基于量子遗传算法的移动机器人的一种路径规划方法

以人工势场法和栅格法为基础,考虑到遗传算法的“收敛速度慢”和“早熟收敛”问题,提出了一种基于量子遗传算法的机器人路径规划方法。该方法采用栅格法进行路径规划,利用人工势场法控制移动机器人,利用量子遗传算法选择最优或次优个体,并且引入双适应度评价函数评价进化个体,为最优或次优个体进入下一代提供了保障。仿真实验表明,该方法的寻优能力及稳定性均优于遗传算法和量子遗传算法,且具有更好的收敛性以及更强的连续空间搜索能力,适于求解复杂优化问题。     

考虑机器人尺度的变电站路径规划

在传统的变电站巡检过程中,存在人工任务繁重且效率低下等问题,为了提高变电站中的巡检效率与安全性,提出了一种基于遗传算法和人工势场法巡检机器人的路径规划方法.算法由三部分组成,首先通过Maklink方法对仿真环境进行建模,通过遗传算法求出不考虑安全性的近似最优解;第二部分,在遗传算法求解的基础上,将路径中间节点作为引力点,障碍物的边界作为斥力点,构建人工势场环境模型;第三部分,用改进的人工势场法进行优化,提高路线的安全性.通过在计算机平台上的仿真测试,最终结果表明该方法可以在一定时间之内得到一条安全性更高的路线,使得巡检机器人可以避开障碍物到达指定地点,从而完成巡检电路的任务.上述算法改进了人工势场路径规划方法一直以来根本性的缺陷,如易陷入极值点、易产生路径点震荡等问题,并且利用人工势场路径平滑的特点提高了Maklink路径规划方法的路线安全性.     

一种基于量子染色体变异的移动机器人路径规划融合算法

为了解决机器人路径规划中的“局部最小”问题,提出了一种基于量子染色体变异的人工势场法和栅格法相融合的移动机器人路径规划算法.首先,对人工势场的斥力场进行改进,然后利用融合的人工势场法和栅格法对路径进行规划,产生初始化种群,最后利用量子比特对染色体编码、利用量子染色体变异对种群个体进行更新,完成最佳路径搜索.仿真实验表明,本文提出的融合算法能够有效地避开障碍物,稳定地产生移动机器人的最佳规划路径,提高了种群质量和收敛速度,适合于求解复杂优化问题,达到了预期效果.     

自适应斥力系数的无人机路径规划

使用人工势场法进行无人机路径规划时,往往存在目标不可达、运动轨迹迂回反复和路径长度过长等问题.传统的人工势场法不能根据环境具体信息对斥力系数进行调整,而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长.针对以上问题,提出了一种基于深度学习的无人机自适应斥力系数路径规划方法.首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集,其次利用该样本集训练残差神经网络,最后通过残差神经网络计算适应环境的斥力系数,进而使用人工势场法进行路径规划.仿真实验表明,该方法在一定程度上解决了人工势场法规划中目标不可达、运动轨迹迂回反复和路径长度过长等问题,规划效果和规划时长方面均有优异表现,能很好地满足无人机路径规划中对当前环境的自适应要求和快速规划的要求.     

基于动态模糊人工势场法的移动机器人路径规划

传统人工势场法在路径规划中存在局部极小值问题,而且不能满足动态环境中移动机器人路径规划对实时性、安全性和可达性的要求.针对传统人工势场法存在的问题,通过引入速度矢量,改势场力函数,并与模糊控制方法相结合,实时调节斥力势场系数,克服人工势场法的缺陷.在MATLAB平台中验证了方法的有效性,实验结果表明,该方法优于人工势场法模型的路径规划.     

复杂飞行任务人工磁场路径规划算法

针对三维空间飞行器复杂飞行任务的路径规划,提出一种建立磁导率连续过渡带模型的人工磁场建模的路径规划方法.用该方法建立飞行区域障碍物模型、兴趣区域模型、飞行高度限定模型;采用有限元分析法解算飞行区域各个点磁场方向;通过逐点迭代方法生成路径.仿真结果表明,该算法在路径平滑性能、兴趣区域搜索性能和避险性能上比传统SIMPLEC分别提高了4.6％、3.1％、21.01％,比人工势场法分别提高了4.3％、47％、12.14％.人工磁场法扩展了势场在路径规划中的应用,具有一定有效性.     

