一种移动机器人全局最优路径规划算法

针对移动机器人全局最优路径规划问题,首先提出一种基于线性操作的遍历式算法,该算法通过场扫描方式生成步长转换矩阵(STM,Step Transform Matrix),并在步长转换矩阵中搜索考虑方向一致的最短路径,从而可以得到避免不必要路径转折的全局最短路径.其次提出了一种评价标准来区分路径优劣.最后通过仿真与圆形波传播算法进行了路径规划对比实验,实验结果表明本文所提算法在所提出的路径评价标准下可以获得比波传播算法更优的路径.     

基于改进蚁群算法的机器人路径规划研究

在二维静态环境下的机器人路径规划中,采用基本蚁群算法寻优存在搜索时间较长、效率较低、容易陷入局部最优等问题。针对这些问题对基本蚁群算法进行改进,改进的蚁群算法使用不同的期望值机制,采用挥发系数自适应方式更新信息激素,并加入拐点参数作为路径的评价标准之一。对这两种算法进行仿真分析,可得改进后的蚁群算法比基本蚁群算法搜索能力更强,算法效率更高,所寻路径更短。结果表明,该改进算法提高了算法效率,抑制了算法陷入局部最优并实现了机器人最优路径搜索,使机器人可以快速地避开障碍物安全到达目标点。     

路径规划问题的商空间表达

利用计算几何理论研究了非结构化环境中路径规划问题的商空间表达及其结构特征,并讨论了最优路径间的等价关系和商空间路径规划的基本思想,针对非结构化二值地形环境,设计了商空间构造的递归算法.该方法可以推广到n维空间中.     

基于人工鱼群算法的机器人路径规划

首先采用链接图建立机器人工作空间模型,用Dijkstra算法求得链接图最短路径;然后使用人工鱼群算法对此路径进行优化,最终得到全局最优路径。以一个路径为例,进行了实际编程计算,结果表明,基于人工鱼群算法的机器人路径规划方法,具有较快的收敛性和较高的计算精度。     

路径规划算法在车辆导航中的应用

智能交通系统(ITS)快速发展,其中的一个关键技术是路径规划算法,它能够有效地帮助司机在旅途前或旅途中规划行驶路线。本文以车辆导航系统为对象,在满足道路实际情况的前提下,对Dijkstra算法和A*算法在路径规划种的应用进行了分析比较和研究。最后,给出了路径规划算法的规划实例。     

基于改进RRT-Connect算法的机械臂路径规划

针对RRT^*算法速度较慢问题,提出一种快速收敛至最优路径的最优双向快速扩展随机树(Optimal Bidirectional Rapidly-exploring Random Trees,Obi-RRT)算法。Obi-RRT使用改进的RRT-Connect算法快速得到较低成本路径,通过路径修剪得到关键点,围绕关键点提出三种采样空间并进行采样,通过不断更新关键点从而得到最优或接近最优的路径。平面和机械臂关节空间下的仿真实验表明,Obi-RRT算法运行时间仅为RRT^*算法的十分之一,并且路径成本更低。     

基于改进燃烧算法的最优路径规划

针对燃烧算法在公交查询系统中求解最优路径问题的不足,以及为了更好地服务于乘客,对燃烧算法中的存储结构进行改进和优化,采用新的搜索思想并设置算法终止判断条件,提出了基于公交站点的双向燃烧搜索算法。仿真结果表明,该算法在时间、空间代价以及准确性方面均具有显著的优越性。     

基于混沌蚁群算法的机器人路径规划

研究了全局静态复杂环境的机器人导航问题;针对传统蚁群极易陷入局部最优解,引入混沌理论改善个体质量,利用混沌扰动避免在搜索过程中陷入局部极值;构建了一个新的机器人路径规划算法的数学模型,在组织变量的影响下,蚂蚁由最初的混沌行为逐渐过渡为群体智能行为,最终完成机器人全局最优路径的搜索;仿真结果表明,即使在障碍物非常复杂的环境中,该模型也能找出一条全局最优或近似最优的路径,且能安全避障,仿真效果理想。     

