基于改进蚁群算法的月面机器人的路径规划及虚拟仿真

针对月面机器人在复杂地形下的路径规划问题,提出了一种改进的蚁群算法。算法构建了栅格化地形图,基于人工势场法改进了蚁群算法的启发函数,加快了算法收敛速度;引入空间信息素划分方法,提高了蚁群在最短路径附近区域的搜索能力;实验证明,改进后的蚁群算法,路径规划成功率显著提高,收敛速度加快。在算法规划出月面机器人的最短路径后,采用虚拟仿真技术,基于unity3D构建虚拟月面环境和月球车,直观地展示了月面机器人在月面环境下的路径规划效果。     

基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.     

基于路径跟随的改进领航-跟随无人机协同编队方法

针对集群无人机完成高精度协同编队的需要,提出了一种基于路径跟随的改进领航-跟随无人机协同编队方法。首先,在传统A*算法的基础上,引入了障碍威胁系数改进A*算法,为领航无人机规划从起点到目标的全局安全路径;其次,采用Hermite多项式在离散化后对领航无人机的全局安全路径进行参数化表示。当遇到新的障碍信息时,利用改进A*算法重新规划路径;随后,领航无人机将跟随无人机的空间编队信息与编队路径参数信息在集群中完成同步;最后,基于一致性原理设计了编队队形协同控制器,并基于改进人工势场法设计了动态避障控制器。仿真结果表明,与传统的领航-跟随方法相比,该方法可以降低编队误差,提高了复杂曲线路径下无人机的编队精度与稳定性,具有一定的工程应用价值。     

改进蚁群算法求解时变网络中最短路径问题

给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.     

一种动态环境下空间机器人的快速路径规划方法

针对动态环境下空间机器人采用深度强化学习进行路径规划时存在的收敛速度慢问题,采用迁移学习算法设计了一种适应动态环境的快速路径规划器.首先,综合考虑空间机器人运动过程中存在的避障、时间和扰动约束,在静态环境下对深度神经网络进行预训练.其次,将上述训练后的权值作为动态环境下深度神经网络的初始权值,再经过动态环境下的训练进行参数微调.最后,以平面五自由度空间机器人为例对所设计的方法进行了验证,并与直接训练方法进行了比较.实验结果表明,该方法能够将训练收敛时间从1033回合缩短到450回合,在保证规划路径准确率的前提下,提高训练的收敛速度.     

一种适于LEO卫星网络的动态源路由算法

针对低轨(LEO)卫星网络拓扑变化有规律、可预知的特点,提出了一种适于LEO卫星网络的动态源路由算法,即自适应路由选择(ARS)算法.它引入逻辑位置的思想屏蔽了卫星移动性对路由选择的影响,使得源卫星只需自身和目的卫星的逻辑位置信息便可以进行路由计算获得最小传播时延路径,避免了收集路由信息所带来的交换开销;同时,根据最小传播时延路径的分布特点提出了一种高效的路径表示方法,用于在IP数据报头中存储所获得的最小传播时延路径,中转卫星可以根据该路径信息转发数据报直至目的卫星,和其他各类源路由算法相比大大降低了路由开销;另外,该算法还针对可能发生的链路拥塞和卫星失效情况提供了保证数据报正常传输的处理方法.最后,将所提出的算法与最小传播时延数据报路由算法(DRA)和Bellman最短路径(SP)算法进行了仿真比较.仿真结果表明,ARS算法在降低路由计算开销和交换开销的同时,保证了数据报的端到端传输时延要求.      

基于改进优先经验回放的SAC算法路径规划

为解决智能体在复杂环境下的路径规划问题,提出一种基于改进优先经验回放方法的在线异策略深度强化学习算法模型.该模型采用柔性动作评价算法,通过设计智能体的状态空间、动作空间及奖励函数等实现智能体无碰撞路径规划;利用样本状态优先度与TD误差构建的样本混合优先度的离散度计算样本采样概率,进一步提出基于改进优先经验回放方法的柔性动作评价算法,提高模型学习效率.仿真实验结果验证了提出的改进柔性动作评价算法在各个参数配合下的有效性及改进优先经验回放方法在连续控制任务中模型学习效率的优越性.     

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

应用改进果蝇优化算法的月面巡视器路径规划

文章针对果蝇优化算法易陷入局部最优的问题,对果蝇算法中的味道浓度判定值进行改进,并将其用于月球探测巡视器的动态路径规划。为验证算法的有效性,将改进果蝇优化算法与粒子群优化算法的路径规划寻优特性进行了仿真对比分析,结果表明改进果蝇优化算法具有良好的实时性,并有效解决了算法易陷入局部最优的问题。考虑到月球探测巡视器在沿规划路径进行月面巡视的过程中,有可能遇到未知障碍物的情况,提出了动态环境下月球巡视器遇到未知静态障碍物的避障策略。     

多碎片移除过程中的路径优化

采用蚁群优化算法对多碎片移除过程中的路径优化问题进行研究，然后采用改进的最速下降法对移除每块碎片的时间进行合理优化，进一步降低总的速度增量需求.对比轨道高度、轨道倾角或者升交点赤经的顺序后发现，采用蚁群算法优化之后的顺序移除碎片可以大大节省轨道转移所需要的速度增量.选取中国空间活动产生的三组碎片进行优化计算，结果显示在相同的任务时间内，优化后的顺序可能不同于轨道高度、倾角和赤经的顺序，并且优化顺序可以节省更多的速度增量.另外，任务时间也会对碎片的最佳移除顺序产生影响.      

一种基于地形方向通行性的改进Theta*算法

提出了一种基于Basic Theta*改进的任意航向路径规划算法,利用星球巡视器在俯仰和滚转方向上抗倾覆能力的差异,对不同航向上的地形可通行性进行了分析,分别区别出障碍以及方向性障碍,并在此基础上将Basic Theta*扩展节点时的可视性检查改进为可通过性检查,从而筛选出能够通过方向性障碍的路径.仿真实验表明,该算法克服了Basic Theta*算法的局限性,能够更加充分地利用巡视器特性,在复杂地形上找到传统方法无法通行的最短路径,扩展了巡视器的行驶范围和工作能力,对于巡视器穿越崎岖地形及撞击坑底探测等星球表面特殊任务具有实用价值.      

基于飞行角度优化的蚁群改进算法

针对无人飞行器路径规划问题,实现了排序蚁群算法,并在此基础上,引入了针对无人飞行器飞行特征的飞行角度优化策略,并建立了转移概率的更新原则。模拟飞行环境建立栅格化地图,进行仿真验证,输出无人飞行器的最优路径,验证最优解的质量和算法的收敛速度,结果表明,该方法能有效消除飞行过程中的尖角和折返现象,更加符合无人飞行器的飞行特征。与传统的方法相比,算法的收敛速度和最优解的质量均得到了提升。     

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.      

移动机器人自主动态避障方法

针对基于水流场的全向移动机器人动态避障过程中可能出现的避障失效和避障路径过长问题, 提出了一种基于速度斥力场改进人工势场方法的全向移动机器人自主动态避障方法。详细分析基于水流场改进的人工势场法在动态避障过程中存在的移动机器人从障碍物前方绕过而引起的避障路径过长或避障失效问题;在基于水流场的人工势场避障方法中, 根据移动机器人和动态障碍物的相对速度, 引入速度斥力场, 使得移动机器人从动态障碍物的后方通过, 实现全向移动机器人的安全自主动态避障。通过仿真和室内避障实验, 验证了所提自主动态避障方法的有效性和实用性。      

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.