基于RRT*算法的水下机器人全局路径规划方法

针对海洋环境的复杂性,考虑水下机器人能量的局限性,为减小洋流环境中作业全程水下机器人的能量消耗,以某水下机器人为研究对象,设计实现基于RRT*的路径最短和能耗最低的路径规划算法;并进行包括RRT*算法和RRT算法在复杂环境下的对比、不同洋流流速环境中水下机器人路径最短和能耗最低路径规划的仿真模拟。最后在水池中,利用实验室现有的水下机器人平台进行了真机实验。仿真测试和真机实验结果表明:所设计的基于RRT*的路径最短和能耗最低的路径规划算法可行有效。     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

基于模糊神经网络的水下机器人局部路径规划方法

该文探讨了基于模糊神经网络理论的实时局部路径规划问题,并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法,设计了水下机器人实时运动规划器结构以及规划器操作过程和相应的算法。仿真实验结果验证了本文所提方法的有效性和可行性。     

基于AQPSO算法的圆碟形水下滑翔机路径规划

为解决复杂海洋环境影响下圆碟形水下滑翔机的路径规划问题,采用多黏性Lamb涡叠加方法模拟洋流环境模型。以最小能量消耗为优化目标,结合B-spline方法生成光滑的曲线路径,采用自适应性基于量子行为的粒子群优化算法对圆碟形水下滑翔机的路径选择进行优化求解。将该算法与粒子群优化算法和基于量子行为的粒子群优化算法相对比,仿真结果验证了各算法在求解航行路径问题方面的有效性。此外,基于能耗最优原则分析各算法的适用性。     

大型自主水下机器人全局静态与局部动态融合路径规划方法

针对大型自主水下机器人在做全局路径规划时面临环境建模复杂,算法求解能力弱以及面对局部动态障碍时自主性低,避障路径规划困难等问题,采用极坐标表示形成路径同心圆,在严格机动性约束下提出基于改进粒子群算法和速度障碍法的全局静态与局部动态相融合的路径规划方法。在极坐标表示的环境模型中,在全局静态规划中引入最优粒子"变异"过程提升算法求解能力;在局部动态规划中利用速度障碍法求解局部碰撞范围和安全路径区域以保证避障路径最优。实验结果表明,与传统粒子群和遗传算法相比,改进方法在全局静态规划中路径更短、求解能力更强,局部动态规划能够得到出最优避障路径。     

考虑海流影响的水下机器人全局路径规划研究

为了适用于大范围海洋环境下须要考虑能量耗尽问题的AUV导航,提出了一种考虑海流影响的水下机器人全局路径规划方法,该方法将海流因素作为GA算法的评价因子,在路径规划的层面上考虑海流的影响;在此基础上对GA算法进行了改进,提出一种GA-PSO混合算法,GA-PSO混合算法比单纯的GA算法具有更快的收敛速度和运行效率。     

智能水下机器人路径规划方法综述

路径规划方法是智能水下机器人技术研究的核心内容之一,是实现自主航行和作业的关键环节。本文将水下机器人的路径规划方法按智能程度分为传统和智能两大类。传统方法包括基于路线图构建的路径规划方法、基于单元分解的路径规划方法以及基于人工势场的路径规划方法,智能方法包括基于群智能的路径规划方法和基于机器学习的路径规划方法。针对水下机器人规划环境的特点,分别对这几类典型方法进行总结与评价,重点分析了智能方法的优缺点和关键问题,最后展望智能水下机器人路径规划的未来研究方向。     

基于RRT算法的无人艇航线重规划方法

针对利用随机方式进行采样,RRT算法在解决无人艇航线重规划时存在规划效率低、航线不平滑、难以保证结果最优等问题,提出基于RRT算法的无人艇航线重规划方法,根据任务空间中新增障碍物的位置,对初始随机树进行分割,得到残余随机树;利用具有一定偏置概率的RRT算法在残余随机树的基础上进行航线规划;最后对规划的航线进行平滑处理,以广州港、大连港、天津港附近水域为基础建立航线规划任务空间,进行仿真实验,结果表明：基于RRT算法的无人艇航线重规划方法可行,当新增障碍物出现在初始航线1/2处时,相比于传统的RRT算法,分割RRT算法的航线重规划平均耗时缩短了30%以上,航程缩短了13%以上;此外,当新增障碍引起任务空间结构变化较大时,航线重规划耗时将显著增加。     

基于改进A*GBNN算法的AUV路径规划研究

针对现有的离散生物启发神经网络(Glasius bioinspired neural networks, GBNN)算法在未知环境下,存在的路径规划时间长、易陷入局部最优等问题,提出一种结合A*与GBNN模型的改进算法。在GBNN活性值栅格网络中,算法将各栅格的活性值作为A*的代价函数进行运算并使用跳点搜索规则优化,实现未知环境下的实时路径规划。仿真实验结果表明,该算法有效改善了自主水下航行器在未知环境下的寻路效率,可以满足自主水下航行器实时路径规划需求。     

