (CA) guidance law with Tangent-based surge-varying wave-disturbances-observer (Tangent-SV-WDO)) can accomplish the mission of the rescue USVs. Comparative studies with the state-of-the-art methods demonstrate that the proposed cooperative path planning scheme is superior in terms of priority-target-assignment (PTA) and collision-avoidance (CA) of the actual rescue work.     

基于神经网络的坦克机动任务规划

在未来高技术局部战争务件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行任务规划。以单辆坦克在陆地上的自主机动为背景,提出了一种基于神经网络的坦克机动任务规划方法。在机动任务规划的实施方面,重点描述了两个基本方面：坦克机动环境的评估及坦克机动任务规划的自主实现。以神经网络方法为基础,提出了实现坦克自主机动的基本思路,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动任务的规划提供了新思路。神经网络方法具有普遍意义,能推广应用于坦克其它方面的任务规划。