林区火源探测机器人的路径规划仿真研究

林区防火是关系国家林业安全的重要工作之一。为此,使用栅格法对森林火灾探测机器人的工作空间进行简化,通过蚁群算法对其探测区域内的障碍物及局部目标进行路径规划,并据此进行了大量的仿真实验。实验结果表明,该算法简单、快速、高效,特别适合解决复杂环境下的路径规划问题。此算法为研究森林大空间平面范围内的热源自动搜索与逼近的最优路径规划问题奠定了一个基础。     

基于蚁群算法和遗传算法融合的移动机器人路径规划问题研究

移动机器人的路径规划问题一直都是机器人研究中比较热门的话题,也是非常关键的技术,但是,比较传统的路径规划算法都存在自己的缺陷,所以说,寻找一种最佳的算法是机器人路径规划问题领域研究的热点,蚁群算法是最近十几年来发展起来的一种模拟生物的进化算法,这个算法在解决很多比较复杂的问题上表现出了非常好的性能。本文在分析了当前的各种路径规划算法的优缺点的基础之上,选择了蚁群算法来解决移动机器人的路径规划问题。     

基于蚁群算法与人工势场法的移动机器人路径规划

针对复杂环境下移动机器人路径规划困难的问题,提出了一种将全局路径规划蚁群算法与局部路径规划人工势场法相融合的混合型算法。首先,采用多因素启发函数和新的蚂蚁行进机制来解决传统蚁群算法路径质量差且易陷入对角障碍的问题;其次,针对传统蚁群算法收敛速度慢的情况,设计了自适应挥发系数和动态权重系数;接着,通过引入虚拟目标点、相对距离和安全距离的概念,解决了传统人工势场法易陷入局部极小值、目标不可达以及过度避障的问题;最后,将改进蚁群算法规划路径的转折点作为局部子目标点来调用改进的人工势场法进行二次规划。仿真表明改进蚁群算法较传统算法以及其他算法在路径长度方面优化了9.9%和2.0%,在路径转折次数方面优化了81.8%和63.6%,在收敛速度方面优化了94.2%和63.6%;改进人工势场法有效解决了自身问题;而以二者为基础的混合型算法则充分地结合了二者的优势,在复杂的静态和动态环境中具有极高的环境适应性和路径规划效率。     

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。     

基于Grid-GSA算法的植保无人机路径规划方法

为了提高植保无人机的作业效率,研究了一种路径规划方法。运用栅格法构建环境模型,根据实际的作业区域规模、形状等环境信息和无人机航向,为相应栅格赋予概率,无人机优先选择概率高的栅格行进。基于上述机制实现了在形状不规则的作业区域内进行往复回转式全覆盖路径规划;以每次植保作业距离为变量,根据仿真算法得出返航点数量与位置来确定寻优模型中的变量维数范围,以往返飞行、电池更换与药剂装填等非植保作业耗费时间最短为目标函数,通过采用引力搜索算法,实现对返航点数量与位置的寻优;为无人机设置必要的路径纠偏与光顺机制,使无人机能够按既定路线与速度飞行。对提出的路径规划方法进行了实例检验,结果显示,相比于简单规划与未规划的情况,运用Grid-GSA规划方法得出的结果中往返飞行距离总和分别减少了14%与68%,非植保作业时间分别减少了21%与36%,其它各项指标也均有不同程度的提高。在验证测试试验中,实际的往返距离总和减少了322m,实际路径与规划路径存在较小偏差。验证了路径规划方法具有合理性、可行性以及一定的实用性。     

基于改进人工势场法的足球机器人路径规划研究

在分析足球机器人局部路径规划的特点和传统人工势场理论存在不足的基础上,对足球机器人在信息不确定情况下的局部路径规划方法进行了探讨。实验证明该方法使路径规划满足了机器人足球准确性、快速性和攻守兼备性的要求。     

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。     

基于引力搜索算法的植保无人机三维路径规划方法

为了使植保无人机作业更加精准、高效与节能,研究了一种适用于三维地形的植保无人机路径规划方法。根据农田的规模、形状、高度起伏等地理环境信息,对其进行栅格化处理,建立三维环境模型;在此环境模型条件下,为无人机增加直行与回转机制,实现全覆盖路径仿真;通过提取仿真计算中每次植保作业飞行距离作为输入变量、非植保作业耗费时间作为输出函数,从而构建寻优模型;对寻优模型引入引力搜索算法,以输出函数最小为目标,对输入变量进行寻优,再通过仿真计算求出优化后的返航点位置。实例结果显示,在二维投影形状与尺寸相同的田地中,二维与三维路径规划方法之间的返航点位置存在偏差,证明了本文方法的必要性;在三维地形算例中,运用本文方法规划后的往返飞行距离总和与非植保作业时间分别为440.2 m与9 min,相比于未规划情况分别减少了90%与54%,相比于简单规划结果分别减少了23%与7%。在实际测试过程中,相比于未规划情况,规划后的路径飞行距离总和与非植保作业时间分别减少了11%和5%,验证了本文方法的合理性与可行性。     

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。     

基于方向A*算法的温室机器人实时路径规划

针对复杂环境下的温室机器人路径规划问题,重点研究了生成路径的平滑设计、碰撞检测和算法实时性,提出一种方向A~*算法。首先采用视野线平滑原则优化路径,消除锯齿效应并避免部分碰撞;其次应用圆弧—直线—圆弧转弯策略,避免机器人本体宽度影响;最后基于二叉堆加速算法,提升算法计算效率。仿真实验结果表明,方向A~*算法满足平滑要求且能有效避免碰撞,加速算法平均提速4~7倍。同时,机器人在真实实验环境下能实现安全自主导航,跟踪误差小于0.15 m,验证了所提方法的可行性。     