复杂飞行任务人工磁场路径规划算法

针对三维空间飞行器复杂飞行任务的路径规划,提出一种建立磁导率连续过渡带模型的人工磁场建模的路径规划方法.用该方法建立飞行区域障碍物模型、兴趣区域模型、飞行高度限定模型;采用有限元分析法解算飞行区域各个点磁场方向;通过逐点迭代方法生成路径.仿真结果表明,该算法在路径平滑性能、兴趣区域搜索性能和避险性能上比传统SIMPLEC分别提高了4.6％、3.1％、21.01％,比人工势场法分别提高了4.3％、47％、12.14％.人工磁场法扩展了势场在路径规划中的应用,具有一定有效性.     

基于人工势场法的路径规划方法研究及展望

人工势场方法因其简单、高效、生成路径平滑的特点,在机器人路径规划领域得到了广泛的应用。首先介绍了基于传统人工势场模型的路径规划基本原理,并对其存在的易陷入局部极小值的问题进行了详细分析;然后重点讨论和总结了针对目标不可达、易陷入徘徊抖动状态、动态环境规划能力不足等问题的改进策略;最后对基于人工势场的路径规划方法的发展方向进行了展望。     

基于稀疏A*搜索和改进人工势场的无人机动态航迹规划

针对不同属性的障碍物所构成的威胁分布模型, 本文提出了一种基于稀疏A*搜索算法预规划和改进人工势场相结合的无人机动态避障算法. 该算法首先对威胁分布建立栅格化模型; 然后根据静态威胁, 基于稀疏A*搜索算法进行全局航迹规划; 最后结合预规划路径和动态威胁分布, 利用改进人工势场法完成无人机的动态避障. 仿真结果表明, 该方法能够规划出给定威胁指标下的全局最优路径并达到良好的动态规避性能.     

基于小波神经网络与遗传算法的机器人全局路径和局部路径优化

全局与局部路径的优化可以实现对机器人路径的全局统筹和实时性控制，从而提高其自动化使用的效率。为了提高机器人自动化路径选取的准确性，在该研究中选择遗传算法优化小波神经网络和人工势场法，实现全局和局部路径的优化。结果表明，优化的小波神经网络和人工势场法的最终损失函数值分别为0.26和0.31。改进小波神经网络的准确率为95.8%，相对于改进的人工势场法、小波神经网络和人工势场法分别有2.3%,3.4%和3.8%的提升。路径优化仿真实验结果表明，新建方法可以实现较好的全局和局部路径优化，且规划路径平滑、无障碍。     

改进人工势场法的四旋翼路径跟随能力研究

为了提高四旋翼无人机航线任务飞行中的路径跟随能力和抗干扰能力,设计了一种基于改进人工势场法的路径跟随算法,该算法针对目前的人工势场法只能逼近目标点和避开障碍点、没有一个很好的路径跟随能力的缺点,通过增加目标航线上的点对无人机的吸引力来驱使无人机在逼近目标航点的同时能较好地跟随航线。构建了四旋翼无人机控制算法仿真,通过仿真无人机在飞航线的多种情况证明,所设计的路径跟随算法具有很强的抗干扰能力以及较高的控制效率。     

基于神经网络和人工势场的滚动规划

针对多障碍动态环境,论文提出了一种新的路径安全评价方法,并在此基础上提出了基于神经网络和人工势场法的滚动规划方法。与以往的全局规划相比,减少了全局中无关信息干扰,增加了规划效率;与以往的滚动规划相比,增加了移动机器人的预测能力,减少了碰撞的可能性。仿真实验表明,这种规划方法能有效地解决多障碍动态变化的时变环境中的路径规划问题。     

