改进A*算法的AGV避障路径规划研究

针对传统A*算法在复杂栅格地图规划的路径不平滑存在多余转折点和多余共线节点，使用传统八叉树搜索策略时，AGV易发生碰撞障碍物现象，在复杂环境中随机出现在全局路径上的障碍物无法实现动态避障等问题，提出一种改进A*算法。由于传统A*算法的搜索效率主要取决于估价函数的设计，因此引入启发式函数的权重系数提高A*算法的搜索效率；设置障碍物安全距离，为判断障碍物区域内当前障碍物是否影响AGV通行提供参考，再次改进原有八叉树搜索策略提升避障性能，然后对得到的无碰撞路径进行路径优化处理，保留关键转折点；最后实现A*和DWA算法融合，进一步优化路径，并实现全局动态路径规划。实验结果表明：融合算法使得路径更加平滑，提高了算法的避障性能，表明了融合算法在机器人路径规划中的可行性。     

融合改进RRT和动态窗口法的路径规划算法北大核心

针对传统RRT算法在规划中随机性过大,搜索时间过长且不能够实现动态避障等问题,从3个方面进行改进。针对RRT算法搜索树扩展方向过于随机,根据以起始点与目标点为对角线的矩形中的障碍物占比向目标点方向扩展,分别在有障碍物与无障碍物的环境中与传统RRT算法对比,验证改进算法的高效性;对改进算法规划的路径进行关键节点提取,并按照关键节点进行优化;将优化后路径分段使用改进动态窗口法。将融合算法与传统动态窗口法以及RRT算法在路径拐点数量以及路径长度等方面进行比对,结果表明:融合算法具有高效性且在规划的路径中加入临时障碍物时,移动机器人也能很好地避开。     

动态环境下基于IVS算法的多机器人路径规划北大核心

针对动态环境下的多机器人路径规划问题,采用改进虚拟弹簧算法(improved virtual spring algorithm,IVS)解决路径优化过程中局部最小值和障碍物附近目标不可达问题(GNRON)。首先,基于栅格法建立网络交互动态力学模型,描述多机器人系统网络结构;其次,以最优路径和最短时间为目标,基于机器人编队控制,提出IVS算法,同时建立有效的启发式规则,并根据动态障碍物自身的运动属性,重新规划一条障碍物少的路径;最后,采用MATLAB将本文方法与传统虚拟弹簧算法和动态A*算法进行仿真对比分析,验证IVS算法在解决多移动机器人路径规划问题上具有搜索效率高、避障能力强和环境适应性好的优势。     

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类国际测试函数证明了改进算法在收敛精度、稳定性方面更优。将改进算法运用到移动机器人路径规划中,并与粒子群算法、原始灰狼优化算法进行对比,仿真结果验证了该算法的有效性。     

基于ROS与融合算法的AGV路径规划研究北大核心

针对传统A^(*)算法在AGV路径规划中存在搜索范围大、转折多、实时性差等缺点,以A^(*)算法为基础,通过建立栅格地图,改进启发函数,去除多余节点和提高避障安全性。针对AGV在复杂环境下的动态路径规划问题,将改进A^(*)算法与动态窗口算法进行融合,规划出一条具有实时性的最优路径。通过仿真实验,验证了改进算法的有效性与可行性,实现了路径优化。通过机器人操作系统进行实验,结果表明AGV运行时的路径规划合理,满足实际应用需求。     

基于路网的车辆路径规划融合算法究

针对室外区域非结构化道路环境,为了同时解决全局路径规划问题和局部路径规划问题,提出一种基于Floyd算法、A*算法和人工势场法的路径规划融合算法。采用A*算法规划可行路径,基于Floyd全局最优距离和权重数据递归求出最优路径;改进人工势场法,设计分段力场结合自适应角度函数,规划避障路径;基于三次多项式曲线拟合得到满足动力学约束的行车轨迹。采用MATLAB/Simulink进行路径规划仿真,结果表明：路径规划融合算法根据前方检测环境能准确规划出全局绕路轨迹和局部避障轨迹,单次规划时间分别为1.14 ms和45 ms,满足实时性要求。实车实验结果表明仿真结果准确,验证了实路径规划融合算法的有效性和算法的鲁棒性     