基于PSO算法路径规划的研究

在实时的交通路况中,路径规划的核心问题是快速而有效地找到从起点到达终点的最优路线。将PSO算法应用到的路径规划中来,针对实时变化的交通路况,在适应度函数中引入惩罚项来实现静态和动态下的路径规划,并通过引入变异算子的操作来避免该算法陷入局部最优。实验表明,改进后的PSO算法搜索效率高,时间开销随路网规模的扩大增幅较小,适用于大规模路网和动态路径规划。     

改进蚁群算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把蚁群算法引入到机器人路径规划中;普通的蚁群算法存在收敛速度慢、效率低和容易陷入局部最优等缺陷,难以直接应用于机器人路径规划中;提出一种在蚁群算法中改进信息素的更新方式、引入最大最小蚁群系统以及改进状态转移规则的移动机器人路径规划方法,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方法能缩小最优路径的查找范围,降低发现最优路径所需的循环次数,能有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。     

基于hp自适应伪谱法的空间机器人路径规划

针对空间机器人运动过程中基座姿态产生较大扰动的问题,基于hp自适应高斯伪谱法提出了一种以基座所受反作用力矩最小为目标函数的空间机器人路径规划方法.首先,综合考虑空间机器人运动过程中存在的关节角度约束、关节角速度约束、控制力矩约束及初始状态和终端状态约束等约束条件,将空间机器人路径规划问题看成满足一系列约束条件和边界条件并实现特定性能指标最优的最优控制问题.其次,结合hp自适应高斯伪谱法（hp-AGPM）与非线性规划技术,求解带有边界约束和路径约束的优化控制问题,得到满足约束且性能指标最优的空间机器人运动轨迹.最后,以平面2自由度空间机械臂为例对所设计方法进行仿真验证,并与其他伪谱法进行对比分析.仿真结果表明：本文算法能在10.6 s的时间内规划出满足各约束条件且容许偏差低于10^-6的最优运动轨迹,并且在计算速度和配点数量上都优于其他伪谱法.     

工业机器人空间曲线实时轨迹规划算法

本文设计了一种六轴机械臂沿空间曲线行走的控制算法。算法使机器人对输入空间曲线计算出各关节的电机控制命令使机器人沿曲线运动。算法中推导出机器人逆运动学各关节解析解,使机械臂控制器计算过程由解方程组简化为代数运算。对类似结构的机械臂都可以使用,具有一定的通用性。使用Matlab对算法进行编程实现,从而验证了文章所设计算法的正确性。     

空间机械臂在线实时避障路径规划研究

针对目前空间机械臂避障路径规划算法计算量大难以达到在线实时规划的缺点,对空间机械臂的在线实时避障路径规划问题进行了研究和探讨。采用规则体的包络对障碍物进行建模,并借助C空间法的思想,把障碍物和机械臂映射到两个相互垂直的平面内,将机械臂工作空间的三维问题转化为二维问题,并结合二岔树逆向寻优的方法进行路径搜索,从而大大减少了计算量,达到了在线实时规划的要求。最后在空间机器人仿真系统上对其进行了仿真研究,验证了该方法的可行性。     

面向三维动画自动生成的路径规划

全过程计算机辅助自动生成动画技术由中科院陆汝钤院士于上世纪90年代提出,这一技术的目标是将适当的故事以受限自然语言的方式输入计算机,由开始一直到动画的生成,每一步都是在计算机的辅助下完成.在动画生成过程中,如何规划运动对象路径是影响动画效果的重要因素.为此,提出基于动画场景规划信息的路径规划方法,该方法通过预定义的路径定性规划语言PADL描述规划需求,然后通过利用扩展的A*算法规划路径并生成路径定量规划语言PCAL描述的路径,最后采用运动图方法合成路径运动动画.实验表明,该方法能有效地自动生成符合指定要求的路径动画.     

