基于强化学习的航空器机场智能静态路径规划

随着人工智能迅速发展以及“智慧机场”的提出,研究人工智能在机场如何有效地辅助机场管制人员,驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法,构建航空器机场地面强化学习移动模型,并以海口美兰机场为案例采用 Python 内置工具包 Tkinter 进行场面仿真;在此基础上,考虑机场航空器滑行规则,采用 Off-Policy 中 Q-Learning 算法求解贝尔曼方程,实现航空器在 Model-based 环境中进行静态路径规划。结果表明：本文所提方法能够实现停机位到跑道出口智能静态路径规划     

基于不同威胁体的无人作战飞机初始路径规划

 提出一种基于不同威胁体的路径规划新方法。从理论上建立了具有不同威胁体的局部空域路径选择原则,给出了根据不同威胁体建立相应路径图的步骤和方法。描述了基于图形模型的进化优化算法,并应用此算法进行了路径优化。进行了仿真验证,仿真结果表明,提出的路径规划方法不仅可行,而且有效地突破了原Voronoi 图只能对相同威胁体进行路径规划的局限。     

基于导向强化Q学习的无人机路径规划

随着无人机的广泛应用,其飞行能耗和计算能力面临着瓶颈问题,因此无人机路径规划研究越来越重要。很多情况下,无人机并不能提前获得目标点的确切位置和环境信息,往往无法规划出一条有效的飞行路径。针对这一问题,提出了基于导向强化Q学习的无人机路径规划方法,该方法利用接收信号强度定义回报值,并通过Q学习算法不断优化路径;提出"导向强化"的原则,加快了学习算法的收敛速度。仿真结果表明,该方法能够实现无人机的自主导航和快速路径规划,与传统算法相比,大大减少了迭代次数,能够获得更短的规划路径。     

基于进化算法的测控飞机跟踪路径规划

提出一种基于进化算法的测控飞机跟踪路径规划方法,对进化算法进行了简单介绍,给出了规划算法的计算条件、算法要素和流程,并对3种假想的目标轨迹给出了规划结果。规划结果显示,该方法是可行的。     

月球巡视探测器自主定向算法研究

月球巡视探测器自主导航是其能在月面执行探测任务的关键,而定向又是月球巡视探测器自主导航的一个重要组成部分,其定向精度将直接影响到月球巡视探测器定位性能。将CCD(ChargeCoupleDevice)太阳敏感器应用到月球巡视探测器上,用太阳敏感器测量太阳位置矢量,结合加速度计测量的重力矢量,利用QUEST算法推算了月球巡视探测器的姿态和航向,为月球巡视探测器构建了一套适用于长时间、长距离导航的绝对定向方案,通过理论分析和实际推算描述了该定向方案的具体实现过程,最后以仿真结果验证了该方案的可行性,为下一步月球巡视探测器定位研究提供了技术参考。     

月面巡视机器人快速安全路径规划

为提高月面巡视机器人自主探测任务的效率及安全性,提出了一种基于月面数字高程地图的大范围自主探测快速安全路径规划算法。首先根据获取的月面数字高程地图设计了一种地形可通过性分析方法,并生成了欧几里得距离地图（EDM）为安全路径规划提供参考。然后针对A^*算法解决月面巡视探测问题时搜索速度慢、未考虑路径安全性的问题,提出了FSA^*算法,改进了A^*算法的搜索机制以适用于月面大范围路径的快速搜索,并结合EDM地图设计了一种安全启发式函数,可使生成路径尽量远离危险区域,提高了巡视机器人自主探测过程的安全性。最后选取月球艾特肯盆地区域作为仿真场景,验证了该算法的有效性。     