复杂动态环境下自主机器人路径规划研究

为了提高复杂动态环境下的机器人路径规划性能,文章提出了全局路径规划和局部路径规划相融合的混合路径规划方法。分析了A*算法原理,提出了加权A*算法,使用权值调节启发信息在评价函数中的作用;改进了人工势场法,解决了传统方法目标不可达和局部极值问题;将加权A*算法的全局路径规划和改进人工势场法的局部路径规划相融合,以全局规划路径的拐点作为局部路径规划的子目标点,提出了混合路径规划方法。经仿真验证,对于固定静态障碍物、临时堆放障碍物、动态障碍物三种情况,混合规划方法都能得到平滑的无碰最优路径。     

考虑可定位性的改进型A*路径规划算法

在路径规划时，为使机器人具有高精度定位能力，应考虑可定位性对规划路径的影响。在经典A*路径规划算法基础上，提出一种改进型A*路径规划方法，在搜索路径过程中考虑可定位性。引入克拉美-罗下界预测任一栅格定位方差的上界，将方差上界转化为定位信息熵描述可定位性。设计全新的代价函数，将可定位性纳入其中以综合评估搜索路径。结果表明：与经典A*算法相比，改进方法所得路径能成功避开可定位性差的区域，使路径规划结果具有更高的实用性。     

基于交通约束及多元启发函数的改进A^*算法

针对多移动机器人的环境下容易出现碰撞的情况以及传统A^*算法规划的路径容易出现拐角数多的问题,基于栅格建模的方法,提出了交通约束法,并且在A^*算法原有启发函数的基础上,添加拐角数的评判指标,构成多元启发函数。在MATLAB仿真平台上对基于交通约束及多元启发函数A^*算法进行仿真实验,结果证明在多AGV系统下,基于交通约束及多元启发函数的A^*算法在规划出合理路径的前提下,减少了拐角数,降低了碰撞几率,提高了移动机器人完成路径的效率,具有较强的稳定性。     

基于双重A~*算法的移动机器人动态环境路径规划

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。     

基于改进蚁群算法的移动机器人路径规划

在考虑传统蚁群算法搜索路径时存在找到收敛速度慢、拐点多且不能动态避障等问题，提出一种基于拉普拉斯分布与动态窗口融合的蚁群算法来解决机器人路径规划。首先，在启发信息中加入当前节点、下一节点以及目标节点信息，并加入动态调节因子，使得启发信息在前期引导性强，信息素在迭代后期引导性强；其次，在蚁群算法信息素更新中引入拉普拉斯分布调节信息素的挥发，加快收敛速度；对蚁群算法得到的路径进行双向冗余节点删除，提高路径平滑度，最后，将改进的蚁群算法与改进动态窗口算法融合，使机器人安全到达终点。仿真表明，在相同地图环境中，蚁群算法与基本蚁群算法相比较路径长度相比减少了26.3%,路径拐点减少了77.7%,更适用于复杂环境。     

融合改进Dijkstra算法和动态窗口法的移动机器人路径规划

为解决移动机器人在智能制造车间的全局路径规划和局部动态避障问题,提出一种融合改进的Dijkstra算法和改进的DWA算法,对传统Dijkstra算法的路径进行平滑优化,使得路径轨迹更加平滑,动态改变DWA算法中速度评价权重函数,提高避障效率。仿真结果表明,改进Dijkstra算法路径平滑优化后,平均路程缩短比例为0.65%,平均偏航角震荡次数减少了67.70%,改进后的DWA算法运行路程缩小9.68%,路径转折次数降低了33%,运行时间缩短3.88%。基于改进的Dijkstra算法和改进的DWA算法提出一种融合算法,仿真和样机实验结果表明：面对静态、动态障碍物,机器人运行线速度平缓,轨迹光滑,角速度波动明显,证明机器人运动稳定,实时调整方位,具有良好的避障能力。并且多次机器人循环定点实验中机器人纵向(X轴方向)平均误差≤30 mm,横向(Y轴)平均误差≤30 mm,定位精度满足工业需求。     

基于改进RRT-Connect的空间操作臂避障路径规划研究

针对传统RRT-Connect算法应用于空间操作臂避障路径规划时,规划路径存在盲目性大、安全性差以及无效路径点多等问题,提出一种改进RRT-Connect算法。该算法结合RRT-Connect算法和Dijkstra算法,首先通过引入双树扩展目标点变更策略、极致贪婪策略以及新的碰撞检测方法提高传统RRT-Connect算法路径搜索效率和安全性;然后利用Dijkstra算法的优化特性去除规划路径中的多余无效节点,达到整体路径规划搜索速度快、路径长度短和安全性高等效果;最后通过MATLAB机器人工具箱进行算法对比仿真实验验证,实验结果表明了该方法的有效性和可行性。     

