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。     

基于Safe-PPO算法的安全优先路径规划方法

现有的路径规划算法对路径规划过程中的路径安全性问题考虑较少,并且传统的近端策略优化(PPO)算法存在一定的方差适应性问题。为解决这些问题,提出一种融合进化策略思想和安全奖励函数的安全近端策略优化(Safe-PPO)算法,所提算法以安全优先进行路径规划。采用协方差自适应调整的进化策略(CMA-ES)的思想对PPO算法进行改进,并引入危险系数与动作因子来评估路径的安全性。使用二维栅格地图进行仿真实验,采用传统的PPO算法和Safe-PPO算法进行对比;采用六足机器人在搭建的场景中进行实物实验。仿真实验结果表明：所提算法在安全优先导向的路径规划方面具有合理性与可行性：在训练时Safe-PPO算法相比传统的PPO算法收敛速度提升了18%,获得的奖励提升了5.3%;在测试时采用融合危险系数与动作因子的方案能使机器人学会选择更加安全的道路而非直观上最快速的道路。实物实验结果表明：机器人可以在现实环境中选择更加安全的路径到达目标点。     

基于粒子群算法的航天器姿态机动路径规划

研究航天器在星载设备受多种几何约束情况下,大角度姿态机动时的姿态路径规划问题.采用罗德里格斯参数描述姿态,将姿态机动路径规划问题转化为点机器人的三维路径规划问题.基于粒子群优化技术设计了航天器复杂约束下大角度姿态机动的路径规划算法.数值仿真结果表明,该方法对于复杂约束下航天器姿态机动的运动规划是有效的.     

月面巡视器路径规划方法研究

在月面巡视遥操作过程中,需要根据感知数据确定科学探测目标,并逐层分解形成不同层次的规划结果。根据不同层次规划要求,结合月球背面巡视探测所需要面对的复杂约束,在探测周期规划中设计了月面综合环境立方模型和多约束导航点搜索算法,实现了综合考虑地形可达、光照情况、通信可达等多种因素的导航点搜索,在导航单元规划中设计了考虑地形行走代价、移动里程代价、操作控制代价等因素的平滑曲线路径搜索算法。在仿真实验环境中对上述方法进行了验证,结果表明了方法的有效性和实时性。     

动态环境中的无人机路径规划方法

为了解决动态环境中的路径规划问题,提出了一种引入时间轴的方法.在构型空间的基础上引入时间轴,将构型空间扩展为构型-时间空间,在构型-时间空间中可以表示动态障碍物所有时刻的位置.在路径生成阶段,提出了一种改进的蚁群算法,将方向信息作为启发信息引入蚁群算法中,使蚂蚁在初始搜索路径时更有针对性.仿真结果表明:构型-时间空间可以解决动态环境的表示问题,改进蚁群算法可以更快地收敛到全局最优解.      

基于CGAPIO的航天器编队重构路径规划方法

针对航天器编队重构的路径规划问题,考虑燃料消耗和碰撞概率等约束条件,以及基本鸽群算法存在的问题,提出一种基于混沌初始化和高斯扰动的自适应鸽群(CGAPIO)算法。为了得到多样性和覆盖性更好的鸽群初始值,采用Tent Map混沌模型进行鸽群初始化操作;在地图和指南针算子阶段,为提高全局搜索能力,引入了自适应的权重因子和学习因子更新个体的位置和速度;在地标算子阶段,为避免算法陷入局部最优,将高斯扰动加入到鸽群中心位置。仿真实验结果表明:CGAPIO算法与基本鸽群算法和粒子群算法相比,提高了全局搜索能力,避免了局部最优,规划得到的路径更加平滑,各航天器碰撞概率较低,编队重构消耗的总燃料至少减少了12%。      

一种团队自治实体路径规划算法TAEPP

对团队自治实体的路径规划问题进行了分析,提出了一种团队自治实体路径规划算法TAEPP(Team Autonomous Entity Path Planning).该算法是一种集中式的全局规划方法,使用改进的A*算法得到团队中Leader成员的路径,通过对Leader路径的优化得到关键点表和队形转换表,利用关键点表和队形转换表得到团队中非Leader成员的路径.队形转换表可以使行进中的队形变换更合理,减少了队形维护时需要的通信量.通过调整算法中的2个影响因子,可以分别得到侧重于队形和侧重于距离的路径.试验结果验证了TAEPP算法的合理性和有效性.      

