改进人工势场法的机械臂避障路径规划研究

文章针对人工势场法可能会进入局部极小这一缺陷,通过添加虚拟目标点来改进人工势场法。该方法可以让机械臂逃离局部极小点,实现机械臂的避障路径规划。文章使用DH模型对机械臂进行正逆运动学分析,使用椭球包围盒进行机械臂碰撞检测,通过建立目标点,机械臂的引力场和障碍物对机械臂的斥力场,再搜索势函数的下降方向,实现机械臂的路径规划。最后仿真结果验证,使用虚拟目标点的人工势场法可以快速有效地进行避障规划路径。     

基于人工势场法的集群避障算法应用研究

针对无人机集群避障的问题,选用效率高、应用普遍的人工势场法作为避障算法, 结合一致性编队理论,采用领航者—跟随者编队算法对无人机进行编队控制。并且对于障碍物增加虚拟障碍点进行重新拟合,以优化避障路径。结合以上内容有效地解决了无人机集群的避障应用问题。     

基于改进人工势场法的无人机室内自主避障

近年来,随着无人机小型化和价格下降,无人机在民用方面发展迅速,关于无人机在室内飞行的研究逐渐增多.传统的人工势场法将无人机当做质点来进行路径规划,但是室内空间狭小,实际飞行的过程中需要考虑无人机的大小,而且传统的人工势场法在路径规划时容易陷入局部极小点.文中在考虑无人机空间大小的前提下,将改进人工势场法运用到无人机室内...     

基于遗传算法和人工势场法的路径规划

在移动机器人的研究中,路劲规划是一个最基本也最复杂的问题。为了得到适合于机器人行走,以及全局最优的路径,采用遗传算法与人工势场法相结合的方法进行机器人的路径规划。首先采用遗传算法规划出全局最优或近似最优的无碰撞路径;再通过改进的人工势场法优化路径,增加路径节点,使路径更平滑。仿真实验结果表明,使用该方法所规划的路径是有效的和可行的。     

基于改进人工势场的物流无人机三维航迹规划

针对传统人工势场(Traditional Artificial Potential Field, TAPF)法在物流无人机航迹规划中存在的目标不可达、易陷于局部最优等问题,提出了一种改进的人工势场法。在斥力势场函数中添加无人机和目标点之间的相对距离,解决目标不可达问题;采用一种球体模型策略跳出局部最优的陷阱。仿真结果表明,改进的人工势场法能够灵巧地避开所有障碍物并有效地规划出符合要求的最佳航迹。     

一种自适应控制的人工势场的无人机路径规划算法

路径规划是无人机的重要组成部分,在简述传统的人工势场法的原理基础上,提出了一种基于无人机对各个方向感应系数自适应的改进方案,引入自适应论改进了传统的势场计算公式,改变了粒子运动中对各个方向的障碍物的斥力系数,找到最适合不同地图系数的最优路径,仿真实验显示,改进的人工势场法要优于传统的人工势场法,理论分析和结果表明改进的人工势场算法解决了目前路径规划遇到的问题,提高了算法的精度和速度。     

改进人工势场法无人机脱离局部极小值问题

针对现有人工势场法在无人机路径规划应用过程中存在无人机陷入受力平衡,导致目标不可达,且当无人机陷入局部极小值时,该方法无法根据环境信息使无人机脱离力平衡点的问题,提出一种基于自膨胀系数改进的人工势场法。针对无人机陷入局部极小值的问题,建立自膨胀函数;当无人机陷入局部极小值时,针对无人机与目标点的距离为膨胀提供方向。通过改变自膨胀系数增大最近障碍物对无人机产生的斥力从而改变无人机受力形式,解决无人机陷入最优解的问题。仿真实验结果表明,改进后的人工势场法多次改变了无人机陷入最优点的情况,能够解决人工势场法无人机陷入局部极小值无法自主脱离的问题。     