融合改进RRT和Dijkstra算法的机器人动态路径规划

针对传统RRT算法在规划中随机性过大，节点利用率低且得出的路径并非最优等问题，从3个方面进行改进。首先，针对RRT在随机点采样过程中无方向性的问题，设置目标节点采样率，每次采样时目标点有几率成为采样点，使路径可以快速接近目标点；其次，动态设置步长使机器人能根据周围障碍物数量动态调整步长，减少迭代步数；最后，在得到RRT算法规划出的一条可行路径后，向周围扩展可行区域，将可行区域栅格化，通过Dijkstra算法找出可行区域中的最短路线，优化RRT算法得出的路线。最后将所获得的全局路径分段采用动态窗口算法。将RRT-Dijkstra融合算法与RRT算法、Dijkstra算法以及动态窗口算法在路径拐点数量以及路径长度等方面进行对比。实验表明，RRT-Dijkstra融合算法更高效，得到的路径更优。结合动态窗口算法后且能实现动态避障。     

一种考虑机器人转向离心力的动态窗口算法

在移动机器人的相关技术中,局部路径规划技术是一项关键技术。对于自主配送机器人在配送某些易碎物品或是对运动较为敏感的物品时,为了保证被运输物品的安全性,在路径规划中还要考虑到机器人车体的离心力大小。动态窗口算法是局部路径规划的一种常用算法,针对经典动态窗口算法不能兼顾到机器人在运动过程中的离心力大小,提出了改进的动态窗口算法。在经典动态窗口算法的目标函数中加入离心力的评价项,防止机器人在转向过程中离心力过大导致车体运行不稳定。实验表明:当目标函数中离心力评价项占比更重时,机器人运行的转向半径更大,多数情况下沿直线运行,且在整个导航过程中离心力的最大值更小。     

基于混沌求偶萤火虫算法的移动机器人路径规划

针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明：混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。     

基于改进乌燕鸥算法的移动机器人路径规划

为克服传统智能算法在解决复杂环境下移动机器人路径规划问题中存在的搜索效率慢和寻优精度低等不足,提出改进乌燕鸥优化算法（ISTOA）。以乌燕鸥算法（STOA）为基础,引入Circle混沌映射机制保证初始种群的质量,提升算法初期搜索效率。同时,提出旋转式翻筋斗搜索策略,对算法的扑食位置进行更新,提高了算法的局部寻优能力。在迁徙过程中,混合正弦控制非碰撞因子和自适应Lévy飞行策略平衡了算法的全局搜索和局部搜索。通过3种不同环境下移动机器人路径规划案例验证了改进乌燕鸥优化算法的有效性。结果表明：改进乌燕鸥优化算法可快速且稳定获得全局最优路径,整体寻优能力优于其他算法,有效地解决了移动机器人在复杂环境中的最优路径规划问题。     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

基于改进动态窗口法的移动机器人避障研究

动态窗口法(Dynamic Window Approach, DWA)是一种移动机器人速度采样的局部避障算法,基于DWA算法的移动机器人避障存在时间长以及在密集障碍物区无法选择最佳路径的缺点。基于此,提出一种改进的DWA算法,对移动机器人避障效果进行优化。首先根据单线激光雷达观测到的障碍物的方位信息以及设计的计算准则确定较优方位角范围,然后选取出较优方位角范围内的轨迹,最后对这些轨迹进行评价,确定最优轨迹对应的执行速度。MATLAB仿真结果表明:改进的DWA避障算法不仅能够使机器人以合理的运行轨迹选择较优角度区域通过密集障碍物区,而且在一定程度上减少了需要评价的轨迹数目,运行效率有所提高。     

基于改进遗传算法的自动导引小车路径规划

为提高自动导引小车(AGV)在复杂码头环境下路径规划性能,对AGV路径规划中耗时较长和路径较长问题进行研究,提出了一种改进遗传算法。首先引入平滑的适应度函数来光滑和缩短路径;其次,用改进单点交叉方式和多向变异方式来增加种群多样性,避免陷入局部最优;最后对复杂码头环境进行二维和三维建模,并在此基础上对改进遗传算法、蚁群算法、快速扩展随机树算法和A~*算法进行静态和动态仿真。结果表明,该文提出的改进遗传算法与其他算法相比,路径长度最短;迭代次数最少;平均运行时间最短;可见改进后的遗传算法可使AGV在复杂码头环境下快速寻优和安全避障。