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.     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

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。     

“定制”与“广义”概念下的指尖密封结构优化

 为了获得高性能的指尖密封结构型式，根据指尖密封的结构组成特点，提出了“定制”型线和“广义”型线概念下的指尖密封结构优化策略，以及反映指尖密封基本组成特征和具有“单元叠加”功能的最小优化单元。通过采用统一优化法和分步优化法对两类指尖密封结构的多目标优化问题进行了优化分析，研究结果表明，“定制”型线指尖密封结构优化和 “广义”型线指尖密封结构优化的策略和方法，可以达到同步降低指尖密封迟滞率和综合刚度的多目标优化目标，是获得具有良好综合性能的指尖密封结构的有效途径。从工程意义上讲，“广义”型线指尖密封结构优化技术更具选择指尖密封性能优化取向和程度的优势。     

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.     

基于人工势场法优化的蚁群无人机航路规划

针对复杂环境下无人机航路规划问题,提出一种势场法优化的蚁群航路规划算法。为了改善蚁群初始路径搜索过程中的盲目性,将人工势场法的规划结果作为先验知识,对蚁群初始到达的栅格进行邻域信息素的初始化,进而运用改进的蚁群算法完成航路搜索任务。仿真结果表明,新算法具有收敛速度快,规划路径短以及环境自适应的优点。     

基于动态人工势场法的多机改航路径规划研究

在危险天气条件下,需要研究航班改航路径规划的问题。对传统人工势场法中的斥力势函数进行修正,将目标点与障碍物的距离以及航空器与受限区的运动速度考虑在内,建立了动态人工势场法的多机改航路径规划模型。模型解决了障碍物附近目标不可达问题,并且适应动态运行环境。算例验证了模型的有效性和可行性。     

基于强化学习的多智能体系统目标围捕控制

针对多智能体系统目标围捕问题，提出了基于强化学习的目标围捕控制方法。首先，对多智能体系统进行马尔可夫博弈建模，设计能够控制系统到期望围捕状态并满足避障要求的势能函数，将模型控制与强化学习原理结合，利用势能模型引导的改进多智能体强化学习算法进行围捕。其次，在已有势能模型的基础上建立跟踪围捕和环航围捕2种围捕策略。前者通过设计速度势能函数实现多智能体一致跟踪。后者加入虚拟环航点，设计虚拟环航点势能函数实现期望环航。最终，仿真验证了多智能体强化学习围捕控制策略的有效性。     

基于平面约束人工势场的无人机航迹规划算法

航迹规划是实现无人机自主导航飞行的关键。针对人工势场法应用于无人机航迹规划时出现的规划失败、实用性不强的问题，本文提出一种基于平面约束人工势场的航迹规划算法。首先，利用约束平面切割障碍物，简化了障碍物的分布。其次，构建航迹的可行性约束条件，并建立了基于约束平面的人工势场法。最后，综合并改进了一种额外控制力法和常用的改进势场函数。仿真验证表明，该算法克服了传统人工势场法未考虑无人机物理性能限制、易陷入局部最小值以及目标不可达的问题，同时提高了航迹规划质量。通过本文研究，人工势场法的不足得到了改善，有利于人工势场法在无人机航迹规划领域的应用与发展。     

基于多指标动态优先级的无人机协同路径规划

针对复杂城市环境下多无人机（UAVS）协同巡检、配送等任务,提出一种基于多指标动态优先级的协同路径规划方法,以节省运行成本和增加任务效率。综合考虑碰撞风险、总路程、等待时间等指标构建动态优先级模型,并在优先级单边避碰机制下,定制组合规避策略以处理局部冲突,更好地权衡协同规划效率和路径质量。针对无人机个体路径规划,在Lazy Theta*算法基础上引入拥堵权值地图,引导无人机避开拥堵区域,降低冲突发生可能性。对比仿真试验表明：提出的个体规划算法可以减少拥堵区域和降低拥堵持续时间,提出的多指标动态优先级协同规划算法相比于飞行时间驱动的动态优先级,能够提高规划效率和结果最优性。     

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。     

突发威胁下的航迹规划问题研究

提出采用一种结合三角网格退化、变域动态规划以及航迹优化的方法来解决突发威胁下的航迹规划问题。针对无人飞行器航迹规划中应对突发威胁存在时间延迟过长问题,采用一种速度较快的退化网格方法,有效提高了重规划的速率。在动态规划中,采用一种有向变域动态规划方法,进一步缩短了路径生成的时间。仿真结果显示,该方法能有效减少时间延迟过长问题,并满足地形回避和威胁回避的要求。     

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。     

自由漂浮的空间机器人系统的动力学奇异特性分析及其运动规划

首先建立了受非完整约束的自由漂浮空间机器人系统的运动学模型,继而深入分析了系统的动力学奇异性,然后,重点探讨了基于 Lyapunov函数的空间机器人避奇异运动规划方法,最后给出了方法的实例仿真并分析了仿真结果。     

Determination of optimal samples for robot calibration based on error similarity

Industrial robots are used for automatic drilling and riveting.The absolute position accuracy of an industrial robot is one of the key performance indexes in aircraft assembly,and can be improved through error compensation to meet aircraft assembly requirements.The achievable accuracy and the difficulty of accuracy compensation implementation are closely related to the choice of sampling points.Therefore,based on the error similarity error compensation method,a method for choosing sampling points on a uniform grid is proposed.A simulation is conducted to analyze the influence of the sample point locations on error compensation.In addition,the grid steps of the sampling points are optimized using a statistical analysis method.The method is used to generate grids and optimize the grid steps of a Kuka KR-210 robot.The experimental results show that the method for planning sampling data can be used to effectively optimize the sampling grid.After error compensation,the position accuracy of the robot meets the position accuracy requirements.     

基于三维空域网格的低空飞行航迹战略规划方法

针对复杂低空环境下航空应急救援飞行安全问题,提出了一种基于三维空域网格的飞行航迹战略规划方法。将空域网格化分成多个飞行航迹节点,同时考虑地形、气象、飞行规则以及航空器性能等多种约束,使用改进的A*算法搜索单个航空器的最优飞行航迹。在单个航空器初始飞行航迹基础上,结合时间窗原理,提出两种方法解决了多机无冲突航迹战略规划问题。最后,通过案例仿真验证了方法的有效性。     

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.