基于改进人工势场法的路径规划决策一体化算法研究

车辆路径规划与决策算法是无人驾驶汽车的重要研究方向之一。现有的路径规划与路径跟踪决策算法中规划层与决策层存在时滞现象,往往会引起检测信息与真实行驶环境信息的偏差,使得规划的局部路径不能反映当前真实状态,是无人驾驶汽车安全行驶的不稳定因素。本文综合考虑了环境交通参与者与车辆自身运动学特征,建立了横纵向安全模型,对车辆目前行驶环境的风险特征进行了综合评估。在行驶环境特征与车辆动力学特征的基础上对传统人工势场法进行了改进,设计了基于虚拟力的局部路径规划与控制决策一体化算法,提升了算法在复杂动态环境下控制的可靠性。最后,利用Carsim/Simulink建立了联合仿真环境,分别对传统路径规划算法、路径跟踪算法与本文提出的路径决策规划一体化算法在典型工况下进行仿真。仿真结果表明,该算法能减小路径规划决策环节的时滞影响,为复杂动态环境下的无人驾驶车辆提供更加合理的控制方法。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

基于避圈法的无人机协同工作优化问题

针对多无人机协同工作的航线规划问题要求,运用不同算法,采用多种约束条件设计出合适的方案。利用避圈法求对每一目标群进行对目标侦查的最短路径,以不少于10个目标群的约束条件下,得出10个目标群内部的最短侦查路径及侦查顺序,利用退火算法得出各目标群及其内部的最短路径。设计出对所有目标的侦查方案,使得侦查无人机滞留防御方雷达区时长最短,并提出实际应用中较可行性的方案。     

带农具拖拉机地头转弯最佳路径设计

拖拉机在进行田间作业时,其自动行驶控制主要包含轨道设计和沿着所给轨道行驶的追踪控制两个方面.本研究采用最优控制理论,设计了带农具拖拉机利用前进挡工作时进行地头转弯的最佳路径.程序运行结果表明,其计算时间短,能够保证拖拉机自动行驶控制时的实时控制.     

基于遗传算法的无人机多目标路径规划

研究了无人机在抢险救灾中的应用,通过构建路径规划模型来求解最优路径,模型以整个无人机飞行路径距离最短为目标,利用遗传算法对路径方案进行迭代优化,利用适应度函数在迭代过程中更新种群个体,使得算法能够趋向最优解,同时利用遗传变异操作防止算法陷入局部最优解。利用MATLAB对算法进行计算,并通过随机个体比较对方案进行了验证。案例结果表明:该模型能够在较短时间内得到最优解,提高了无人机的工作效率,为抢险救灾争取到了宝贵的时间。     

基于激光导航设施的收割机自动控制系统研究

针对无人驾驶农机的应用需求,提出了一种应用于无人驾驶农机自主行走的激光扫描路径规划与导航算法。此方法利用激光测距仪获取当前视场内路径、作物及障碍物信息,根据田垄和作物区域的特征检测路径边缘,并生成行驶路径。为了保证导航精度,在控制器上采用了PID反馈调节方式,利用增量式PID控制器对行走方向进行调节,从而使农机可以按照预定的路径行走。以无人驾驶收割机为研究对象,对导航方案进行了测试,结果表明:采用激光导航设置可以成功地规划出行驶路径,使收割机自主的沿着行驶路径行走,实现了无人驾驶收割机的自主导航。     

自动导航拖拉机田间作业路径规划与应用试验

为了实现自动导航拖拉机田间作业的全区域覆盖路径规划,提出基于全排列算法获得转弯耗时最短的路径规划方案。为此,将农田地块划分为直线作业区域和地头转弯区域,在地头转弯区域内建立了拖拉机沿弓形和鱼尾形转弯路径行驶的轨迹解析模型,计算得到地头转弯区域所需的最小宽度及转弯所消耗的时间。在直线作业区域内,根据转弯次数最少来确定直线作业路径在田间的相对方向,生成相应的直线路径簇。根据对两块典型农田地块田间作业路径规划试验,得到了直线作业路径遍历顺序的一般规律。试验表明:这两块农田的路径规划方案中转弯路径的耗时较梭形行走、离心行走及向心行走方式至少减少了51%。     

基于激光雷达自导航的AGV系统设计

鉴于广泛应用的自动导航车大多是传统导航方法,本文基于思岚科技生产的RPLidar A2激光雷达对AGV平台车进行路径规划研究。采用基于ARM和linux操作系统的树莓派卡片式电脑作为核心控制器,实现激光配搭平面点云动态实时数据采集;并对采集到的数据进行阈值滤波以及导航特征点提取,基于采用最小二乘法直线路径拟合方法对特征点中点进行导航线的拟合,获取导航偏距及航偏角参数。最后,以导航偏距以及航偏角作为AGV小车的运动控制输入,采用比例微分PD算法对AGV平台车电机进行速度控制,实现对拟合路径的跟踪。实验结果表明,基于激光雷达的AGV能够实现自主路径规划与导航。     

