基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法（Dynamic extended neighbourhoods ant colony optimization,DENACO）。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。     

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。     

基于动态反馈A*蚁群算法的平滑路径规划方法

针对移动机器人提出了一种基于动态反馈A~*蚁群算法的平滑路径规划方法。首先,为了克服蚁群算法收敛速度慢的缺点,提出了简化A~*算法来优化初始信息素设置以解决初次搜索的盲目性,并借鉴多策略进化机制加强算法的全局搜索能力。其次,为了进一步提高算法在路径规划中的适应能力,解决陷入局部极小和停滞问题,引入闭环反馈思想来实现参数的动态自适应调节。最后,结合三次B样条曲线对所规划的路径进行平滑处理,以满足移动机器人实际运动路径的要求。通过仿真表明:与原蚁群算法相比,动态反馈A~*蚁群算法平均可减少10.4%的路径成本和65.8%的计算时长。同时,该算法在动态和静态环境中,均能快速规划出一条光滑优质路径。     

基于改进RRT*-Connect算法的机械臂多场景运动规划

针对RRT*-Connect算法在机械臂运动规划过程中存在效率低、精度差等问题,本文提出一种基于自适应步长的启发式RRT*-Connect机械臂运动规划算法。引入目标偏向策略进行椭球子集约束采样,使采样点能够更快地收敛到最优值。在扩展节点时,设计一种自适应步长策略以减少算法的迭代次数,并有效缩短规划路径的长度。当搜索树中总节点数大于预设阈值时,通过搜索树优化剪枝方法对搜索树进行剪枝,删除无效的采样点,进一步降低运行时间。为了验证本文算法的优势,在多种规划场景下分别与RRT*、RRT*-Connect、IRRT*算法进行了Matlab仿真对比。仿真结果表明,本文算法在规划过程中收敛速度更快,精度和效率更高。为了验证本文算法的实用性,构造了不同障碍物实验场景,在Sawyer机械臂实验平台进行实验验证。实验结果表明,本文算法在不同障碍环境下具有较强的适应能力。     

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。     

基于双向搜索策略的改进蚁群路径规划算法

针对在多障碍物地形中将传统蚁群算法运用在移动机器人路径规划问题上出现收敛速度慢,容易陷入局部最优,易于陷入死锁等一系列问题,提出了一种改进蚁群算法。在传统蚁群算法的基础上,根据蚂蚁周围可行栅格距离目标点的远近,自适应地调整启发函数,加快算法收敛速度;针对传统蚁群所用的回退和死亡策略,提出了一种最优路径保留策略,提高了算法性能;使用两组不同种类的蚂蚁分别从起始点和目标点进行双向搜索的方法来构建最优路径,进一步提升了算法的搜索效率。实验表明该方法与传统的蚁群算法相比减少了搜索时间,降低了迭代次数,明显提高了算法的寻优效率。     

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。     

基于人工势力场和遗传算法的播种机路径规划设计

为了提高播种机对复杂地块的自适应能力,提升播种机的播种精度和播种效率,提出了适合精播机的基于子区域的折返全区域覆盖路径规划方法,并对播种机的排肥器和排种器进行了改进,以适应自动路径规划的需要。为了优化基于子区域的路径搜索方法,使用人工势场和遗传算法对寻优方法进行了优化,提高了算法的效率。为了测试该方法的有效性和可靠性,将路径规划系统安装到了播种机械上,通过对播种的测试发现,该方法实现了复杂地块播种的全区域覆盖,并且可以有效地躲避障碍物。对3种不同的算法进行对比测试发现:基于遗传算法的子区域路径规划模型的寻优效果最佳,其覆盖面积大,转弯次数少,用时少,最短时间为11.25 min,仅为其他算法时间的1/2,路径划分效率较高,满足智能化精密播种机的需求,可以在精密播种机的路径规划系统中使用。     

多约束情形下的农机全覆盖路径规划方法

为满足自主作业农机自动导航作业的需求并优化农机作业效率,在处理多种车辆转弯方式约束和农业地块约束的基础上,基于模拟退火算法提出一种混合规则路径规划方法。在多种作业约束处理方面,引入了农机转弯代价邻接矩阵来量化农机地头转弯方式的影响,通过采用内缩改进的道格拉斯-普克(Douglas-Peucker)拟合算法与求解采样点的最小凸包分别处理地块边界及障碍物边界。在使用角平分线的平行偏移法求得转向预留地块后,以转弯代价最小为优化条件对多种形状地块进行了最优作物行生成。在农机遍历顺序方面,利用模拟退火算法求解得到最优路径集,并通过单元拆解及合成的方式求解全覆盖遍历顺序,解决了传统规则遍历走法适应性差和大规模农机作业时经典模拟退火算法易陷入局部最优解的问题。实验表明,本文方法所得路径平均作业覆盖率达90.78%,平均作业占空比达85.10%。在同等作业条件下,利用本文方法所得路径比传统规则路径最多可节约距离消耗30.3%,比模拟退火算法所生成路径节约6.9%。说明本文规划算法可在多种约束下对农机进行作业路径规划,且具有较好的规划效果。     

