基于自适应目标偏置系数的机械臂路径规划算法

针对快速搜索随机树（RRT）算法因其随机特性导致的运行时间过长和计算结果往往不是最优解的问题，在RRT算法及其改进算法的基础上，课题组提出了一种基于自适应目标偏置系数的机械臂路径规划算法，并将该算法应用到医疗设备无影灯的使用中。首先，用D H参数法对6自由度机械臂进行运动学描述和正运动学求解，得到末端的运动状态和位姿；然后，综合RRT算法及其改进算法的优点拓展新节点和重置父节点，并引入自适应目标偏置系数,再对路径作剪枝后处理。对比实验结果显示：该方法在保证算法搜索效率的基础上，有效地提高了路径质量。基于ROS的仿真平台验证了该方法具有实用性和可行性。     

改进A的4阶贝塞尔曲线路径规划

自动引导车（AGV）路径规划时，传统的A算法存在应对障碍物时生成路径平滑度低、累计折角多、易碰撞等问题，课题组提出一种利用Bezier曲线与A算法相结合的路径优化算法。首先利用A算法在有障碍物的栅格地图上规划出最短路径，找出路径转弯处的特征点；然后利用4阶Bezier曲线在2个特征点生成一条满足安全避障距离、具有一定曲率、路径相对更短的Bezier曲线；最后结合A算法生成的直线和Bezier曲线得到一条新的无碰撞曲线。试验结果表明在2种不同的障碍物密度下，课题组提出的新算法比传统A算法路径长度平均减少5.5%、转弯角度平均减少654%、碰撞次数平均减少100%。新算法法使AGV路径规划可减少路径长度和转弯角度，提高了AGV的工作效率和安全性能。     

基于模糊人工势场的移动机器人路径规划

针对在传统的人工势场法中对机器人进行路径规划时,容易产生局部极小点问题,提出了一种模糊人工势场方法.对排斥力函数作了改进,引入了障碍物对机器人影响大小的斥力增益系数,通过构建的模糊系统,动态地调节斥力增益系数,从而有效地克服了局部极小点问题.仿真结果表明,该方法具有较强的环境适应能力,能够快速有效地规划出一条光滑的路径.     

基于改进AWA~*算法的智能车辆全局路径规划研究

针对目前智能车辆中AWA~*算法规划在较短时间内无法提高路径质量的问题,提出了一种可在较短时间内快速提高路径精度的优化AWA~*算法。在原有AWA~*算法的估价函数下引入了动态优化因子ε~*,建立了新型的估价函数,设计了新的启发式能耗预估代价,证明了所提出的启发式预估代价满足可采纳性和一致性,确保了优化AWA~*算法可在较短时间内获得更优路径。同时进行了路径规划耗时误差仿真实验,验证了优化AWA~*算法在面对复杂环境地图时搜索耗时误差具有一定局限性,在此基础上进行了低百分比和高百分比障碍物环境地图普适性仿真实验,对比分析了优化AWA~*算法与传统AWA~*算法的扩展节点数目、耗时情况和路径精度。仿真实验结果表明:在全局工况下,相比于AWA~*算法,优化AWA~*算法可在更短时间内提高规划的路径质量,尤其是在低百分比障碍物地图下,效果更为明显。     

基于一种改进A~*算法的移动机器人路径规划研究

针对在栅格地图中移动机器人规划路径问题,传统A~*算法容易忽略机器人实际大小,生成的路径存在与障碍物发生碰撞的可能性,提出一种拓展节点障碍物矩阵的方法。在设定机器人投影和每一个栅格大小比例关系的基础上,将每一个栅格拓展为n阶障碍物矩阵,针对栅格存在部分障碍物的情况对邻域搜索方式进行改进以提高生成路径的合理性。同时针对在复杂地形(如山地)条件下生成路径较陡峭的问题通过引入坡度信息改进代价函数计算方式,使路径更平缓。仿真结果表明:改进A~*算法能够通过拓展节点障碍物邻域的方法有效避免与障碍物发生碰撞,在复杂地形条件下生成的路径也更为合理。     

一种改进A~*算法在智能车中的应用研究

在智能车的自主导航中,要求规划模块在满足一定限制条件下,生成符合智能车运动特性的路径。而传统A~*算法存在着路径点不平滑,路径点紧挨障碍物和起始时刻路径不合理的问题。为了解决传统A~*算法所存在的问题,首先建立了车辆运动学模型并得到约束条件,同时将方向代价和自适应障碍物惩罚代价加入评价函数中;然后用车辆约束条件优化启发函数和路径优化模块;最后通过自由边界三次插值算法拟合转折点,使A~*算法规划的路径能够更好地被跟踪。通过实验分析可知:相比于传统A~*算法,改进A~*算法规划的路径更适用于实际车辆的运动控制。     