基于单目视觉与改进势场法的避障算法

针对无人平台在未知环境缺乏全局障碍物位置信息难以进行实时避障的问题,提出一种融合深度神经网络和改进人工势场的动态避障方法。首先利用YOLOv5s轻量目标检测网络和轻量化深度估计网络构建障碍感知模块,探测障碍物位置和深度;其次使用目标框和等效深度描述周围障碍物的三维信息;然后将自身平台投影到图像平面形成核心区,并根据障碍物的等效深度网格与核心区的位置关系计算核心区在像平面虚拟势场受力方向、所需要的偏航角和线速度;最后控制系统接收到信号后引导无人平台转向或制动,使核心区内部深度大于设定的安全距离完成动态避障。实验基于单目可见光和红外进行避障测试,结果表明视觉感知模块可以准确探测常见障碍物的位置和深度,核心区能够直观地反映无人平台与障碍物的位置关系,方法仅依赖单目传感器便可实现有效避障,相比于传统方法成本低廉、部署灵活,为无人平台在日间、夜间的未知环境进行避障提供了新思路。     

改进势场蚁群法的机器人避障及路径规划

针对传统蚁群算法机器人在路径规划过程中出现收敛速度缓慢和陷入局部最优的问题,将蚁群算法与加入虚拟牵引力和快速函数的人工势场法相结合,引入势场合力作为蚂蚁搜索路径点的部分启发信息,使结合后的算法具有较高的全局搜索能力,避免了传统蚁群算法由于启发信息误导所致的局部最优问题,同时提高了收敛速度。为了验证此方法的有效性,用Matlab软件进行仿真实验,结果表明机器人运动轨迹平滑,接近最优路径。     

融合人工势场蚁群算法的移动机器人路径规划

通过对人工势场法与蚁群算法进行融合,给出了一种融合人工势场蚁群算法的移动机器人路径规划算法。一方面,引入目标点距离影响因子,改善势场力对移动机器人路径搜索的影响,通过改进斥力场函数,避免移动机器人因受到较大的斥力而无法规划出最优路径;另一方面,构造势场力启发函数,同时考虑距离启发信息和势场启发信息,初始化信息素的差异化分配方式有利于提高算法的收敛速度。实验结果表明,融合人工势场蚁群算法相比于文献[15]算法,在最优路径长度、路径转折次数、收敛速度三方面分别提高了2.6%,25%和66.7%,表明了该算法在路径规划方面的优越性。     

利用人工免疫算法规划三维飞行航迹

利用人工免疫算法来规划的三维飞行航迹.人工免疫算法根据接种方式的不同分为3种情况:随机选择染色体进行接种;所有染色体挨个接种;每个染色体都接种但接种位置是随机的.分别按这3种情况对飞行航迹进行仿真,并对其规划出的航迹进行对比分析.同时,针对威胁的不确定性进行了仿真.最后根据飞机的机动性和适航性对上述规划出的航迹进行了优...     

基于STM32的双足避障机器人设计

本文计了一种基于STM32的双足避障机器人,机器人主体使用超轻材质的铝合金搭建,结构稳定可靠,环境适应能力强.采用高性能的STM32单片机为系统主控芯片,配合外围传感器信息采集系统和舵机驱动控制系统,能够完成自主行走,躲避障碍,路径规划等任务.经实验验证,该机器人系统能很好的实现自主避障行走,可以有效减少机器人在避障行走中对环境的依赖性,满足设计要求.     