农机路径三维建模和导航研究——基于嵌入式平台和ArcGIS

为了提高农机的自动导航水平,简化底层软件和硬件系统,提高控制系统的逻辑运算和控制能力,将嵌入式系统引入到导航系统的设计上,并提出了基于ArcGIS和快速扩展随机树(RRT)的路径空间建模和规划算法,实现了农机的自动路径规划和导航。为了验证该方案的可行性,以无人驾驶拖拉机为测试对象,采用ArcGIS软件和RRT算法对路径进行了测试。结果表明:该方案可以快速地规划出拖拉机初始位置到目标位置的路径,且规划的最短路径和实际最短路径基本吻合,从而验证了方案的可行性和可靠性。     

轮式AGV沿葡萄园垄道行驶避障导航算法与模拟试验

针对轮式AGV沿葡萄园垄道循迹受到障碍物阻碍的问题,应用滚动优化原理提出了基于超声波测距与航向角检测的AGV防碰避障导航算法。采用交叉布置的8路超声波传感器检测垄道边界与障碍物,提出了同一障碍物匹配与类型判据及动态障碍物轨迹预测模型。以AGV横向位置偏差和航向偏角作为模糊控制器输入,获得AGV前轮期望导向角,为AGV绕行障碍物提供参考航向角。基于滚动优化原理提出了调节绕行偏角和调节车速的避障导航策略,设计了AGV绕行静态障碍物、减速或停车避让动态障碍物的导航算法。试验系统的上位机采用Lab VIEW开发的避障导航算法程序,实时将导航数据发送到下位机PLC来控制AGV转向。模拟试验结果表明,该导航算法实现AGV沿垄道预设路径纠偏行驶的同时,可导引AGV避免与垄道上的障碍物发生碰撞,验证了防碰避障导航算法的有效性,可为无人化轮式拖拉机等前轮导向车辆沿垄道循迹的防碰预警与避障技术提供参考。     

基于改进A*算法的地下无人铲运机导航路径规划

提出一种基于改进A*算法的铰接式地下铲运机导航路径规划方法。针对地下铲运机的铰接结构,采用按铰接角扩展节点的方法,使扩展节点符合铲运机的轨迹特性;针对巷道狭窄,易于发生碰撞的问题,在估价函数中引入了碰撞威胁代价,避免铲运机与巷道壁发生碰撞。通过仿真试验分析比较了传统A*算法和所提出的改进A*算法的搜索性能,验证了改进A*算法可提高搜索效率。通过多组试验参数比较表明,当碰撞代价加权系数为0.2时,可以得到在避免碰撞情况下的最短路径。最后在实验室环境下实现了无人铲运机的路径规划及轨迹跟踪。跟踪结果表明,采用所提出的算法规划的导航路径,符合铲运机的结构特性,使跟踪误差保持在0.2 m之内,同时也可使铲运机不与巷道发生碰撞,实现安全行驶,验证了所提方法的可行性和实用性。     

基于有效拐点和最短最小路径的蚁群路径规划方法

为了提高蚁群算法路径寻优的收敛精度和收敛速度,提出一种基于有效拐点的栅格图和基于最短距离最小步数路径（最短最小路径）的蚁群算法,用于搜索地面移动机器人从起点到终点的最短路径。在标准蚁群算法路径规划中,蚂蚁的搜索方式是有限方向有限邻域,本文采取无限邻域的搜索方式,可取捷径搜索任何可直通的栅格点,并提出有效拐点的概念,减小了单步搜索量。提出最短最小路径的概念,并用其取代欧氏距离作为启发值,提高了启发值的准确度和可靠性,同时用起点到终点的最短最小距离指导信息素更新,提高了蚁群算法迭代的质量。最后,在不同规模、不同障碍比例的栅格地图环境下进行实验,结果表明用最短最小路径距离取代欧氏距离的合理性,并验证了本文方法可以在降低计算量的同时,以更快的收敛速度搜索到距离更短、步数更少的路径。     

基于自适应蚁群算法的农用智能机器人路径规划

针对田间农用智能机器人路径规划问题,结合蚁群算法特点,提出一种基于自适应蚁群算法的路径规划方法,目的是在信息采集、田间巡检、果蔬采摘及作物搬运等操作中,利用所提方法为农用智能机器人搜索出一条距离最短的优化路径,确保其能沿着该优化路径顺利达到指定作物种植区,完成指定工作任务。该方法通过引入自适应调整信息素挥发系数、更改信息素更新机制和限定信息素阈值等策略,对传统蚁群算法进行了优化改进。仿真结果显示,在100 m×100 m作物种植区模型内,改进算法能有效解决农用智能机器人路径规划问题;改进算法规划的最佳路径长度较传统蚁群算法和禁忌搜索算法分别减少3.745 1 m和16.387 6 m;改进算法规划最佳路径所需程序迭代次数较传统蚁群算法和禁忌搜索算法分别减少13代和31代,结果表明,与传统蚁群算法和禁忌搜索算法相比,改进算法具有较强的全局搜索能力和较好的收敛性能。     