Destination Driven Motion Planning via Obstacle Motion Prediction and Multi-State Path Repair

This paper presents a real-time navigating system named Destination Driven Navigator for a mobile robot operating in unstructured static and dynamic environments. We have designed a new obstacle representation method named Cross-Line Obstacle Representation and a new concept work space to reduce the robot's search space and the environment storage cost, an Adapted Regression Model to predict dynamic obstacles' motion, Multi-State Path Repair rules to quickly translate an infeasible path into feasible one, and the path-planning algorithm to generate a path. A high-level Destination Driven Navigator uses these methods, models and algorithms to guide a mobile robot traveling in various environments while avoiding static and dynamic obstacles. A group of experiments has been conducted. The results exhibit that the Destination Driven Navigator is a powerful and effective paradigm for robot motion planning and obstacle avoidance.     

一种改进的机器人路径规划蚂蚁算法

传统蚂蚁算法存在路径点转移方向未能快速确保为收敛方向，所有路径点同时转移容易导致各点配合不好而使总距离产生振荡的缺陷。根据蚂蚁嗅觉引导行为的原理．使蚂蚁路径点位置转移方向在迭代计算中能保证为收敛方向，减少概率选择公式的求和项数，加快了收敛速度：对迭代算法进行改进，按需要转移的迫切程度来选择路径点．避免了总距离出现振荡。     

一种用于最优路径规划的改进遗传算法

设计了一种专门适用于路径规划的改进遗传算法．该算法根据最短路径问题的具体要求，将传统遗传算法中的编码、交叉、变异等操作均重新进行了定义，并且在进化过程中还能够自适应调节交叉和变异概率．仿真研究表明：改进的遗传算法具有较快的搜索速度和较高的搜索成功率，为实际车载导航系统中最优路径规划问题的解决提供了一种新方法．     

一种改进的全覆盖路径规划算法

全覆盖路径规划在现实生活中具有很广泛的应用,本文针对已存在的全覆盖路径规划算法中的内螺旋算法进行改进,提出带有优先级的内螺旋算法PISC算法。在算法中加入行走优先级,并采用回溯法解决清扫机器人进入的死角问题,优化机器人的清扫路径,最后在Visual C+〖KG-*3〗+6.0编程环境下进行算法仿真。实验结果表明,清扫机器人能有效地避开障碍物,在自由区域顺利行走,提高了清扫机器人的清扫效率,减少了机器人清扫的重复路径。     

基于插值A*算法的路径规划

提出一个基于插值的路径规划算法-插值A*.此算法可以在每个栅格路径代价不一致的情况下生成一条平滑路径.由于大多数基于栅格算法规划的路径只能从一个栅格中心到另一栅格中心,也就限制了路径的方向只能是倍数,所以所谓最优路径其实是次优的.插值A*算法在路径规划时,使用线形插值来计算出更精确的路径代价,由此产生更优路径.     

多无人机航迹规划的自适应B样条算法

无人机集群能更高效地完成复杂和具有挑战性的任务,航迹规划和编队控制是无人机集群的研究重点。针对复杂环境下的无人机编队控制问题,提出了一种结合分段自适应B样条（Piecewise Adaptive B-Spline,PABS）方法的领航-跟随策略。采用滚动时域控制及快速粒子群优化算法为领航者无人机生成一条安全的参考航迹,并根据跟随者与领航者保持的几何关系为跟随者无人机生成参考航迹。针对生成的跟随者航迹不平滑以及可能与障碍物发生碰撞的问题,使用PABS方法对跟随者航迹进行平滑和避障处理。实验表明,使用滚动时域控制及快速粒子群优化算法及PABS方法能为领航-跟随策略下的无人机编队生成安全平滑的航迹,相比于圆弧插补技术,PABS方法能使航迹更光滑。