月球探测器天文测角/单程无线电时间差分测距/差分测速导航方法

月球探测器高精度导航技术是确保月球探测任务顺利实施的关键技术之一。当前,大多数月球探测器都是利用地面无线电进行导航和控制,但存在可测控弧段短、易受干扰等局限性,且对于月球背面探测,存在无法直接测控的不足。针对上述问题,提出了一种新的基于天文测角/单程无线电差分测距/差分测速的月球探测器组合导航方法。该方法使用了天文星光角距、探测器接收到的来自地面站或中继星的单程无线电时间差分测距和时间差分多普勒测速3种量测信息,可有效抑制星上时钟和频谱仪的时间和频率测量误差。收敛后的平均位置和速度估计误差分别为902.7 m和0.12 m/s,最大的位置和速度估计误差分别为1 548.2 m和0.24 m/s。仿真分析结果表明该方法具有较高自主导航精度。     

基于分层栅格地图的移动机器人路径规划

针对传统A-Star算法与模糊控制算法单独应用于移动机器人路径规划时各自的局限性,提出一种基于分层栅格地图并将两种算法融合的移动机器人路径规划新方法.融合后的新算法先利用A-Star算法在高层栅格地图中整体规划出一条概括性路径,再利用模糊控制算法以概括性路径中的点为导航点,在底层栅格地图中进行局部规划,从而得出最终的路径.仿真结果表明,与传统的A-Star算法与模糊控制算法相比较,新算法所规划路径距离较短且平滑可行,具有较高的品质.     

基于改进人工势场法的服务机器人路径规划

人工势场法是服务机器人路径规划算法中一种简单有效的方法.针对传统人工势场法存在的目标不可达问题,通过在原来的斥力函数中加入一个调节因子的方法解决,同时采用遍历搜索法解决局部极小值问题,并引入安全距离以及改进调节因子以提高机器人路径规划过程中的安全性能.最后,利用Matlab软件将改进后的人工势场法应用于服务机器人路径规划并进行了仿真实验.仿真结果表明,基于改进人工势场法的服务机器人路径规划有效地解决了机器人不能到达目标点的问题.     

低空无人机路径规划算法综述

随着无人机技术的发展,无人机在低空的应用场景越来越多,复杂的低空环境对无人机路径规划算法提出了新的要求。本文总结了近年来常用的无人机路径规划算法,包括图搜索算法,线性规划算法,智能优化算法（遗传算法、粒子群算法、蚁群算法）,强化学习算法;对这些算法的原理、适用场景及其优缺点进行了归纳分析;并基于无人机发展现状对无人机路径规划算法进行了展望。     

基于遗传模拟退火算法的机器人路径规划

探讨了利用遗传算法来进行机器人路径规划的方法,分析了可能产生的问题及其产生原因,并在此基础上提出利用遗传算法与模拟退火算法相结合的方法来解决机器人路径规划问题。仿真结果表明,这种遗传模拟退火算法切实可行,它能够有效地提高路径规划的计算速度和保证路径规划的质量。     

基于遗传算法的多机器人系统集中协调式路径规划

根据多机器人系统无碰撞运动的需要,对其工作空间进行了分解,确定了机器人运行路线上的各个可能路径点,从而得到了规划空间的多路径点链接图描述。基于这种对规划空间的链接图建模描述,开发了一种混合遗传算法用于寻找多个机器人的无碰撞协调运动路线。仿真结果表明,这种方法可有效地解决复杂规划空间下的多机器人路径规划问题。     

基于A*和TEB融合的行人感知无碰跟随方法

移动机器人通过跟随一个指定行人实现导航是一种便捷的方式。针对行人跟随中的机器人跟随和避障问题,提出了一种基于路径规划的无碰跟随方法。该方法结合激光点云分割提供的非行人障碍信息生成静态障碍代价地图,并根据3D行人定位结果,利用基于无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）和最近邻联合概率数据关联（Nearest Near Joint Probabilistic Data Association,NN-JPDA）的多行人跟踪器估计干扰行人运动状态,进而生成动态行人代价地图。在此基础上,基于A^*的全局规划器结合静态障碍代价地图输出指向目标行人的全局路径,而基于时间弹性带（TEB）算法的局部规划器也将动态行人代价地图纳入考虑范围以规划优化的局部路径,这能够帮助机器人实现行人感知的避障且跟随全局路径。通过低频全局规划与高频局部规划结合的方式实现对目标行人安全无碰的跟随。实验验证了所提方法的有效性。     