基于智能算法的无人机航迹规划

文中针对多无人机在复杂约束条件下编队协同、巡航范围内覆盖率高的问题,基于K-means算法和Hop-field神经网络算法实现了一种无人机整体航迹规划方法。对任务要求的禁飞区域、目标区域建立任务区域的数字地图模型,进行模型分解合理的将有效区域分解为多个子目标点。随后采用K-means算法对无人机巡航的目标点进行聚类,并结合Hop-field神经网络算法对同类子目标点进行无人机航迹规划。以无人机在抗震救灾中的真实数据为实例,通过仿真实现了巡航区域90%的覆盖率,验证了文中方法的鲁棒性和有效性。     

一种改进RRT的多机器人编队路径规划算法

多机器人路径规划是机器人领域的一个热点问题,相比于单机器人路径规划,其算法难度和复杂度都有所增加,在规划时需要兼顾多机避障、相互协作等难点问题.本文提出一种改进快速扩展随机树的多机器人编队路径规划算法,用于解决多机器人在复杂环境下的编队路径规划问题.针对多机器人在编队规划中的位置约束问题,定义机器人之间的领航-跟随结构,并对机器人队形建模.针对规划过程中编队朝向变化问题,建立搜索树扩展方向与队形方向之间的联系,通过调整队形方向改变规划时的编队朝向.针对具有质点模型和非完整约束动力学模型两种不同模型的多机器人系统,分别进行了仿真实验.仿真结果表明该算法在处理多机器人编队路径规划问题时可以取得良好的效果.     

无人机航路规划算法研究

针对无人机航路规划问题,研究了一种基于元胞蚂蚁算法的无人机航路规划方法.元胞蚂蚁算法对基本蚁群算法进行了系列改进,并将元胞邻居演化和改进后的蚂蚁寻优相结合,有效地克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,提高了算法的运算精度,从而为解决复杂战场环境下无人机航路规划这一多约束多目标优化问题提供了一条可行...     

一种骨架提取的无人机航迹规划法

未来战争中无人机的应用地位将大大提高,如何提高无人机的生存率、作战效率成为航路规划研究的主要方向。将敌方雷达、对空导弹、地形等威胁简化构建成威胁圆,根据威胁圆的分布情况,构造基于威胁圆的规避威胁的骨架化图;结合各具体威胁信息,计算各路径段的代价值,形成有赋值的有向图,计算初始最优航路;利用实际飞行中无人机对威胁规避的要求,对初始航路做缩短处理。运用Matlab编制图形化界面,得到仿真结果的图形显示。     

基于改进遗传算法的UAV航迹规划

针对实际作战环境中的UAV航迹规划,提出一种基于改进遗传算法的UAV航迹规划方法;通过骨架化算法生成规划搜索空间,对规划搜索空间中的信息进行提取,求解出规划搜索空间中航迹点的杀伤概率;根据规划搜索空间中的信息,采用特殊的基因编码方式,使用遗传算法为UAV找到K条备选航迹,提高了航迹规划效率;根据设定的航迹选取原则,求出最优航迹并对其按不同步长进行平滑处理,最终得到满足UAV机动性要求的可飞航迹。     

基于改进局部搜索算法的三维空间路径规划研究

在机器人路径规划中,搜索区域维数增大会导致路径搜索算法收敛时间过长甚至不收敛的现象发生。针对此类问题,文中以改进的局部搜索算法为基础,融合蚁群算法中信息素因子和人工势场算法中势场因子,建立了启发函数模型以提高寻优的目的性,并对搜索到的路径用迭代法进行优化。文中具体讨论了三维空间中路径点的选取方式和启发函数模型的建立方法,同时给出了算法的详细流程。最后通过MATLAB仿真实验证明基于改进后的算法进行路径规划时,迭代次数降低,搜索速度变快,路径点轨迹趋势更加平稳。     

基于改进蚁群算法的舰船航路规划研究

舰船在障碍物环境中航行,如果采用传统的人工绘制航线的方法,不仅费时费力,并且绘制的航线非常不准确,在障碍物位置发生变更的情况下,整条航线都要重新设计和绘制;其次,人工绘制的航线图,不便于保存,应用范围非常窄。为了弥补人工绘制航线的缺陷,采用一种基于改进蚁群算法的方法规划舰船的航线,并对改进的蚁群算法进行了仿真,获得了舰船在障碍物环境下的最优航线。