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。     

基于改进双向RRT*的果园机器人运动规划算法

为提高果园机器人在果园中作业的自主性、安全性和效率,需要进行有效合理的运动规划。针对传统RRT*(Rapidly exploring random tree star)全局路径规划算法在连续走廊式环境下存在搜索效率低、采样点利用率低、生成路径折线多转角大等问题,以阿克曼底盘果园喷雾机器人为运动模型,提出一种改进双向RRT*的果园喷雾机器人运动规划算法。首先,根据激光雷达建立果园二维平面地图,将果树和障碍物均视为障碍物区域,并结合喷雾机器人本体尺寸,对障碍物进行膨胀化处理;然后,通过改进双向RRT*算法搜索路径,搜索路径过程中结合动态末梢节点导向和势场导向进行偏置采样,并对初步生成的路径进行路径点去冗余以及相邻折线段转角约束处理;最后,采用三阶准均匀B样条曲线对处理后的路径点进行轨迹优化,在优化过程中主要考虑轨迹的碰撞检测和喷雾机器人底盘曲率约束。试验结果表明,相较于传统双向RRT*算法,本文所提出的改进算法规划时间平均减少57.5%,采样点利用率平均提高28.55个百分点,最终路径长度平均缩短7.14%;经三阶准均匀B样条曲线优化后所得轨迹在有、无障碍物两种环境下均满足喷雾机器人最大曲率约束,且仅在换行以及障碍物处存在转弯行为,符合喷雾机器人作业轨迹条件,提高了喷雾机器人的工作效率和自主性。     

基于改进RRT算法的猕猴桃采摘机器人全局路径规划

为提高猕猴桃采摘机器人导航效率,提出一种基于采样状态实时引导随机树扩展的改进方法(Straight-RRT)。首先,针对传统RRT算法盲目搜索的问题,引入评价指数与阈值划分采样状态,根据采样状态决定采样节点的选取方式,实时引导随机树的扩展。其次,为增强算法对不同环境的自适应性及快速避开不规则障碍物,引入动态阈值并优化最近节点选择机制。最后对路径进行优化处理,去除路径冗余点并采用贝塞尔曲线平滑路径减小路径复杂度。基于棚架式猕猴桃果园环境进行路径规划实验,实验结果表明改进后算法在猕猴桃果园环境中具有更好的适应性及规划效率,为提高猕猴桃采摘机器人导航效率提供了解决方法。     

基于改进RRT算法的猕猴桃采摘机器人全局路径规划

为提高猕猴桃采摘机器人导航效率,提出一种基于采样状态实时引导随机树扩展的改进方法（Straight-RRT）。首先,针对传统RRT算法盲目搜索的问题,引入评价指数与阈值划分采样状态,根据采样状态决定采样节点的选取方式,实时引导随机树的扩展。其次,为增强算法对不同环境的自适应性及快速避开不规则障碍物,引入动态阈值并优化最近节点选择机制。最后对路径进行优化处理,去除路径冗余点并采用贝塞尔曲线平滑路径减小路径复杂度。基于棚架式猕猴桃果园环境进行路径规划实验,实验结果表明改进后算法在猕猴桃果园环境中具有更好的适应性及规划效率,为提高猕猴桃采摘机器人导航效率提供了解决方法。     

基于粗糙集与遗传算法的采摘机器人路径规划

为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。     

基于非线性模型预测控制的移动机器人实时路径跟踪

针对移动机器人路径跟踪模型预测控制中,存在线性化预测模型削弱控制器对参考路径曲率突变和航向突变响应能力的问题,从非线性模型预测控制出发,提出了两种实时性优化方案,即减少控制步数或降低控制频率。仿真与实验结果表明,采用减少控制步数或降低控制频率方案优化后,非线性模型预测控制器在每一控制周期内的解算时间小于控制周期;减少控制步数相比降低控制频率或线性化预测模型具有更小的横向误差和航向误差,可以更好地保证控制器在跟踪曲率、航向变化较快的参考路径时的控制精度。因此,相比其他实时性优化方案,减少控制步数更加适用于农用机器人等对灵活性要求较高的移动装备。     

基于改进蚁群算法的果蔬采摘机器人三维路径规划

近年来,我国"农民荒"问题越演越烈,大量年轻劳动力外出务工,农村土地荒置越来越多。我国人口高龄化严重,农业人口的减少,劳动力缺口过大,导致对农业机器人的需求极为迫切。随着农业机械和自动化技术的快速发展,农业机器人也在不断发展,其可以更好地适应生物技术种植产业发展,过去传统的采摘方式将会有很大改变,农民种植的侧重点即将改善。为此,基于改进蚁群算法,设计和规划了果蔬采摘机器人行走的三维路径,并增加在前进过程中的自适应调整功能。实验仿真结果表明:基于改进蚁群算法的果蔬采摘移动机器人三维空间路径规划在路径和转弯个数上都做到了最小化,能够很好地满足采摘机器人运行需求。     

割草机器人路径规划研究 ——基于改进蚁群算法和计算机视觉

首先,从设计需求、结构体系和控制系统设计了割草机器人总体方案;然后,设计了草坪边界提取算法和割草机器人路径规划系统,实现了一套基于改进蚁群算法和计算机视觉的割草机器人路径规划系统.试验结果表明:割草机器人能够实现草坪边界提取和规划出最优路径,割草机器人路径规划具有一定的可行性.