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。     

基于可通过性的月面巡视探测器路径规划算法

应用于行星探测车的路径规划算法需要根据地形环境信息和车体的越障能力两方面进行考虑。结合月面巡视探测器移动子系统的通过特性以及地形信息将地图栅格进一步细分,使用了四个安全性指标描述车体静止或运动时的通过性,并将其引入到A~*与D~*两种规划算法的代价当中,给出了算法的流程,并通过仿真进行了验证。     

满足战场需求的实时飞行路径规划

基于启发式A*搜索技术,给出了两种战机飞行路径实时规划算法,通过采用折距替代直线距离,达到减少扩展点和提高搜索速度的目的;通过添加虚拟威胁源,解决了飞机最小转弯半径和飞行目标进入角度限制问题,通过飞行速度和飞行到达时间对应的最大飞行距离来对规划过程中扩展节点的剪枝,可以满足飞行速度、飞行时间等战场需求,提出的算法还保证穿越威胁源飞行飞机的生存性达到最大.仿真结果证实了该算法的有效性以及实时性.      

一种基于有限视场的移动机器人避障路径规划算法

 提出一种基于传感器的移动机器人避障路径规划算法。考虑到传感器存在视场范围限制的问题,算法仅利用当前单一视场内的有限环境信息,采用两种搜索模式,以机器人当前的运动方向、障碍物边界端点数据及目标点所在方向为依据,在当前视场中搜索合适的路径。这两种搜索模式保证了路径最终收敛到目标点。最后,通过仿真实例验证了算法的有效性。     

基于栅格地图的火星车路径规划方法

火星车路径规划是实现火星车完成预定探测任务的关键。然而传统路径规划算法,如A*和D*等,存在计算速度较慢,算法复杂度较高等问题。本文将对传统路径规划方法 A*法改进并且得到一种快速高效的全局路径规划算法,之后结合合适的局部避障算法,得到一种基于栅格地图的完整的火星车路径规划方法,最后通过仿真验证了此方法的有效性及合理性。     

基于智能图搜索的滑翔式高超声速飞行器路径规划方法

研究了高超声速飞行器在线路径规划问题。首先建立滑翔式高超声速再入飞行器动力学模型,在此基础上综合考虑高超声速飞行器在飞行过程中的动压约束、热流约束、过载约束等,对动力学模型进行解析计算,分析再入走廊,并进一步分析形成滑翔式高超声速飞行器的覆盖区域。基于飞行器覆盖区域并结合工程应用需求,提出速度分段的高超声速飞行器可达区域计算方法,确定在不同终端速度约束下的高超声速飞行器可抵达区域。并以此为基础,以各个速度分段的终端速度为节点,提出基于启发式路径搜索算法的分段路径规划方法,通过变步长图搜索算法可在飞行过程中在线确定各个速度分段区间的终点,完成分段路径搜索规划。最后通过数值仿真验证了所提出路径规划方法的有效性,结果表明,所提出的方法计算效率高,能够有效规划高超声速飞行器的机动飞行轨迹,具有一定的工程应用前景。     

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。     

一种基于概率路线图的月球巡航车路径规划算法

为提高月球巡航车自主探测时的安全,提出一种基于概率路线图(Probabilistic Roadmap, PRM)的改进路径规划算法.该算法基于距离变换地图,改善PRM算法的采样方式,控制采样点远离障碍物,使规划的路径远离障碍物,避免紧贴障碍物前进的危险情况,提高了月球巡航车自主探测过程中的安全程度.为评估路径的安全性,提出安全警戒系数和最小安全警戒系数两个安全指标,并在月球表面仿真环境下对A*,PRM和改进的PRM算法生成的路径进行安全评估.结果表明改进的PRM算法相较于A*算法,安全警戒系数和最小安全警戒系数分别提升了2.20 m,1.00 m;相较于PRM算法,安全警戒系数和最小安全警戒系数分别提升了1.68 m,1.00 m.改进的PRM算法不局限于月球巡航车的路径规划,还可以应用于对路径安全性要求较高的探索机器人和自动驾驶汽车.     

