飞行器航迹规划中的规划区域建模方法

针对网格法用于规划区域建模的不足,提出了一种新的规划区域建模方法-多航迹区链接图法.该方法在对规划区域进行建模的过程中充分考虑飞行器的特性、飞行环境和使用特点,结合规划区域中障碍物的属性、形状和分布情况构造出航迹点的候选区域,从而得到规划空间的多路径区连接图的建模描述,基于这种建模描述使用优化算法来规划飞行器的较优或"可行"航迹.仿真结果表明,该算法有效的利用了背景知识,计算快,耗时少,搜索效率高,对于有效地解决战场环境下飞行器的航迹规划有工程实用价值.     

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.     

柔性臂空间机器人的一类运动学方程及轨迹规划

用柔性机械臂连杆末端的弹性变形以及变形角度来表示空间机器人柔性臂的弹性运动变量,克服了用无穷维振动模态变量来表示弹性变形给系统运动学建模带来的困难;基于广义雅可比矩阵的思想,建立了柔性臂空间机器人"双广义雅可比矩阵"形式的运动学模型,该运动学模型描述了柔性臂弹性变形对空间机器人的运动影响;以运动学方程为基础,设计了柔性臂空间机器人的惯性空间内连续轨迹规划算法。仿真表明,规划的机械臂关节运动规律可以补偿柔性连杆振动给机械臂末端位置带来的影响,使机械臂末端位置准确沿着期望的轨迹运动。     

漂浮基空间机器人捕获卫星过程动力学模拟及捕获后混合体运动的RBF神经网络控制

 讨论了漂浮基空间机器人在轨捕获目标卫星过程的碰撞动力学建模,以及捕获操作结束后空间机器人与卫星混合体的稳定控制问题。首先采用多刚体动力学建模方法并结合空间机器人捕获目标卫星过程中的碰撞动力学特性,建立了漂浮基空间机器人在轨捕获漂浮卫星过程的动力学模型,并在此基础上计算出完成捕获操作后空间机器人与目标卫星混合体关节的运动速度。然后针对卫星及空间机器人系统惯性参数均是未知的复杂情况,应用上述模型、神经网络控制理论和Lyapunov稳定性理论,设计了空间机器人与卫星混合体在捕获过程碰撞冲击影响下稳定运动的高斯径向基函数神经网络控制方案,以达到对捕获卫星的有效控制。此外,高斯径向基函数神经网络控制方案具有不需要测量和反馈载体位置、移动速度与加速度的显著优点。系统数值仿真证实了上述控制方案的有效性。     

安全扭矩约束下的多关节机器人轨迹跟随方法

为了减轻机器人与环境碰撞产生的不良影响,常需要机器人在跟随指令轨迹的同时约束各关节的最大扭矩。针对多关节机器人动力学约束下的笛卡尔空间路径保持与快速跟随问题,分析机器人关节空间力矩约束对笛卡尔空间轨迹的速度和加速度的影响,在机器人保持原笛卡尔路径不变的同时,实时分析当前允许的最大加速度,并计算得到相应的速度和位置,实现指令轨迹的快速跟随,达到安全作业的目的。该方法在一台自研六自由度轻量化机械臂平台上进行了验证。结果表明,该方法能够将扭矩约束到设定范围内,重新规划后的轨迹保持笛卡尔路径不变,且能够快速跟随指令轨迹。     

飞机数字化装配中IGPS导航的AGV路径规划方法

以机翼翼盒数字化装配为研究对象,介绍了飞机数字化装配系统研制中AGV自主导航系统的构成,详细叙述了笔者自主研发的AGV路径规划仿真软件,该软件可在全三维飞机装配虚拟环境中,通过IGPS实时获得AGV在飞机装配现场的位姿,规划AGV在飞机装配作业中的运动路线,并在虚拟装配环境中实现AGV沿规划路径的碰撞干涉检查并加以消除,保证了AGV自主导航的安全实现,解决了飞机数字化装配中IGPS导航的AGV路径规划难题.     

机器人运动规划方法综述

随着应用场景的日益复杂，机器人对旨在生成无碰撞路径（轨迹）的自主运动规划技术的需求也变得更加迫切。虽然目前已产生了大量适应于不同场景的规划算法，但如何妥善地对现有成果进行归类，并分析不同方法间的优劣异同仍是需要深入思考的问题。以此为切入点，首先，阐释运动规划的基本内涵及经典算法的关键步骤；其次，针对实时性与解路径（轨迹）品质间的矛盾，以是否考虑微分约束为标准，有层次地总结了现有的算法加速策略；最后，面向不确定性（即传感器不确定性、未来状态不确定性和环境不确定性）下的规划和智能规划提出的新需求，对运动规划领域的最新成果和发展方向进行了评述，以期为后续研究提供有益的参考。     

一种未知环境下的局部动态概率路线图法

针对未知环境中空中机器人路径规划问题,提出了一种适用于静态未知环境的路径规划方法。该方法在概率路线图法基础上,重新设计了在线重规划阶段,使得空中机器人不需更新整个规划空间,而是借助传感器感知环境信息,重构局部路线图,从而达到避障的目的。该方法可在规划空间中搜索出一条光滑的且能有效避开障碍物的可行路径。仿真结果表明,该方法复杂度低、实时性好,能快速规划出静态未知环境下空中机器人的可行路径。     