改进蚁群算法在灭火机器人路径规划中的应用

提出了一种改进的蚁群算法应用于灭火机器人路径规划。该算法利用自适应更新的策略设计出最佳避障路径,建立了简洁明了的蚁群优化算法,从而对灭火机器人行走路径进行了优化处理。该方法不仅使灭火机器人在未知环境寻找火源过程中能够有效避开障碍物,而且能使机器人行走路径最短,所用时间最少。经仿真和实物机器人实验证明了该算法的可靠性和有效性。     

基于遗传模糊算法爬壁机器人避障仿真研究

为解决爬壁机器人壁面作业过程中的避障问题,课题组提出了基于遗传算法优化的模糊控制算法。首先,建立了爬壁机器人在壁面的运动模型,求解出机器人运动学方程;利用平面栅格的方式进行描述机器人运动路径的规划;采用遗传算法对爬壁机器人模糊避障控制进行优化,并给出具体优化步骤。利用MATLAB进行仿真实验,仿真结果表明：与遗传算法进行比较,基于遗传算法优化的模糊控制在准确避开障碍物的前提下,能够更好地跟踪起点和目标点的连线,并规划出从起始点到目标点之间更短的路径。     

IP网络弹性路由层拓扑生成优化算法

针对弹性路由层快速重路由技术存在的重路由路径偏长的问题,提出了一种基于单亲遗传算法的弹性路由拓扑子层生成算法。介绍了弹性路由层基本原理,给出了弹性路由层的矩阵表示定义,分别建立了以平均最短重路由路径长度和重要度加权的最短重路由路径长度为优化目的的弹性路由层生成数学规划模型,给出了单亲遗传算法求解该优化问题的方法步骤。实验结果表明,优化算法可以得到最佳的弹性路由层拓扑结构,与Minimum算法、Rich算法相比,明显缩短了重路由路径长度,提高了流量转发效率。     

室内移动机器人搜索人的算法设计

针对室内环境中经常出现的移动机器人搜索人的问题,设计并实现了一种在栅格地图基础上基于改进的遗传算法和A*算法进行路径规划的算法。移动机器人采用开源机器人操作系统（ROS）框架,在SLAM的基础上完成机器人自定位以及校准、路径规划和导航。对室内环境栅格地图应用单元分割法得到一系列以障碍物分割开的子区域,应用遗传算法规划最优的区域间转移序列,同时使用A*算法进行两点之间的导航规划。仿真与实验结果证明：该算法可以在已知的室内环境中提供最优化的搜索路径,在短时间内完成找到人的任务。     

基于图搜索和几何曲线的自主代客泊车路径规划

针对自主代客泊车系统的路径规划问题,提出了一种基于有向图搜索和几何曲线的自主泊车路径规划算法。提出了一种基于广义维诺图的有向混合A~*全局路径规划算法,准确有效地生成一条从停车场入口到达泊车起始点的无碰撞路径。采用改进的C型垂直停车路径规划算法生成局部泊车路径。通过Matlab和CarSim联合仿真及实车试验证明了该算法的有效性和实用性。试验结果表明：与Hybrid A~*算法相比,提出的全局路径规划算法在生成可行路径时,所需时间更短,避障性更好。该自主代客泊车路径规划算法,路径跟踪效果较好,能够有效可靠地实现自主泊车目标。     

多移动机器人3阶段解耦路径规划

针对多移动机器人集群在路径决策时任务执行时间过长、容易陷入死锁等问题，课题组提出了一种3阶段解耦路径规划方法。利用栅格法建立二维环境模型，首先以传统蚁群算法为基础，引入参数自适应机制和路径指引函数，提高算法的收敛速度；其次将多机器人集群路径规划分为3个阶段，提前预判出冲突路段，减少机器人的等待时间和绕行距离；最后利用MATLAB软件进行仿真实验。仿真结果表明：使用改进后的蚁群算法进行路径规划最优路径长度减少了5.5%，算法的收敛速度提升了近50%；在不同的栅格环境下，可以有效地预测和消解多机器人间的冲突。该研究为多机器人的路径规划提供了一种新的方法。     

取档机器人路径规划的改进Dijkstra算法

档案库取档机器人在使用传统Dijkstra算法进行路径规划时,存在无法筛选出拐弯数最少、经过节点数最少的最短路径等缺 点,提出了一种改进型的Dijkstra算法。首先针对档案库平面布局建立基于拓扑法的电子地图;然后根据任务需求,建立最短路径搜索数学模型;采用Dijkstra算法 并结合深度优先遍历算法筛选出任意2个节点间的所有最短路径,并找出花费代价最小的路径。最后对改进的算法进行仿真实验,结果表明,改进后的Dijkstra算法 可以有效地提高取档机器人的运行效率,可以用最小的行驶代价到达目标点。     