基于几何方法的洲际航空编队飞行路径规划

针对洲际航空编队飞行路径规划,首先,基于编队飞行空气动力学的研究结论和球面度量特征,建立了编队飞行路径规划的基本模型;其次,基于编队路径的拓扑特征,将编队路径规划问题抽象为球面点集上基于测地线的加权Steiner最小树规划问题(WGSMT),建立了WGSMT的有限几何简化原则;针对避障编队路径规划,证明衔接点的引入仅改变紧邻的Steiner 点的拓扑特征,而不降低规划结果的准确性,以支持OAWGSMT编队路径规划.最后,构造一种基于“构造-修复”思想的编队路径规划方法,通过实际算例验证了算法的有效性.研究形成洲际航空编队路径规划的几何基础,使问题复杂度依赖于航班集规模而非球面离散化网格规模.      

基于CHC算法的无人机航迹规划方法

利用改进的遗传算法——跨世代异物种重组大变异(CHC, Cross generation Heterogeneous recombination Cataclysmic mutation)算法提出了一种无人机的航迹规划方法.初始种群即初始航线集利用具有启发式信息的搜索算法产生;适应度函数为距离指标与威胁指标的组合形式;选择操作群体为当前群体与上世代群体的群体总和,由于大个体群操作,可以更好地保持遗传多样性;交叉操作采用单点交叉方法,交叉点取为2条航线中距离最近的2个点;变异操作的步骤是:首先在航线中搜索出2个点,然后算出这2个点之间的直线距离与实际航线距离的比值,如果这个比值小于某一阈值则以这2个点为端点重新规划一条航线.由于考虑到了无人机约束条件的限制,从而避免了盲目性且加快了收敛速度.仿真结果表明该方法比基本遗传算法要快而且满足最优条件.      

舰载机牵引系统路径规划方法

舰载机在任务繁忙和障碍密集的飞行甲板上运动,为了降低舰载机的能耗和增加发动机使用寿命,一般由牵引车牵引舰载机运动,舰载机和牵引车构成牵引系统。为了提高牵引系统出行任务的安全高效性,提出了一种甲板环境下的牵引系统路径规划方法。建立了路径规划的数学模型,该模型包括牵引系统运动学模型和机动能力约束,任务目标函数和任务约束模型,以及障碍物规避模型。结合上述模型,基于几何学理论和Dijkstra算法设计了最优路径的搜索方法。以尼米兹级航母飞行甲板为例,进行了牵引系统的路径规划和跟踪控制仿真,结果表明了模型的合理性和方法的有效性。      

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置,提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制,在障碍分布密集时选择最安全的路径,在障碍物分布稀松的环境中,利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外,还引入了搜索树,可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能,在障碍物分布稀松时效果更加明显,且可实现死角检测并能通过狭长通道。      

基于改进遗传算法的移动机器人路径规划

路径规划是实现移动机器人自主导航的关键技术。针对常规路径规划算法求解的路径长度非最短以及在前后两次规划过程中规划路径不连贯的问题,提出一种基于改进遗传算法的帧间关联平稳路径规划方法。首先,结合随机和定向两种搜索方式生成候选路径;然后,在常规遗传操作算子中引入插入算子和删除算子,并将规划路径的连贯性考虑进适应度函数中来计算每条候选路径的适应度值;最后,输出适应度值最高的路径作为当前最优路径。仿真结果表明了所提方法的正确性和可行性。实验结果表明,所提方法与A*算法和常规遗传算法相比,移动机器人行驶路径长度分别减少了3.05%和1.85%;行驶过程中的最大偏航角变化量分别减少了38.02%和32.43%,转角绝对值之和分别减少了23.97%和19.94%,所提方法能规划出更优的路径,并显著提高移动机器人的行驶效率和平稳性。