基于DEA的二阶段网络系统的固定成本分摊方法

针对传统人工势场法在智能车辆局部路径规划中未充分考虑车辆动力学和运动学约束的不足，提出一种基于动态虚拟障碍物的局部路径规划方法.首先根据环境、车辆运行状态和道路交通规则分析车辆行驶安全性并获得虚拟车道线的解析表达，再进行车辆驾驶行为决策并生成受约束的动态虚拟障碍物，最后采用考虑动力学和运动学约束的改进人工势场法进行局部路径规划.仿真实验表明，该方法在保证动力学和运动学约束的前提下，能够在不同初始速度、相对速度和相对距离工况下获得较好的规划性能.     

基于小区育种路径自对齐的小麦小区播种机改进

育种专家在进行小麦小区育种时,需要精准地对播种区域进行划分。但传统小麦小区播种机在播种过程中,各小区各行无法精准对齐,导致育种区域混乱,影响育种效果。为了解决小麦小区播种路径精准对齐的问题,本文在长期实验的基础上,将北斗卫星定位与小麦小区育种相结合。首先,获取播种机经纬度,通过建立相对坐标系,构建播种机的小区路径模型,得到规划的路径,取代了传统人工画线的过程。使用本文提出的方法进行小麦小区播种,在5 cm的误差范围内,播种准确度提高了32%。同时,考虑到农田作业环境复杂和人工驾驶的能力有限,北斗卫星定位本身也存在厘米级的误差,为了进一步提高小区路径规划的精准度,本文提出了一种算数平均值滤波与卡尔曼滤波相融合的算法,在相对坐标系下,对基准路径的斜率值进行迭代递推处理。经实验,使用算数平均值滤波与卡尔曼滤波相融合的算法,能有效地对实际计算的斜率值进行修正,最小的修正幅度为20.1%,最大的修正幅度达到4 871.4%。本文研究结果可为北斗卫星定位在小区播种机路径精准规划提供参考。     

中国企业对美直接投资方式选择的实证研究

路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图,引入多目标优化变量,建立路网模型;然后在启发式搜索基础上引入增量搜索,结合全局规划和局部动态重规划,实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.     

基于Fast Marching方法的多目标点路径规划的研究

目前,水下自主机器鱼已经被应用于对水域多个目标点依次进行水质监测,因此有必要研究多个目标点的路径规划。针对遍历多个目标点的路径规划问题,提出一种Multi-Direction Fast Marching（MDFM）方法和遗传算法相结合的路径规划方法。该方法首先使用MDFM方法对工作站和多个目标点两两之间进行路径规划,然后使用遗传算法规划出遍历所有点的最短路径,最后通过仿真实验验证算法的可行性。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径, 构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

名优茶采摘机器人路径规划

提出一种直角坐标系双机械手名优茶采摘机器人。采用积分求和方法,按茶叶个数相等原则将采摘区域按左右两矩形区分配给2个机械手。使用蚁群算法进行机械手的采摘路径规划。以总采摘区域的路径半程作为目标,分别进行了2区和将2区再划分为4区的采摘路径规划和优化。为避免采摘过程中2个机械手的干涉,将每个机械手采摘区域分为2区,并约束各运动路径左下角处茶叶为采摘起点。计算结果表明,使每个机械手按"M"型路线采摘,具有较好效果。改变自适应调节信息素浓度值和迭代终止条件,可改善基本蚁群算法搜索时间较长和易陷入局部最优的缺陷,并提高全局搜索能力和计算效率。仿真结果表明提出的采摘策略和规划路径可提高名优茶采摘效率。     

基于改进人工势场法的车辆路径规划与跟踪

为保证智能车辆在转向避撞过程中的主动安全性,基于改进的人工势能场模型进行了转向避撞路径规划,利用椭圆化距离代替传统斥力势场中的实际距离,同时,引入道路边界斥力场模型,从而在较小车道空间内获得汽车避撞局部路径.另外,建立了以前轮转角为控制变量的三自由度车辆动力学模型,并利用模型预测控制算法对规划路径进行了跟踪.CarSim/Simulink联合仿真结果表明,利用改进的人工势场法可获得平顺且安全的局部避撞路径,而提出的模型预测控制算法具有良好的路径跟踪性能.     

