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。     

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。     

考虑能耗的多AGV系统路径冲突解决策略

针对多自动导航小车AGV系统路径规划中解决冲突时的部分耗电过快、能耗不平衡问题，课题组提出了一种基于能耗测算的AGV路径冲突解决策略优选方法。首先，对多AGV系统中各AGV的路径基于时间窗进行判定，在此基础上，建立了受负载和时间控制的能耗计算方法，并以系统能耗最低为目标构建AGV冲突消解模型；该模型在考虑AGV自身电量约束下预测各种消解措施下应对的能耗，最终优选出系统能耗最低的冲突解决策略；通过算例与传统冲突消解方式进行对比。研究结果表明：该解决策略可兼顾路径和系统能耗最优，完成任务的能耗较为均衡。该方法可以减少系统内的AGV的充电次数，提高多AGV系统的工作效率。     

基于RRT改进的路径规划算法

针对快速随机扩展树(RRT)的路径规划算法效率低且采样具有随机性等问题,提出了一种偏向目标点的新节点扩展方法。该方法将目标点引力、障碍物斥力以及随机点引力三力合一,并且添加了与障碍物距离相关的自适应函数,可自适应调节随机点引力与目标点引力在新节点扩展过程中的占比,与障碍物斥力共同使随机树避开障碍物更快地朝目标点扩展;同时针对规划路径过长的问题,提出了剪枝优化方法,进一步优化路径长度。在仿真实验中分别与传统RRT算法、基于P概率算法以及另两种已有改进方法比较,结果表明:所提方法在时间、路径长度以及路径节点个数均有明显优化。     

基于FIR滤波的拐角精确插补算法

刀具轨迹一般是由一系列直线（G01）或圆弧(G02)组成，为了实现路径之间的平滑转接和精确过渡，课题组提出了基于有限脉冲响应（FIR）的连续拐角精确插补算法。该算法利用FIR滤波器对速度脉冲进行滤波，生成刀具的拐角轨迹，通过调节滤波器重叠时间，精确控制拐角轮廓误差，利用过滤后脉冲生成加速度曲线的频谱，加速度曲线可以避免不必要的残余振动。通过实验与传统点对点（p2p）插补算法进行对比，课题组提出的算法加工时间减少了14.6%，加工效率明显提高。     

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。     

基于智能仓储的AGV道路识别系统

针对AGV在执行路径过程中出现位置错误或偏离道路的情况，课题组提出了一套利用激光雷达探测反光板的道路识别方案。介绍了基于智能仓储拓扑图的反光板布设方式；设计了基于数学几何知识的AGV动态识别位置信息的方案；设计了在不同地图属性条件下基于限幅或PID调节的道路修正的方案，防止AGV行进过程中偏离理想道路。应用结果表明：本设计具有较快的位置信息获取速度和错误位置信息处理能力；运行过程中能够较稳定地行走在规划路径中心位置，在阳光等干扰因素存在条件下依然可以保持优良的鲁棒性。该研究使用反光板能大幅提高激光雷达位置计算速度，在车身存在机械误差条件下，通过修正算法能够保证小车稳定行驶在道路的理想位置。     

冗余度机器人的运动规划碰撞算法

在考虑了操作机的关节极限、自碰撞和静态障碍物的情况下,从给定的初始位形出发,发现一条到末端效应器目标位置和姿态的相连可到达路径。方法给出了机器人操作机点到点逆运动学问题求解算法,利用碰撞算法实现了冗余度机器人运动规划,仿真验证了该方法的有效性,并表明了该方法具有较大的实用价值。     

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。     

B样条曲线下的MPC轨迹重规划算法

为加强无人驾驶车辆在复杂环境道路上行驶的平滑性,减少车辆的抖振,提高乘坐舒适性,提出了一种基于B样条曲线的MPC轨迹重规划算法。该算法将B样条曲线与MPC轨迹重规划算法进行有效结合,利用B样条曲线局部性和凸包性的优势,对重规划算法规划出的离散点进行拟合,提高规划路径的平滑性。基于Matlab/CarSim进行联合仿真,对建立的轨迹重规划模型及控制模型进行双移线工况下的仿真验证。结果表明:相比于不加平滑算法的规划轨迹,双移线工况下,多项式拟合曲线规划出的路径侧向最大加速度和横摆角速度分别降低了56. 01%和60. 52%,B样条曲线降低了77. 08%和68. 55%,验证了算法的正确性和有效性。