基于模糊滚动RRT算法的移动机器人路径规划

研究了环境未知情况下的移动机器人路径规划问题,将快速扩展随机树(RRT)算法与基于滚动窗口的路径规划相结合,提出一种新的移动机器人路径规划算法,克服了RRT算法通常只能在已知环境中进行移动机器人路径规划的限制。规划时只考虑窗口环境地图,提高了RRT算法规划效率,保证了算法的实时性。针对RRT算法路径规划缺乏确定性的问题,结合人类经验及模糊控制理论,以概率来随机取点,并引入启发式估价函数,使随机树易于朝目标点方向生长。同时运用回归分析生成新节点,增强了算法搜索未知空间的能力,避免了可能产生的局部极小。最后仿真实验验证了该算法的有效性。     

基于模糊控制的移动机器人局部路径规划

在未知环境下,针对传统模糊控制算法规划路径在某些复杂的障碍物环境中出现的死锁问题,设计了障碍逃脱策略,即当机器人进入陷阱区并在目标点方向不可行时,寻找可行方向并设置方向点,由方向点暂代目标点继续前行,沿方向点走出障碍物陷阱区后,则恢复原目标点。对于障碍逃脱策略无法走出的障碍物环境,进一步设计了转向策略,使机器人能成功走出陷阱区域,到达目标点。基于MATLAB仿真平台对所设计算法在不同环境下进行了测试和比较。结果验证了所设计算法的可行性和有效性。     

移动机器人路径规划算法综述

为提高机器人路径规划的搜索速度,缩短搜索时间,总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史,并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结,并从移动机器人对环境掌握情况的角度出发,将移动机器人路径规划分成全局规划和局部规划两类,然后对全局规划和局部规划的相关算法进行综述,同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。     

滚动窗口局部路径规划在未知环境中的应用

为了实现未知复杂环境下机器人的局部路径规划,提出了一种新的局部路径规划方法,使机器人自主探测周边障碍物情况.通过滚动窗口计算局部目标等途径进行路径规划,从而实现机器人无碰撞到达全局目标点.该方法可以使机器人在未知复杂环境中较快较好地进行路径规划.仿真试验表明该方法具有可行性、有效性和实时性.     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

基于改进萤火虫算法的移动机器人多目标路径规划

针对复杂室内环境下移动机器人的路径规划问题,提出一种面向多目标同时优化的改进萤火虫算法;该算法利用栅格地图对机器人作业环境进行建模,将Pareto支配关系引入到萤火虫个体的亮度评价过程,构建精英库保留算法迭代过程中的Pareto非支配解,采用自适应网格划分策略维护种群的多样性;以路径长度、路径安全性和路径平滑度为目标进行运动路径的搜索与优化。仿真结果表明,与经典的带精英策略的非支配排序遗传算法相比,面向多目标同时优化的改进萤火虫算法求得Pareto非支配解集更优越。     

基于多行为融合的移动机器人路径规划方法

针对现有的移动机器人路径规划方法中存在的局部极小问题,提出了一种基于多行为融合的路径规划方法. 该方法定义3种机器人的基本行为并通过各行为间的切换完成路径规划任务. 其中,逃离局部极小行为利用尝试原则判断机器人是否落入局部极小陷阱,之后使用角度补偿原则逃离使机器人陷入局部极小陷阱的障碍物. 仿真结果和基于真实机器人平台的实验结果均证明本文方法较已有方法更具有可靠性以及适应性.      

基于人工势场法的移动机器人局部路径规划

在有障碍物的环境中进行局部路径规划时,传统的人工势场法存在局部极小点问题,导致移动机器人徘徊不前,无法到达目标点。为解决局部极小点问题提出了基于人工势场法的左转势场法和虚拟目标点法。左转势场法将处于局部极小点的移动机器人强制转向,跳出局部极小点;虚拟目标点法是当移动机器人处于局部极小点时在合适位置设置虚拟目标点,忽略目标点和障碍物对移动机器人的作用,使移动机器人转向,跳出局部极小点。经Matlab仿真证明,这两种方法均能绕开局部极小点,顺利到达目标点。     

基于改进人工势场法的移动机器人局部路径规划

为解决传统人工势场法在移动机器人局部路径规划中存在的缺陷,提高其路径规划的性能,提出了改进的人工势场法。将引力作用阈值引入引力势场函数,解决引力过大问题;在斥力势场函数中引入目标点与移动机器人之间的距离,解决目标不可达问题;根据环境复杂度,提出了自适应速度调节机制;针对局部极小值问题,分别提出了APF-v1和APF-v2两种构建虚拟目标点的方法,引导移动机器人走出陷阱区域。最后在ROS机器人操作系统中对改进的算法进行了对比实验,结果表明,改进的算法可以克服目标不可达、局部极小值等问题,并且在计算量、路径规划时间和步数等方面具有一定的优越性。     

