AUV避障路径动态快速规划算法研究

为提高AUV避障路径规划的快速性，提出一种基于最小安全会遇距离的避障路径动态快速规划算法。根据AUV和目标船的会遇态势动态评估碰撞风险，通过设定最小安全会遇距离实时解算避障航路点位置。为验证算法的有效性，针对某型AUV设计空间制导与控制算法，并基于MATLAB/Simulink仿真平台构建仿真环境。仿真结果表明，所提避障路径动态快速规划算法能够实现复杂会遇局面下的快速路径规划，有效提高了AUV航行安全性。     

UUV自主航行路径规划方法

提出了一种UUV在复杂环境下自主航行路径规划方法。该方法基于蚁群优化算法实现UUV全局离线路径规划,采用滚动窗口方法和局部动态避障方法实现了UUV局部动态路径规划。通过加入"引导点"策略,将全局离线路径规划与局部动态路径规划相结合,既满足了UUV实时在线路径规划的要求,又考虑了规划路径的全局最优性或近似最优性,最终保证了UUV以较优路线到达目标位置。仿真实验表明该方法兼具路径的全局最优性以及规划的实时性。     

随机需求环境下的作业能力规划模型研究

为研究市场需求的随机性对企业能力扩张决策的影响,根据确定性能力规划模型的一般形式,构建了随机市场需求环境下的能力规划模型。该模型以随机环境下期望成本最小为目标函数,引人随机需求变量,建立了市场需求的随机约束。基于随机线性约束的二阶段方法,得到了随机能力规划问题的确定性等价形式,提出了一种将遗传算法和随机线性规划二阶段模型相结合的随机能力规划模型求解算法。该算法在事先得到能力规划变量的情况下,使用二阶段方法求解随机需求约束下的产品组合问题,并以产品组合问题的最优解作为适应度函数,通过遗传操作,搜索能力规划的整数变量,获得随机能力规划问题的最优解。     

基于改进Voronoi图的移动机器人在线路径规划

针对移动机器人在部分环境信息已知下的路径规划问题,运用Voronoi图理论及动态路径最优算法(D*算法)理论,研究了一种基于传感器信息的移动机器人在线路径规划的方法.该方法利用现有的已知环境信息离线生成路图,并根据起点与终点的位置规划出一条无碰撞的全局最优路径,然后移动机器人沿着最优路径前进,安装在机器人上的传感器不断地探测环境新信息以在线完成路图的重构及路径的重规划,实时搜索一条全局最优路径.最后,通过在自制的小车平台上的实验证明方法的可行性.     

混合混沌法在机器人操作臂路径寻优中的应用

机器人操作臂的最优路径规划是典型的非线性规划之一.为了避免基于梯度的传统算法因初始迭代值的选取对操作臂路径寻优的影响,本文针对目标物体在空间位姿确定的情形,如何寻求一条既满足关节角约束,又使所有关节转动角之和最小的最优路径这一问题,提出了一种新的最优路径规划方法-混合混沌法,并通过一个具体实例验证其可行性.     

AGV复合自主路径规划方法研究

针对AGV在动态环境下实时自主路径规划效率低的问题,提出了一种A*算法与D*算法复合自主路径规划的方法.首先通过A*算法生成AGV当前位置到目标位置的全局最优路径;其次,当AGV在全局路径行驶遇到障碍物时,根据障碍物和全局路径的相对位置关系,确定AGV绕开障碍物的局部搜索范围;最后,结合局部路径搜索范围和D*算法,将生...     