联合收割机最短路径设计—基于禁忌搜索和PID算法的

为了提高联合收割机的收割效率和自动化作业能力,使其在复杂地块具有智能路径规划功能,提高收割机作业的自适应能力,提出了一种基于禁忌搜索的智能联合收割机自动路径规划优化方案,并采用PID反馈调节控制算法,来降低算法的误差;建立了联合收割机智能搜索的禁忌算法模型,并设计了积分、微分和比例调节的PID控制模型;最后利用实地和软件测试的方法对算法的可行性和可靠性进行了测试。结果表明:利用禁忌搜索的PID控制算法可以有效地缩短路径规划时间,提高算法的精度,从而验证了算法在收割机智能控制上应用的可行性。     

基于改进A*与DWA算法融合的温室机器人路径规划

根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A*算法与动态窗口法相结合的温室机器人路径规划算法.针对传统A*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划.仿真实验结果证明,与传统A*、Dijkstr...     

拖拉机自动驾驶系统上线轨迹规划方法

为解决现有拖拉机自动驾驶系统上线距离较长,且在上线目标点附近跟踪误差较大的问题,提出了一种基于量子遗传算法优化的B样条理论局部上线轨迹规划方法。综合考虑最大曲率约束、起止点航向约束和最大转向角约束,把最优轨迹规划问题转化为B样条控制点参数优化问题,采用量子遗传算法对目标函数进行寻优,从而求得距离最短的可行驶上线轨迹。设计了4种典型作业工况,仿真结果表明,对于不同作业工况,算法均可通过优化配置B样条控制点得到满足约束的上线轨迹,曲率和等效前轮转角变化平缓,有利于路径跟踪控制器进行曲线跟踪控制。田间试验结果表明,针对设计的复杂作业工况,单独采用纯追踪算法的上线距离为78.6 m,基于上线轨迹规划方法的上线距离为23.7 m,且后者在上线点附近的横向跟踪误差更小。     

基于骨架关键点重规划的Voronoi图法路径规划

针对目前的Voronoi路径规划算法生成的Voronoi图弯曲冗余,依据Voronoi地图规划路径实时性差,规划出的路径弯曲,机器人导航时转折次数多、时间成本高、效率低等问题,提出一种基于骨架关键点重规划的Voronoi图法路径规划算法。首先对机器人构建的二维栅格地图进行预处理,去掉地图中的噪点和毛边,填充边界上细微的裂缝,然后提取地图的骨架,搜索出骨架中的关键点,将关键点按原来的相邻点连接关系重新连接,生成新的笔直的骨架,并采用降梯度采样方法平滑依据骨架规划出的路径。在经过多次仿真实验和实际实验验证后,证明本文算法生成的骨架比目前的Voronoi图和骨架更加简洁,数据量更小,机器人基于优化后的Voronoi地图能够更加快速规划出笔直的路径,具有良好的实时性,规划出的路径更短,转折次数更少,机器人导航过程中能够迅速到达目标点,导航效率高。     

基于改进蚁群算法的农田平地导航三维路径规划方法

为解决农田平地机无人驾驶作业时缺乏局部规划,进而实现平地路径在线调整的问题,以平地作业土方合理运卸且路径最短为目的,提出了一种基于改进蚁群算法的农田平地导航三维路径规划方法。基于农田三维地势模型,采用改进的蚁群算法规划三维路径：以平地作业土方运载为决策方向,建立新的路径搜索节点,对比平地机作业时平地铲运载土方量和经过栅格计算所需的挖填土方量,根据土方运载任务设置信息素更新规则和启发函数,获取农田平地的最佳三维路径;基于平地机的运动学模型,设置农田平地机转向约束条件,根据约束条件对路径进行平滑优化,并建立三维路径规划的效果评价标准。仿真结果表明：相比于原始蚁群算法,该方法的路径规划效果评价指标提高33.3%以上,可以更好地指导农田平地机实现局部平地任务,而且大大缩短了路径生成时间和路径长度,使路径更为平滑,更适用于辅助农田平地的自动导航作业。