基于几何和模糊控制合成算法的小型移动机器人局部路径规划

文章针对机器人特殊的使用场合和要求,提出了将几何算法和模糊控制算法相结合来解决避障问题。在机器人远离地面障碍物运动时,采用几何算法;当逐渐接近障碍物时,采用模糊控制算法修正。2种算法的结合,避免了单独使用其中一种算法的缺陷,使局部路径规划的速度大大提高,并且降低了对控制硬件的高要求。仿真和实验表明,这种新算法具有正确性、实时性和鲁棒性。     

基于粒子群算法的移动机器人全局路径规划策略

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量.     

基于混沌粒子群--专用遗传算法切换策略的移动机器人路径规划

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略。该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法。通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件。与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明：本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性。     

基于改进势场法的移动机器人避障路径规划

分析了机器人路径规划方法中的人工势场法的不足,提出了改进势场法.该方法改进了斥力函数,增加了安全距离并将障碍物的影响距离根据障碍物的密集程度设置成一个动态值,并解决了抖动问题.针对局部极小问题采用虚拟障碍的概念,虚拟障碍是靠近局部极小点,用于把机器人从局部极小点区域驱逐出去,从而脱离局部极小并成功绕过障碍物到达目标点.改进势场法成功地应用于未知复杂环境下移动机器人的路径规划中,仿真实验证明了该方法的正确性和有效性.     

基于分层模糊控制的移动机器人路径规划

针对移动机器人的路径规划中,应用模糊控制算法时模糊控制变量过多以及响应速度较慢等问题,简化模糊控制器与移动机器人本身的关系,设计出一种简单的双层模糊控制器实现算法,第一层模糊控制器以距离和方位角为输入量,转角为输出量;第二层以距离和转角为输入量,步长为输出量。解决了一般模糊控制器中规则库爆炸的问题,提高移动机器人路径规划算法的效率。经MATLAB仿真,证明算法有效性。     

移动机器人混合式全遍历覆盖路径规划算法

针对移动机器人在未知环境下的全遍历覆盖任务,将滚动规划与已知环境下的搜索策略相结合,设计了一种混合式的全遍历覆盖路径规划算法.对声纳传感器探测到的环境信息进行滚动规划,把未知区域转化为已知区域.在已知区域,采用有限状态机方式来组织全遍历覆盖路径规划算法,状态之间的转换通过二叉树搜索策略、目标栅格选取策略和两点法搜索策略来实现,并对算法进行仿真.结果表明,移动机器人能全遍历覆盖整个工作区域,重复率低,能有效提高工作效率.     

多约束条件下基于改进遗传算法的移动机器人路径规划

针对在多约束条件下移动机器人在路径规划中搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及困难度这3种因素的影响,通过分析多约束条件下遗传算法在初始化种群时计算方法的不足,提出利用SPS(surrounding point set)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力;增加平滑算子和删除算子,删除相对最终路径而言不必要的点,同时使路径更加平滑;结合小生境法以保持种群多样性,避免出现算法早熟现象.仿真结果表明,改进后的算法在路径长度,路径平滑度以及路径困难度方面均有一定的优势,同时算法的收敛速度也略有提高.     

自适应遗传算法在移动机器人路径规划中的应用

将一种自适应遗传算法应用于移动机器人路径规划.提出了一种基于几何避障法的初始种群产生算法;设计了基于启发式知识的交叉、变异、求精和删除算子;采用一种新的模糊逻辑控制算法自适应地调节交叉概率和变异概率;对移动机器人离线和在线规划问题进行了仿真研究.仿真结果表明:自适应遗传算法具有较快的搜索速度、较高的搜索质量以及较强的自适应能力,为移动机器人最优路径规划问题的解决提供了一种新方法.     

栅格编码新方法在机器人路径规划中的应用

基于遗传算法的移动机器人路径规划技术,提出了一种新的定长十进制路径编码机制.在对移动机器人的环境进行有效栅格剖分后,将障碍物表示为以栅格为基础的多边形,每个障碍物多边形的顶点对应于栅格线交点的惟一编号;随后将移动机器人的路径编码成以栅格地图上所有多边形有效顶点数之和为定长的十进制编码串,串中非零位上的十进制值对应着规划路径中途经障碍物多边形的顶点,各顶点在串中的顺序对应着其在规划路径中的顺序.所提出的编码方式拥有定长十进制编码机制通用性好的优点,并且基于此编码的遗传算法很容易克服路径规划算法中的障碍陷阱,使得路径规划算法更加简单有效,加快了遗传算法的收敛速度.