基于队形变化的多无人机航迹规划算法

针对多无人机在复杂环境下的航迹规划问题，文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构，设计了一种以时间与航程作为衡量指标的代价函数，求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹，结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上，文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明，无人机编队实现了在复杂环境下航迹规划与避障，同时为跟随者规划出最优航迹，与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。     

一种基于跟随领航法的多机器人的编队及避障控制方法

主要针对未知环境下多移动机器人的编队及避障问题，设计了基于跟随领航的编队及避障控制算法，使多机器人能保持一定的编队队形且无碰撞，并能使机器人在未知的局部障碍环境下也能够安全躲避障碍物，在通过障碍物之后依然能恢复之前的编队队形。对多机器人系统设计并进行仿真实验，实验结果表明，该方法对于实现多移动机器人的编队和避障控制具有良好的效果。     

多旋翼无人机编队动态航路规划研究

针对多旋翼无人机的编队动态航路规划问题,提出一种蚁群算法和快速扩展随机树RRT算法相结合的改进混合算法。首先利用蚁群算法离线搜索全局航路代价最小的初始航路,在局部航路规划中提出"协同避障—重构"策略,同时运用改进RRT算法实时修正几何航路,使机群满足时间协同约束绕过静态威胁源和突发障碍物,编队飞行至目的地。仿真结果表明,提出的改进混合算法和策略能有效规划无人机动态无碰航路,相较普通RRT算法,航路最优性及局部航路在线搜索速率得到明显提升。     

基于有限状态机的多机器人围捕策略研究

围捕任务是多机器人系统具有挑战性的任务之一,其综合了多机器人系统多方面的技术,其相关技术在多机器人的编队巡逻、环境侦查、编队进攻等任务中都有应用.首先提出一种基于条件反馈机制的Leader-follower多机器人队形控制方法,然后将有限状态机原理利用在多机器人协作围捕中,将围捕过程中的各个运行阶段定义为不同的状态,在每种状态内部分别执行形成队形、保持队形和转换队形.通过这种方式,提高了程序模块的使用效率,并使编队运动成为围捕任务的执行手段,通过实例仿真验证了本方法的有效性.     

基于改进RRT算法的无人机航迹规划

针对快速扩展随机树（RRT）算法用于无人机自主在线航迹规划时,只能快速获得可行的航迹,无法获得接近于最短航迹的较优航迹的缺点,提出了一种改进的RRT算法.该算法将无人机动力学约束融入到节点扩展过程中,通过改进离随机采样点最近的根节点的选取策略和引入航迹距离约束,搜索树将沿着航迹距离较短的方向朝着目标点进行扩展,使得规划出来的航迹接近最优,并采用基于B样条曲线的航迹平滑方法生成平滑可跟踪的航迹.仿真结果表明该算法能够快速地搜索安全并且满足无人机动力学约束的较优航迹.     

基于规划路径约束的机器人定位方法

路径规划是为机器人生成可行驶路径以实现循迹的过程。因此,机器人的位置应该位于或靠近规划的行驶路径。从而,路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型,该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中,模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上,提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中,应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中,从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明,所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统),并显著提高机器人定位的整体性能。     

基于狭窄通道路径树的快速航路规划算法

针对无人机在障碍间存在狭窄通道的城市环境中进行低空航路规划的问题,根据障碍之间的空间几何关系确定障碍之间的狭窄通道,再综合所有狭窄通道生成复杂环境中的狭窄通道路径树。设计了结合狭窄通道路径树的双向快速扩展随机树(Rapidly-exploring Random Tree, RRT)算法,在两棵搜索树的扩展过程中,通过判断搜索树与狭窄通道路径树的位置关系,将狭窄通道路径树添加到搜索树上,实现搜索树在狭窄通道中的快速扩展,减少两棵搜索树的无用扩展,提升航路树生成的速度。仿真结果表明,该方法能够解决无人机在存在狭窄通道的复杂环境中进行快速有效航路规划的问题。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题,提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优;随后通过改进的灰狼优化算法先后两次求解遍历顺序,引导机器人规划搜索路径与排除隐患点路径;最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障,逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高,验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。     

改进RRT无人机航迹规划算法

针对RRT（快速扩展随机树）航迹规划算法在未知环境下缺乏较强目的导向性和偏离较优解的问题,提出基于引导向量的RRT与滚动规划窗口相结合的航迹规划方法.改进的RRT算法加入方向引导因子,限制节点扩展范围,增强RRT生长的目的性.采用对比择优扩展,生成多个可行解,通过比较得到较优解.计算机仿真实验结果表明,改进的RRT航迹规划算法在未知环境中能够很快收敛于较优解,该算法用于解决未知环境下的航迹规划问题是可行的.     

融合改进A∗与DWA的轮式机器人路径规划

针对轮式机器人在路径规划中存在的问题,提出融合改进A?和DWA的轮式机器人路径规划方法.首先针对A?算法冗余点多、耗时长、拐点多等问题,提出双向A?和跳点算法相结合来提升全局路径规划效率;其次针对DWA寻找的路径非最优以及无法应变环境的问题,选取全局最优路径上优化后的跳点作为DWA的关键点,引入关键点评价子函数和自适应速度权值.融合改进的A?和DWA算法,既保证了全局路径最优,还可根据障碍物数量和分布,调整速度权值,兼顾速度和安全性.经在MATLAB仿真环境中验证:融合改进A?和DWA的轮式机器人路径规划方法与传统A?算法相比,大幅减少了规划时长和拓展节点数量,效率明显提升;与DWA算法相比,加入全局路径关键点和自适应速度权值,能遵循全局最优路径以及降低了运行时间,提升效率.     