基于改进A^*势场法的机器人动态路径规划研究

针对人工势场法在路径规划中出现的目标点不可达、转折次数多及路线较长的问题,提出了一种动态环境下移动机器人全局路径规划的改进A^*势场算法。首先采用A^*算法在已知静态环境中进行全局最优路径规划,当移动机器人进入动态障碍物影响范围ρ0时,引入相对速度势场对人工势场法进行改进,进行局部动态路径规划,追踪沿A*路径运动的虚拟动态目标直至回到原路径,完成到达目标点的路径规划。将该算法与人工势场法通过MATLAB进行路径规划仿真比对,结果验证了该算法的可行性,并且有效减少了路径的震荡和累计转角,同时明显缩短了全局路径距离。     

移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

多目标追逐问题的一种混合整数线性规划解

研究多车辆多目标追逐的路径规划问题。提出两个基于混合整数线性规划 (Mixed integer linear programming, MILP) 的多目标追逐 (Multi-target pursuit, MTP) 模型：就近追逐和“一对一”使能追逐。在两个MIP追逐模型中,小车运动的状态方程考虑为具有线性阻尼的质点动力学方程。采用整数变量描述小车与障碍物的相对位置信息,提出 “目标膨胀尺寸”的概念来描述对目标的追逐,定义小车的“追逐方向”。采用选取整变量的等高面法求解MILP追逐问题,并给出初始内点整变量的确定方法。最后给出仿真试验1对两个多目标追逐模型进行对比研究,仿真试验2证实了算法的效率。     

沿全局最优路径滚动避障的车间机器人导航研究

为了减少机器人在车间工作时的路径长度、提高行驶安全性,提出了全局规划和局部滚动避障相结合的机器人导航方法。对车间静态环境进行全局路径规划,在传统蚁群算法基础上,在转移概率中引入节点被访问次数作为新启发因子、同时引进随机选择策略和"回退-惩罚"策略,从而提出了基于改进蚁群算法的全局路径规划方法。对车间动态环境进行局部滚动预测避障,分确定和不确定运动提出了碰撞预测和碰撞避免策略,实现了沿全局最优路径滚动避障行驶。经仿真验证,改进蚁群算法规划出的路径比传统方法缩短了42.3%;在车间动态环境下,机器人使用滚动预测避障策略可以沿着最优路径安全到达目标点,实现了机器人在车间动态环境下安全导航。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

基于改进A*算法的AGV路径研究

路径规划能力是AGV(Automated Guided Vehicle,自动导引运输车)系统智能化程度的体现。在众多算法中,A~*算法使用代价消耗估算方式达到较快的计算能力,被广泛应用于AGV的路径规划中,但仍存在局部最优的规划问题,规划的路径上存在冗余节点和较多不必要拐点。为减少运输路径中的总能耗,缩短路径总长度和减少AGV转弯次数,采用分裂和筛选的方案对传统A~*算法进一步优化,提出改进A~*算法,使其在实际工作环境中搜索更加迅速、考虑更加周密。在传统A~*算法基础上,在未知节点的启发函数里增加转弯权值,可以在计算规划过程中考虑转向所带来的消耗,从而减少转弯次数。使用任务分裂方案可以尽可能多地选择出较优路径,其中的最优解能够实现得转弯较少,展现出比较平滑的线路。基于Ubuntu下ROS系统版本进行仿真,对比实验结果表明,改进A~*算法在规划时间、总行程以及转弯消耗等方面都优于传统A~*算法,提升了AGV的实际运行效率,减少了AGV小车的耗能,可以缩短路径搜索规划时间,更符合工厂环境对AGV的需求。     

Near Optimal Measuring Sequence Planning and Collision-Free Path Planning with a Dynamic Programming Method

A near optimal measuring sequence was introduced to complete the entire measuring process and reduce the measuring time of a coordinate measuring machine (CMM) for a workpiece whose shape consists of several geometric elements. The number and positions of the measuring points of the workpiece were planned by a CAD/CAM software system. A weight matrix of the number of probe spins and the concept of the angle difference matrix were proposed for the measured feature face using the assumptions in this paper, for the purpose of dynamic programming. First, a dynamic programming method was carried out to plan the optimal measuring sequence of the feature face of the geometric elements. Then, a measuring point distance difference matrix was established for an individual feature face. Then, a dynamic programming method was used to plan the measuring path of the measuring points for solving the approximated shortest path. A collision-free interference inspection method established in this paper was also used to include a collision-free path for paths with interference. The entire measuring path planning was thus completed. With the help of CAD/CAM software and the powerful computation and analytical capability of computers, the system was able to achieve an appropriate measuring sequence in a short time.     