基于改进RRT~*算法的无人艇全局避障规划

在水面无人艇全局避障规划领域,RRT~*算法及其改进方法规划的路径长度过长、转折过多,并且规划路径紧靠障碍物,不利于水面无人艇的安全行驶。针对此问题,本文提出一种新的基于线段定理和RRT~*算法(Line segment theorem-RRT~*)的LT-RRT~*算法。该算法对环境地图进行预处理,标示出障碍物周围危险区域,为无人艇与障碍物之间留出安全距离。再根据终点采样概率选取采样点,改善RRT~*算法由于全局采样引起的路径不稳定性。最后根据线段定理重新选取新节点和附近节点的父节点,跳过中间节点连接树节点,减少路径折点,最终生成相对平滑的避障路径。在相同环境下,将改进算法与现有算法避障规划效果进行比较分析,结果表明了LTRRT~*算法的有效性。     

基于环境优化的无人艇全局路径规划研究

LazyTheta*算法是近年来提出的启发式路径规划算法,凭借其优异的搜索性能,在机器人全局路径规划中的应用不断增多。但常规的启发式路径规划算法往往忽视机器人的运动学特性以及环境对路径规划结果的影响,不适合直接应用于无人艇。针对这一问题,提出了基于环境优化Lazy Theta*算法的无人艇全局路径规划方法,从路径安全性和水流适应性两个方面对启发函数和视线检查进行改进,并对路径进行了折角平滑处理。仿真结果表明,与常规算法相比,采用改进算法规划出的路径具有更少的路径点和更小的路径转角,路径更加平滑,能够更好地适应水流的变化,有利于无人艇在复杂水域环境中航行,提高了无人艇航行的安全性。     

自主式水下机器人最优路径规划问题的研究

路径规划是水下机器人实现自主航行的重要环节。根据自主式水下机器人的动力学性质，路径规划的特点以及实现智能行为的要求，采用基于案例的遗传算法，实现了自主式水下机器人最优路径规划。给出该方案的基本框架和算法，在基于案例类比的学习方法中引入模糊多属性综合决策的方法建立决策算子进行案例的匹配，在遗传算法中实际知识的指导，适当地改进遗传算子，加快搜索速度。仿真结果证明该路径规划方法能够取得较好的规划结果，使自主式水下机器人具有了一定的自主导航，自主避障和自主作业的能力。     

小型水下机器人在复杂水下地形中的目标搜寻应用

针对水下目标搜寻工作所遇到的现实困难及搜寻作业的特点,提出一种在局部水域范围内基于小型ROV的水下小目标搜寻方案,以提高水下复杂地形中的目标搜寻效率。工程应用实践证明该方案具有高效率、低风险及低成本等特点。     

基于改进A*算法的无人船路径规划研究

针对无人船路径规划过程中存在的规划结果所占内存较大、耗费时间较长、有较大概率生成"死区"的问题,提出基于改进A*算法的无人船路径规划方法.选取栅格法构建无人船行驶环境模型,采用A*算法确定代价函数,判断代价大小,以代价最小的节点作为下一个轨迹点,由此获取最优无人船行驶路径.为改进A*算法,利用无人船转弯半径下限、路径长...     

基于改进双向RRT的无人艇局部路径规划算法研究

以高速航行的无人艇迅速规划出较优的局部避障路径为目标,提出一种基于改进双向RRT的无人艇局部路径规划算法。针对传统双向RRT算法随机性过强,规划的路径往往曲折较多的问题,对每一个新延伸的节点施加转角约束。针对传统双向RRT算法两棵树经常不能平滑连接的问题,在主动连接点施加转角约束及距离约束。还提出了一种新的动态步长策略。仿真结果表明,用改进算法规划的路径质量更好,算法收敛时间更短。     

基于改进蚁群的智能船舶全局路径规划方法

船舶路径规划是指在特定的海洋环境下,按照一定的寻优策略,给定出发点和目标点,完成船舶航行所需求的航线规划。本文依据改进的蚁群算法进行智能船舶路径规划,基于对障碍物膨化处理后的栅格地图,针对经典蚁群算法局部最优问题,加入了状态自适应调整,信息素自适应更新和拐角处理策略,在提高算法收敛速度的同时保证了所得路径的平滑性及安全性,实现了智能船舶的安全、经济航线规划。     

未知环境中水下无人航行器的路径规划方法

针对水下无人航行器路径规划需要提前获得海图以得到全局障碍物信息,难以做到未知环境下实时规划路径的问题,提出一种对探测空间进行采样并判断采样点是否具有障碍,最终将探测到的障碍结果加权赋值给A*算法待扩展点的方法,实现了探测与路径规划同步进行,同时考虑到航行器的运动学约束,将A*算法的搜索域修正为圆域并且仅搜索在运动学约束...