基于改进动态规划算法的果园移动机器人路径规划

首先，根据果园移动机器人自身运行特性和果园环境，建立了环境模型；然后，阐述了改进动态规划算法原理；最后，基于改进动态规划算法实现了果园移动机器人的动态路径规划和避障。仿真实验表明：果园移动机器人顺利实现了从起点到终点的无碰撞移动作业，且行走路径最短、转弯数最少，表明算法系统在复杂的动态环境下仍能实现路径规划功能。     

拖拉机行驶路径的多项式设计

车辆的自动行驶控制主要包括轨道设计和沿着所给轨道行驶的追踪控制两个方面。为此，采用多项式函数进行了拖拉机从起始位置向目标位置行驶的行驶路径设计。其优点是：计算时问短，能够保证拖拉机自动行驶控制时的实时控制；转向角函数具有高阶连续可导函数，便于实现连续和平滑控制。     

Multi-Bug全局路径规划算法研究

提出一种基于Multi-Bug思想的非搜索全局路径规划算法。在Multi-Bug算法中,借用传统Bug算法的寻路逻辑,加入遇到障碍物时的爬虫分裂规则及爬虫死亡条件判断规则,直至其中一只爬虫以相对最优路径抵达终点,从而实现多路径并行运算的局部最优寻路策略。利用栅格法对多类障碍物、迷宫类地图等环境进行建模,并与Dist-Bug算法、RRT*和A*算法进行路径长度及运算时间的对比仿真实验,结果表明,采用Multi-Bug算法获得的路径长度和用时都表现得更加稳定;与获得最短路径的A*算法相比,Multi-Bug算法获得的平均路径长度仅增加了16. 8%,平均用时减少了86. 5%。经理论分析及仿真验证,Multi-Bug算法时间复杂度为O(n),具有路径较短、时效性强、算法通用性和稳定性好的路径规划性能。     

基于多约束条件的果园喷雾机器人路径规划方法

果园喷雾机器人路径轨迹规划影响机器人行驶路线的平滑线和行驶过程的可靠性和平稳性。针对目前果园喷雾机器人路径规划中存在的转弯处参考轨迹不够平滑、曲率较大、行驶不平稳等问题,提出了一种基于果园喷雾机器人运动学多约束条件的三次非均匀B样条曲线果园喷雾机器人轨迹优化方法。通过先验地图获取树行位置信息对行间路径点进行拟合处理,保证果园喷雾机器人行驶在树行中心线上符合喷雾作业要求,综合考虑最小转弯半径、首末端点约束、转向机构延迟约束、曲率连续等多约束条件构建路径曲率最小化目标函数,并通过最优化算法求解待优化的曲线参数,生成符合果园喷雾机器人行驶要求的全局路径,最后采用纯跟踪算法进行跟踪试验来验证机器人行驶精度。仿真与试验结果表明,规划生成轨迹的最大曲率为0.31m-1,平均曲率为0.15m-1,符合果园喷雾机器人的行驶要求;针对该轨迹跟踪行驶的平均横向误差为0.225m,标准差为0.031m,满足果园喷雾机器人在果园内喷雾作业时对行驶精度的要求。     

基于蚁群算法的移动机器人全局路径规划方法研究

依据蚁群算法的特点,对移动机器人的全局路径规划方法进行了研究。采用栅格法描述移动机器人的环境信息,仿真分析了蚁群算法的主要参数如蚁群数量m、启发因子α、期望启发因子β和信息素挥发系数ρ等对规划路径的长度和路径规划效率的影响。研究结果表明,当算法的参数匹配时,获得的规划路径不仅长度短,且路径规划效率高。通过仿真找到了最佳匹配参数组。基于仿真结果,对工作在不同环境下的移动机器人进行了全局路径规划仿真实验,研究结果验证了蚁群算法最佳匹配参数组的准确性。     

无人驾驶汽车路径规划仿真分析

本文介绍了应用于无人驾驶汽车路径规划中全局路径规划的A*算法,从规划结果出发,分析传统A*的缺陷,并提出16邻域改进算法。为提高规划效率,减少路径规划时间提出双向16邻域改进算法。并与24邻域及48邻域算法进行比较,模拟仿真实验显示,改进后的双向16邻域算法在规划空间和搜索效率均为最优,双向搜索16邻域算法规划的路径转角少,平顺性好,规划时间短,规划效率高。     

基于蚁群算法与参数迁移的机器人三维路径规划方法

为解决机器人进行三维路径规划时路径规划效率受算法影响较大的问题,以最短距离为目的,提出了一种基于蚁群算法参数迁移的机器人三维路径规划方法。在使用栅格法建立的机器人三维环境模型中,使用蚁群算法寻找最短路径。针对蚁群算法的参数选择问题,使用参数迁移算法得到最优参数。将已知的环境模型和其对应的蚁群最优参数作为源任务,将源任务映射到高维空间,通过迁移参数连接不同源任务,根据图论的知识建立参数迁移图,将参数迁移图扩展,使其包含目标任务,为随机未知环境模型分配一组蚁群最优参数。仿真实验表明,基于参数迁移的蚁群算法可以快速有效地完成机器人三维路径规划。相比传统的参数选择方法和其他智能优化方法,蚁群参数迁移算法可以大幅减少路径规划所需时间,提高了路径规划效率。