基于细菌觅食行为的移动机器人动态路径规划

将自然界中细菌的自适应觅食现象与移动机器人动态路径规划相类比,设计基于细菌最优觅食理论的新型生物启发计算方法(DBFO)。通过对无约束复杂动态多峰测试函数库测试,证实DBFO算法具有较高的准确性和稳定性,具备动态优化能力。并以Sphere函数作为机器人路径寻优的仿真测试环境,DBFO算法驱动的搜索主体可以顺利避开障碍并快速找到目标地点,有效节约了行走时间,验证了其是一种高效、稳定、有竞争力的仿生智能优化方法,在求解实际复杂工程优化问题中体现了极为优越的搜索效率和求解精度。     

交互式虚拟装配路径规划及优选方法研究

给出了虚拟装配环境下基于人机交互的装配路径规划方法，根据实际需要提出了针对交互式虚拟装配路径规划方法的装配路径优选算法，优选算法基于虚拟装配路径节点投影，能够有效消除由于虚拟装配环境下触觉缺失而造成的路径抖动以及折返现象。实例验证以及实验结果表明，交互式虚拟装配路径规划及优选方法有效可行，能够满足虚拟装配系统的需要。     

Robust input design for nonlinear dynamic modeling of AUV

Input design has a dominant role in developing the dynamic model of autonomous underwater vehicles (AUVs) through system identification. Optimal input design is the process of generating informative inputs that can be used to generate the good quality dynamic model of AUVs. In a problem with optimal input design, the desired input signal depends on the unknown system which is intended to be identified. In this paper, the input design approach which is robust to uncertainties in model parameters is used. The Bayesian robust design strategy is applied to design input signals for dynamic modeling of AUVs. The employed approach can design multiple inputs and apply constraints on an AUV system’s inputs and outputs. Particle swarm optimization (PSO) is employed to solve the constraint robust optimization problem. The presented algorithm is used for designing the input signals for an AUV, and the estimate obtained by robust input design is compared with that of the optimal input design. According to the results, proposed input design can satisfy both robustness of constraints and optimality.     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

物品自动运送机器人原型系统的局部路径规划研究

描述了一种基于多边形环境模型 ,以机器人运动过程中的转弯次数最少为优化目标 ,采用广度优先搜索技术的 MT局部路径规划算法以及相应的复杂实际环境建模方法 ,并将其应用于目前正在研制的物品自动运送机器人 (ACR)原型系统。仿真实验表明 ,本文所描述的 MT算法以及相应的环境建模方法对 ACR原型系统的局部路径规划问题而言不失为一种良好的解决方案     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

Quadratic programming-based approach for autonomous vehicle path planning in space

Path planning for space vehicles is still a challenging problem although considerable progress has been made over the past decades.The major difficulties are that most of existing methods only adapt to static environment instead of dynamic one,and also can not solve the inherent constraints arising from the robot body and the exterior environment.To address these difficulties,this research aims to provide a feasible trajectory based on quadratic programming(QP) for path planning in three-dimensional space where an autonomous vehicle is requested to pursue a target while avoiding static or dynamic obstacles.First,the objective function is derived from the pursuit task which is defined in terms of the relative distance to the target,as well as the angle between the velocity and the position in the relative velocity coordinates(RVCs).The optimization is in quadratic polynomial form according to QP formulation.Then,the avoidance task is modeled with linear constraints in RVCs.Some other constraints,such as kinematics,dynamics,and sensor range,are included.Last,simulations with typical multiple obstacles are carried out,including in static and dynamic environments and one of human-in-the-loop.The results indicate that the optimal trajectories of the autonomous robot in three-dimensional space satisfy the required performances.Therefore,the QP model proposed in this paper not only adapts to dynamic environment with uncertainty,but also can satisfy all kinds of constraints,and it provides an efficient approach to solve the problems of path planning in three-dimensional space.