基于改进人工势场法的物流无人配送车路径规划

传统人工势场法在面对多障环境时易陷入局部最优,导致路径长度和拐点数量增多从而严重降低配送效率。为此,考虑复杂环境多障密集和离散分布特征,结合相对位置检测策略和边界条件判断决策,采用自主虚拟圆作用域设计,修正路径长度和拐点数量缺陷;进一步地,基于模型预测理论,建立四轮转向车辆稳定性控制器,实现理想模型路径的精准跟踪控制;采用MATLAB软件进行模拟避障实验,并与传统算法路径搜索关键要素特征进行对比仿真。研究结果表明,所提出的改进人工势场算法相比于传统算法,全局拐点数量减少10个,路径缩短21.06%,跟踪偏差率低于6%。通过研究,解决了车辆多障环境适配及避障安全性问题,实现了指定轨迹的平稳、安全配送,为无人配送车规划算法的改进提供了理论指导。     

避免人工势场中一类局部极小值的规划方法

采用人工势能场的方法对机器人路径规划在较多情况下存在局部极小值的缺点,文章针对二维空间中由障碍物环绕而形成的局部极小值提出了一种新的改进算法.其主要思想是:在尽量不改变原环境的条件下,在Agent的已测范围内对可能产生局部极小值区域的障碍物外部几何形状进行有效地凸化改进,使Agent避免或者提前进入局部极小值,从而减少Agent所走的路径,提高控制效率.同时这种改进方法并不影响原控制方法的稳定性.最后给出了整个控制算法流程,仿真结果清晰地说明了这种改进方法的有效性.     

基于接近觉的机械臂避障路径规划

提出了一种基于接近觉的机械臂避障路径规划方法。首先,针对排列稀疏的接近觉传感器阵列的障碍物感知问题,定义连杆“运动方向”的概念,优先读取连杆运动方向上的传感器以缩短读取周期的长度,并将距离传感器最近的障碍物表面建模为“假想圆锥”,过其顶点作“安全平面”,连杆在运动过程中不能与其发生碰撞。其次,针对避障路径规划问题,采用基于势函数与关节空间的人工势场法,并根据所提出的障碍物感知方法提出了基于“绕行”的改进方法以解决人工势场法的局部最优问题。最后,在UR10机器人的小臂连杆上验证本文方法,实验结果证明了本文方法的有效性、鲁棒性与实时性。     

基于人工势场法的AUV避障算法研究综述

简述了人工势场法的概念,分析了人工势场法的引力和斥力势场模型,指出了人工势场法在应用中存在的水下复杂环境问题、目标不可达问题、局部极小值问题;从考虑复杂障碍物因素和海流因素两方面阐述了水下复杂环境问题的研究现状,从对势场函数进行重新定义或对斥力势场函数进行修正两方面阐述了目标不可达问题的研究现状,从设置虚拟引导点等方面阐述了局部极小值问题的研究现状,并且阐述了几种组合避障算法的研究现状;从构造更完善的势场函数模型、考虑复杂海流因素影响、算法融合以及在算法中加入路径评价机制等方面对人工势场法未来的发展方向进行了展望。     

动态环境下改进人工势场法的仓储机器人自主导航系统研究

为了解决仓储机器人在全动态环境中的自主导航问题,在分析自主导航技术基础上建立了机器人和动态障碍物的数学模型,搭建了以二维激光雷达为主的环境感知平台,提出了一种改进的人工势场法。在传统人工势场法中同时引入相对速度和相对加速度因素得到改进的人工势场模型,实现机器人在全动态环境中的自主移动。设计了无障碍物和多动态障碍物两种移动环境。经仿真验证,应用改进的人工势场法进行路径规划能高效地避开动态障碍物、跟踪动态目标,且运动路径光滑。     

基于PER-APF算法的无人驾驶汽车换道轨迹规划

针对传统人工势场算法在解决无人驾驶汽车换道轨迹规划过程中存在的不足,提出一种基于势能重构人工势场 (Potential Energy Reconstruction- Artificial Potential Field, PER-APF) 的无人驾驶汽车换道轨迹规划算法。首先,建立了具有斥力区分的道路边界约束条件和多约束换道轨迹规划模型,通过判断障碍车辆与道路边沿的距离来保证换道过程的安全性与有效性;其次,提出了基于势能重构的改进APF算法,通过构建虚拟区域以及重构物理势能力场,有效的解决了目标不可达以及局部最优问题。仿真结果表明,所设计的PER-APF算法能够快速有效地为无人驾驶汽车规划一条安全合理的换道轨迹。