果园割草机器人路径规划与轨迹跟踪控制研究

以果园割草机器人为研究对象,设计了一种区域化往复式全覆盖路径规划策略,提出了基于横向偏差修正算法的轨迹跟踪控制方法,进行了路径规划与轨迹跟踪仿真试验。研究结果表明:与传统往复式路径规划方法相比,区域化往复式方法的漏割率降低了2.3%,重复率降低了1.7%;与传统纯跟踪算法相比,改进纯跟踪算法转角范围增宽了0.2rad,横向误差降低了0.063m,有效降低了跟踪误差。     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

基于空间映射的山地移动机器人环境建模方法

针对山地环境的特殊性,提出了一种基于空间映射的环境建模方法.通过离散化和空间映射,将三维曲面模型转化为由点集和点距集构成的二维平面模型,从而使三维路径规划问题降维成二维平面路径规划问题;同时,在点距集的生成过程中,利用目标函数来构造相应的点距函数,以使所建环境模型可适用于不同目标下的路径规划任务;最后,在MATLAB中利用蚁群算法对所建环境模型进行路径规划仿真实验,验证了该方法的可行性与通用性,同时将该方法与传统的栅格法和高程建模法进行对比,验证了该方法的优越性.     

基于IGWO-A~*算法的无人机农田喷洒航迹规划

目前无人机已经在农业领域逐步应用,在精量播种、农药喷洒、植被检测等不同类型的农业航空作业中有着广泛的应用,采用无人机进行农药喷洒已经成为农业植保过程中的一项重要任务。多喷洒点遍历及障碍物避障的航迹规划问题,影响着无人机喷洒作业的效率。如何规划无人机喷洒作业点的顺序及低空作业避障问题在农田喷洒任务中受到了广泛的关注。使用传统灰狼优化算法求解能力强,但这易陷入局部最优解。针对此问题提出了一种改进的灰狼优化算法(IGWO)与A~*算法相结合的无人机农田喷洒航迹规划算法。IGWO算法引入了K-Means算法进行种群初始化以加强种群多样性,引入了非线性收敛因子以平衡算法的全局搜索与局部开发能力,引入了粒子群优化算法个体优越性进行位置更新以避免算法陷入局部最优,从而使得IGWO算法具有更强的模型求解能力。运用IGWO算法无障碍物的求解遍历多喷洒点的最优航迹路径,随后在障碍物阻挡的航迹路径段运用A~*算法避障规划以修正段内航迹。试验仿真结果表明:IGWO算法与GWO算法在随机生成的5个喷洒任务点的遍历航迹规划长度相同,而在随机生成的30个喷洒点遍历航迹规划中IGWO算法是GWO算法寻找最优解所需迭代次数的1/3,且规划路径缩短4.17%,说明IGWO算法对大任务量喷洒任务点更具有优越性,收敛速度更快,模型求解能力更强,规划航迹效率更高,同时验证了基于IGWO-A~*算法的无人机农田喷洒航迹规划的真实有效性。该研究为农业植保提供了一定的理论基础,为无人机自主作业解决了前提条件。     

全自动植保无人机含障不规则区域的航迹规划算法

对于存在障碍物的农田区域,为了解决植保无人机在全自动作业中的避障问题,提出1种含障不规则区域的航迹规划算法。该算法将全局规划和局部规划相结合,全局规划算法对不规则地块进行"Z"字形扫描,快速得到往复遍历式植保无人机的作业路径。局部规划算法根据大小将障碍物分为点状障碍物和区域障碍物,对2类障碍物通过插入航点的方式进行局部规划,最终得到含障不规则区域的作业路径。仿真结果表明,采用该算法进行航迹规划,无人机的飞行航迹和规划航迹重合,证明了该算法的可行性。在相同条件下进行10组田间试验,实际飞行航迹与理论规划航迹的最大偏差小于0.4 m,满足实际作业的精度要求。     

基于分层模糊控制的机器人局部路径规划研究

论述了未知环境下移动机器人的局部路径规划.对模糊控制器,如果输入量较多导致模糊规则数目太大,则采用分层模糊控制器.详细介绍了分层模糊控制器的设计,包括输入输出变量的模糊化以及隶属函数的确定、模糊规则的设计、推理方法的设计以及解模糊化的方法,并给出了局部路径规划的仿真结果.仿真结果验证了分层模糊控制器采用较少的规则能够实时快速地规划出一条无碰撞路径.     