基于状态改变的机器人路径规划算法

为了解决目前机器人路径规划中时效性低、避障解算量大的问题,借鉴直流电路中理想电感元件两端电压能够从感抗状态恢复到稳定状态的现象,提出了一种利用机器人状态检测量对机器人状态实时检测,从而实现避障的机器人路径规划算法.首先对绕行单个固定障碍物的机器人进行深入分析,然后采用状态叠加的方法,生成任意位置多障碍物同时存在的避障路径.同时对斥力系数进行改进,以确保机器人能够有效到达目标点.为了验证算法在多障碍物环境下的路径规划能力,进行了数值仿真模拟实验.仿真结果表明,使用该算法规划机器人路径时,能够在避免局部极小值点和目标不可达问题的前提下,在较短时间内规划出机器人由起始点到目标点的路径.     

地面可移动服务机器人发展现状

行走机构决定了地面可移动服务机器人的特性和应用领域,按照行走机构的不同,将地面可移动服务机器人分为轮式、履带式和多足式,介绍了各种地面可移动服务机器人的发展现状和应用特点,特别探讨了双足机器人在人类生活中的应用前景.提出了地面可移动服务机器人7大关键技术:导航定位、路径规划、多传感器融合、机构设计与动力、智能控制、能源供给和管理、人机接口.分析了发展地面服务机器人的迫切性,给出了我国军用和民用可移动服务机器人的关系和发展思路思路.     

柔性导轨自动制孔机器人离线编程与仿真技术研究

特征建模、路径规划、工件坐标转换等是自动制孔机器人离线编程与仿真的核心技术,完善的特征建模技术和稳定高效的坐标转换算法能够为离线编程系统实用化提供重要保证。通过对工业机器人离线编程几个关键技术的研究,提出了适用于某型柔性导轨自动制孔机器人离线编程与仿真系统的建模、路径规划和坐标转换等方法。     

基于“虚拟范围”的多机器人围捕算法

 讨论了基于SQL Server数据库的栅格地图建立方法。介绍了一种建立在势场法和栅格地图上的室外多机器人路径规划方法，分析了在已知地图中应用势场法进行路径规划时的路径死点和规划失败问题，并给出了解决方法。以势场栅格法为基础探讨了多机器人协作围捕动态目标的策略。在围捕算法中，根据室外机器人工作环境的特点，提出了“虚拟范围”的概念，以减少动态规划次数，提高围捕速度。介绍了机器人以“虚拟范围”为基准，在各种状态之间的转换机制。利用基于无线局域网的室外多机器人系统进行了试验，试验表明引入“虚拟范围”之后能有效缩短围捕时间，并且存在最短时“虚拟范围”。
     

基于GA-OCPA学习系统的无人机路径规划方法

为解决未知空域中无人机路径规划方法实时性和适用性不足的问题,以生物应激条件反射理论为基础,将无人机实时路径规划类比为在外界条件刺激下的一种自学习行为。首先,将概率自动机与遗传算法相结合,设计了基于Skinner操作条件反射理论框架(GA-OCPA)的学习系统;然后,将无人机规避机动的飞行速度、滚转加速度和拉升加速度作为系统学习的行为,并计算每次学习尝试之后的选择概率和个体适应度,通过遗传算法搜索最优行为进而得到最优路径;最后,运用增量多层判别回归树(IHDR)对学习得到的最优行为建立知识库,形成威胁状态与路径规划的匹配映射。实验结果表明GA-OCPA学习系统对于无人机路径规划具备有效性和适用性。