HQD-RRT*: a high-quality path planner for mobile robot in dynamic environment

Mobile robots have been used for many industrial scenarios which can realize automated manufacturing process instead of human workers. To improve the quality of the optimal rapidly-exploring random tree ( RRT* ) for planning path in dynamic environment, a high-quality dynamic rapidly-exploring random tree ( HQD-RRT* ) algorithm is proposed in this paper, which generates a high-quality solution with optimal path length in dynamic environment. This method proceeds in two stages: initial path generation and path re-planning. Firstly, the initial path is generated by an improved smart rapidly-exploring random tree ( RRT* -SMART) algorithm, and the state tree information is stored as prior knowledge. During the process of path execution, a strategy of obstacle avoidance is proposed to avoid moving obstacles. The cost and smoothness of path are considered to re-plan the initial path to improve the path quality in this strategy. Compared with related work, a higher-quality path in dynamic     

面向动态障碍物的三维A*优化避障算法研究

针对空间站舱内漂浮物、太空碎片密集区域等复杂场景下的动态避障问题,本文提出了一种面向动态障碍物的三维 A*优化避障算法,主要用于完成空间站舱内飞行器和小型空间机器人在上述环境下的路径规划任务。该算法把传统二维 A*算法推广到了三维,然后通过模糊判断规则对路径进行优化,实现运动路径的实时优化,降低在三维无重力环境下的能量消耗。仿真结果表明,该算法可以对三维环境下动态障碍物进行有效避障,并且优化指标提高将近一倍, 能够有效降低能量的消耗。     

Spatially constrained coordinated navigation for a multi-robot system

In this paper we present a method for navigating a multi-robot system through an environment while additionally maintaining a predefined set of constraints. Examples for constraints are the requirement to maintain a direct line-of-sight between robots or to ensure that the multi-robot system maintains communication. Our approach is based on graph structures that model movements and constraints separately, in order to cover different kind of robots and a large class of possible constraints. Additionally, the separation of movement and constraint graph allows us to use known graph algorithms like Steiner tree heuristics or the multi-point relay algorithm to solve the problem of finding a target configuration for the robots. To connect the movements of the robots with the given constraints, we introduce separated connection graphs which allow assembling valid navigation plans fast. This paper presents some theoretical insight into the problem of coordinated navigation for multi-robot systems with spatial constraints as well as a practical solution. Experiments in simulation and with real robots show the feasibility of the approach.     

A cooperative optimization strategy for distributed multi-robot manipulation with obstacle avoidance and internal performance maximization

Reactive multi-robot manipulation can be of great assistance in many applications. In this article a distributed cooperation strategy for object manipulation with multiple robots in un-modelled environments is proposed to tackle workpiece transportation and dynamic obstacle avoidance simultaneously. A decentralised optimisation process will run first to generate robot pose references and then a joint-level control is responsible for tracking. Since in multi-arm manipulation systems the available workspace for each robot is more restricted, necessary internal performance optimisation is also included in the planning phase. A velocity-level optimum will be solved and then transformed to a position-level control reference so that it can be combined with many compliant interactive controllers such as impedance control. Although no torque or force sensor is required and each robot only has access to local information, when avoiding obstacles the coordination strategy can generate synchronised group motion so that internal forces are avoided. Only task-space variables will be communicated, therefore it is easy to team up different types of robots, making the system more flexible. Simulation and experiments with two redundant manipulators have been done to validate the proposed design, and data show that the online computation speed is fast.     

基于红外的障碍场中集群微机器人的控制方法

对多障碍物环境下微机器人集群运动的控制问题进行了研究.结合微机器人尺寸小的特点,采用低功耗的红外传感器感知外界环境.设定机器人的安全区域,根据机器人运动过程中避障和路径规划所要满足的边界条件,提出了基于人工蜂群问题优化的路径规划控制模型,实现了微机器人的避障和路径规划.仿真结果验证了该控制方法的有效性.     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

基于RRT算法的无人机路径规划应用研究

经典的路径规划算法大都需要在全局已知空间中对环境进行建模,包括人工势场法、遗传算法、启发式算法、仿生学算法等.由于需要预先构建环境,因此这些方法并不适合解决在高维度空间中的路径规划问题.基于快速扩展随机树(RRT)的路径规划方式其优势在于可以避免对全局环境的构建,通过对状态空间进行随机采样,检测碰撞点,能够有效地解决在...     

基于蚁群算法的无人船平滑路径规划

为解决无人驾驶船舶在复杂环境中规划路径时存在的转向角度大、路径拐点多、航行能耗高等问题,文中提出一种基于改进蚁群算法的平滑路径规划方法。该方法采用栅格法进行环境建模,通过在启发函数中引入路径平滑度、距离启发因子以及在路径转移概率中引入障碍物启发因素,提高路径寻优和静态避障能力。结合启发因素改进信息素更新标准,设置可调节信息素挥发因子增加算法的自适应性。提取输出的最优路径关键节点并对其进行平滑处理,进一步保证路径平滑度和安全性。根据不同栅格环境下的避障仿真结果可知,与传统算法相比,文中改进蚁群算法的路径寻优速度提高了45%～62%,转向次数减少了25%～44%,平滑处理后的路径安全性和可行性得到了提升,较好地实现了不同环境下无人船自主路径规划。     

动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.