路径规划技术及其在大棚作业机器人中的应用

介绍了农业机器人路径规划技术的分类,主要综述了环境条件完全已知下的全局路径规划和环境条件部分已知或全部未知下的局部路径规划以及各种方法的原理及其优缺点,同时对农业机器人路径规划技术的发展趋势做出了分析。此外,对路径规划技术在大棚作业机器人中的应用做出了具体分析。     

基于一种混合算法的机器人路径优化研究

提出一种适用于移动机器人避障路径规划的混合优化算法。首先介绍细菌觅食算法的三大基本操作:趋向性、复制、迁徙操作,建立细菌觅食算法流程;其次建立蚁群算法模型;然后分析细菌觅食算法和蚁群算法的优缺点,提出一种具有较强全局搜索能力和快速收敛的混合算法模型;最后将该算法用于灭火机器人在国际赛制灭火机器人环境中寻找火源。仿真结果表明该混合算法比基本蚁群算法能够以较快的速度和较短的路径找到目标位置,最后将该算法用于实验中,证明了该方法的可行性和有效性。     

改进蚁群算法在果蔬采摘机器人路径规划中的应用

果蔬采摘机器人如何在复杂多变作业环境中,特别是多丘等特殊地理面貌中,能够快速选择最佳路径实现安全避障完成作业任务,就涉及到果蔬采摘机器人路径规划问题。针对基本蚁群算法(Traditional Ant Colony Algorithm,TACO)搜索效率低、易陷入局部最优及易出现早熟收敛等缺陷,提出一种基于改进蚁群算法(Improved Ant Colony Algorithm,IACO)的果蔬采摘机器人路径规划方法。首先,采用栅格法建立4种不同规格环境模型;其次,为缩减路径搜索初期时间消耗、加快搜索速度和扩大全局寻优能力,综合考虑搜索路径上当前节点、下一节点和目标节点间的几何关系,设计新的启发函数因子,并在此基础上对状态转移规则进行改进;为保留每次循环最优路径的信息优势,增加路径选择多样性和改善算法收敛性能,通过引入精英策略和信息素局部与全局相结合的更新策略对信息素更新规则进行改进。最后,通过与其他算法仿真试验结果比对分析,证实改进算法在解决复杂特殊地理环境下果蔬采摘机器人最优避障路径规划具有有效性和优越性。     

基于平均值的混合蛙跳算法

针对基本混合蛙跳算法收敛速度慢,容易陷入局部最优的问题,提出了基于平均值的混合蛙跳算法.该算法将基本蛙跳算法中子群的平均值,通过2种不同的更新策略分别引用到混合蛙跳算法的局部搜索中,对算法的更新策略进行了适当改进,以期提高混合蛙跳算法的局部搜索能力.结果表明:更新策略1将子群的平均值与局部更新策略相结合,使算法在搜索过程中加快搜索速度,提高了局部搜索能力;更新策略2则通过采用自适应概率随机将子群的平均值取代子群部分最优个体进行策略更新,使算法在局部搜索时提高了寻优能力,有效的避免算法陷入局部最优.通过对5个测试函数进行优化,并同基本混合蛙跳算法和文献中改进的算法进行比较,结果表明:该算法可以有效的避免局部搜索过早收敛,具有较好的优化性能.     

基于路径计算的配电网网架规划

提出了一种配电网网架规划的方法。通过计算供电范围内的路径数，将负荷点分配到路径上，较好地解决了使用遗传算法时难以进行编码的问题。在辐射状网架规划完成后，计算待规划区域的路径矩矩阵，该矩阵反应了配电网联络线的建设费用。在此基础上，进行配电网的联络线优化，实现中压配电网闭环设计的要求。     

基于立体视觉的温室作业机器人障碍物检测方法

针对农业温室中作业机器人的路径规划问题,提出一种基于立体视觉图像处理的障碍物检测方案。首先,利用Kinect 3D传感器捕获温室路径图像;然后,基于图像的深度信息,分离出温室地面;接着,根据图像颜色特征构建颜色分类器,对预定义的障碍物进行检测;最后,根据图像纹理特征,基于局部二进制模式(LBP)纹理直方图来构建纹理分类器,对未定义的障碍物进行检查。试验结果表明,提出的方案能够准确地检查出温室路径中的障碍物,能够为作业机器人规划有效路径。     

基于改进蚁群算法的灭火机器人路径规划研究

提出一种适用于灭火机器人避障路径规划的改进蚁群优化算法,采用自适应更新策略的方法规划最佳避障路径,建立了简洁、严谨的蚁群优化算法函数,以达到对灭火机器人避障路径的优化.这种方法能够使灭火机器人在未知环境寻找火源时有效避开障碍物并且使机器人所走路径最短,所用时间最少.经实验证明了该方法的可行性和有效性.