区域快速优化下的无人机在线轨迹规划方法

针对传统基于梯度的规划方法需预先构建欧式符号距离场(euclidean signed distance field, ESDF)导致障碍物信息冗余度高、规划效率受限问题,提出了一种基于区域快速优化的实时轨迹规划方法。所提方法设计碰撞控制点替换策略用于加快碰撞区域的轨迹优化收敛速度从而降低轨迹规划时间,并定义提取与轨迹规划相关的局部障碍物信息方法,避免构建ESDF过程,从而提高规划效率;之后考虑轨迹安全性、平滑性及动态可行性,建立多目标优化函数,进一步优化轨迹。仿真实验表明,该方法可有效实现无人机在线轨迹规划,且与前沿方法相比,轨迹规划时间平均缩短了36.1%,轨迹优化收敛速度平均提高了33.1%,实现了更高效的规划。     

基于分支定界法的多资源约束下项目进度规划

基于分支定界法的思想提出了一种新的精确求解多资源约束下项目进度规划问题的最优化算法。首先依据网络图中活动的逻辑关系和资源约束进行分支构建搜索树,然后通过基于广探法思想提出的优选原则对搜索树中的分支节点进行分析比较,淘汰劣解进一步缩小搜索空间并提高求解效率,最终可获得最优解。最后通过实例进行分析表明算法在求解多资源约束条件下项目进度规划问题的有效性,同时对于资源平衡优化问题以及合理权衡项目竣工时间与资源配置两者之间关系都有一定的现实指导意义。     

基于LabVIEW和单线激光雷达的障碍物识别算法研究

为实现对动态障碍物的检测和跟踪,提出一种基于LabVIEW和单线激光雷达自主动态障碍物的检测方法。通过改进的DBSCAN自适应动态阈值算法对雷达点云进行聚类,使用最近邻算法的思想进行连续两帧雷达点云的数据关联,采用卡尔曼滤波对障碍物轨迹进行跟踪。实验结果表明:在低速驾驶的条件下,该方法能够有效识别车辆前方30 m的移动障碍物并检测其位置和速度。     

基于OFDM信号的自适应水声信道估计算法

建立适用于OFDM水声通信信号的信道估计模型,对MP算法进行改进,引入路径门限调整机制克服虚假路径造成的不良影响,通过重要路径权系数的迭代修正降低非正交性引入的估计误差,以较小计算量取得了与OMP算法相当的估计精度;针对传统信道估计算法对信道长度信息的依赖问题,提出了一种信道长度自适应信道估计算法,该算法能够对信道估计质量进行实时评价,并根据评价结果实现信道估计算法预估信道长度的自适应调整,满足未知水声信道精确估计及通信应用的需要;基于OFDM导频元素个数与信道估计效果的关系研究,提出了OFDM导频序列自调整的通信方案,以较小的带宽损失保证了可靠的水声通信。通过仿真和实地试验,验证了该文研究内容的有效性。     

改进离散人工蜂群算法规划异形满版服饰图案切割路径

服饰图案切割路径规划是服饰图案自动切割技术的关键部分之一。文中用改进的离散人工蜂群算法实现了激 光切割系统对异形满版服饰图案的切割工艺路径规划优化。首先,把满版服饰图案激光切割路径规划转化为广义旅行 商问题求解,证明了路径规划转化成普通TSP问题比转化成第一类广义TSP问题更为有效,并给出了路径规划中“图案 始切割点”的优化选择方法。然后结合部分匹配交叉和启发式变异搜索方法的人工蜂群算法求解TSP问题,证明了与 A*算法及遗传算法相比,该方法更为优越。并且该方法已应用于激光切割机切割异形满版服饰图案路径规划的生产实 践,运行可靠,比未规划时的工艺路线平均提高效率33.7%。该方法提供了一种解决TSP问题的新方法,具有一定的理 论意义和价值     

基于模糊c均值聚类的社团结构探测新方法

通过对社团结构定义的研究,提出了一种基于模糊c均值聚类算法的网络社团探测新方法.利用网络节点间的最短路径长度、Person相关系数方法及平方法构造了节点间的相关度等价矩阵,从而将社团发现问题转换成节点的聚类问题.在此基础上,应用模糊c均值聚类算法以及网络划分形式对应的模块度来确定最优的社团结构,最后利用Zachary空手道俱乐部网络和Dolphin网络这两个经典模型验证了该算法的可行性.     

基于改进深度强化学习的自动泊车路径规划

提出一种基于深度强化学习的运动规划方法,以车辆位姿、方向盘转角和与障碍物的最小距离作为状态,以目标方向盘转角作为动作,通过Pytorch搭建了基于深度强化学习的泊车算法框架。设计基于引导的奖励函数以避免奖励稀疏问题;以回合平均奖励作为优先级,将经验池改进为基于优先队列对样本进行存储和淘汰;针对泊车问题,提出了基于课程学习的分阶段训练方法,加速算法收敛。仿真结果表明:提出的算法较原始算法收敛速度提高25%,完成训练的智能体具有较强的规划能力和健壮性,规划成功率达到90.6%,同时具有良好的舒适性和安全性。