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。     

空间机器人捕获漂浮目标的抓取策略研究(英文)

空间机器人捕获漂浮目标时,机械臂手部与目标之间不可避免地发生频繁的接触碰撞,严重影响空间机器人本体的位姿与抓取安全。本文引入了"动态抓取域"描述机械臂抓取目标时的碰撞过程,建立了抓取域控制方程,并分析了抓取控制参数及基体和目标质量等对抓取过程的影响,结合生活经验发现当速度控制参数与调配增益系数乘积接近并小于最小抓取速度时,能够极大的减小抓取过程中的碰撞冲击,进而给出了理想的抓取策略。结果表明:在相同抓取时间下,应用抓取策略明显优于加速抓取,碰撞力幅值降低到加速抓取时的20%左右,且姿态控制力矩仅为加速抓取的15%,对空间机器人的激振冲击明显消除。抓取策略的研究对空间机器人的捕获抓取有着重要的理论价值及工程实际意义。     

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”。
     

基于一种混合算法的巡航导弹参考航迹规划

通过分析A*算法,提出了适合与遗传算法(GA)进行混合的改进方案,针对遗传算法求解巡航导弹参考航迹规划问题,讨论了在初始群体构建和变异操作中引入改进A*算法的混合方法,从而得到参考航迹.仿真结果表明,该方法具有很强的快速规划能力,并能得到较优的结果,适合于大规模复杂环境中的参考航迹规划.     

基于不规则障碍物环境下无人机的改进几何路径规划算法

随着无人机应用环境的多样化,在复杂环境中寻找无碰撞路径是非常重要的。传统的路径规划算法可以找到可行的路径,但它们在时间效率和路径长度之间没有很好的平衡,传统的几何算法只能避免特殊形状的障碍物。提出了一种改进的几何路径规划算法,使无人机能够在复杂的环境中避开任意形状的障碍物,找到较短的路径。首先,针对不规则障碍物,建立了凸多边形覆盖模型。然后解决了传统几何算法陷入局部最优解的缺点。提出了从相邻路径段生成无碰撞路径的二次规划思想,并针对该方法提出了一种新的安全阀值策略。最后,为了验证算法的性能,在不同的复杂环境下进行了仿真,并从几个方面对所提出的算法与A*算法进行了对比分析。     

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。     

月球探测器路径规划的基于案例的学习算法研究

讨论了基于案例的学习方法在月球探测器局部路径规划中的应用问题。基于案例的学习算法是人工智能中的一种学习方法 ,它根据过去的经验进行学习及问题求解 ,是一种增量式的学习过程。本文对基于案例的学习方法在月球探测器路径规划中的应用框架进行了一些讨论 ,提出了一些算法。     

考虑运动学约束的不规则目标遗传避碰规划算法

 针对复杂环境下不规则目标的路径规划问题,提出了一种带有运动学约束的遗传避碰规划算法。以舰载机在航母甲板上的路径规划问题作为研究对象,并且该算法可推广至其他具有此类约束的路径规划问题中,它较好地解决了目标形状复杂、障碍环境复杂、目标运动时带有回转半径约束等特殊问题。在传统遗传路径规划算法的基础上,针对性地设计了三维位置和姿态混合编码、三段法路径解码、轨迹包围盒的碰撞检测及距离计算等方法,并在遗传操作中引入惩罚项和修补策略来辅助算法寻优。最后,为得出复杂环境下的最优路径,基于VC++平台对算法进行了仿真验证。结果表明,在复杂障碍环境下,本文提出的算法可求得最优避碰路径,并满足预先设定的目标回转半径约束,能够有效地解决此类目标的避碰路径规划问题。     

MOTION PLANNING OF MULTIPLE MOBILE ROBOTS COOPERATIVELY TRANSPORTING A COMMON OBJECT

Many applications above the capability of a single robot need the cooperation of multipl emobile robots, but effective cooperation is hard to achieve. In this paper, a master-slave method is proposed to control the motions of multiple mobile robots that cooperatively transport a common object from a start point to a goal point. A noholonomic kinematic model to constrain the motions of multiple mobile robots is built in order to achieve cooperative motions of them, and a “Dynamic Coordinator“ strategy is used to deal with the collision-avoidance of the master robot and slave robot individually. Simulation results show the robustness and effectiveness of the method.     

面向城市飞行安全的无人机离散型多路径规划方法

为了提高无人机（UAV）在城市环境中运行的安全性,且能生成多条备选路径,提出一种离散型城市环境下基于无人机飞行安全的多路径规划方法。根据定义的城市环境模型、无人机的飞行规则和安全性原则,建立无人机飞行安全性分析模型和离散型多路径规划问题的数学模型。为提高算法的收敛速度和解的优质性,以及使算法能够同时输出多条路径,针对蚁群（ACO）算法的运行机制,设计聚类算子,提出改进聚类蚁群（CIACO）算法。实验结果表明,所提方法能够快速的收敛输出多条风险值较低的飞行路径。