移动机器人全覆盖路径规划算法综述

各种应用型移动机器人的设计是目前研究的焦点,它具有广阔的科研价值和市场前景,而路径规划技术是其中关键技术之一。本文系统总结了当前全覆盖路径规划算法的主要研究成果,并在覆盖效率、算法实现难易等指标方面进行比较剖析,探讨了各种算法的优势和不足。最后,提出进一步研究的方向。     

核电站水下机器人路径规划仿真

针对核电站水下机器人在核环境中的任务要求,采用启发式搜索和分块遍历算法,分别研究了机器人的点对点全局路径规划以及完全覆盖路径规划,并应用Lab VIEW Robotics、Robot Basic对机器人规划进行了仿真与分析。从仿真结果可知,算法可以有效提高作业效率,为机器人完成作业任务打下了基础。     

移动机器人模糊控制系统避障研究

对全区域覆盖的局部路径规划,采用了一种模糊控制算法,利用模糊控制算法自身所具有的鲁棒性和基于生物学上的感知-动作的行为相结合.对于移动机器人的避障系统提出了充分接近障碍策略,并对相关理论和实现方法作了深入的研究.     

柔性针穿刺路径规划综述

针对斜尖柔性针穿刺路径规划问题,全面、系统地总结了路径规划的研究现状.根据柔性针穿刺路径的特点,将路径分为5种形式,并定义了名称.将路径规划研究按照路径维数、路径形式、规划方向和规划算法进行分类,并分别给出定义.详细总结了4种规划算法的实现及其特点,并提出了路径规划当前存在的问题和未来的发展趋势.     

一种基于预测信息的时间依赖网络路径规划算法

对时间依赖路网最短路径规划算法的研究是车辆动态导航技术领域研究的热点之一。针对最小时间规划算法存在的不足,在研究SPFA（ShortestPathFasterAlgorithm）静态规划算法的基础上,结合两种算法的优点,提出了一种改进的基于路况预测信息的最小时间路径规划算法,并通过实例进行了验证。结果表明,新算法能够提供实时、高效、预测性强的规划路径,在城市交通中能较好满足用户需求。     

基于Dijkstra算法的货运索道路径规划方法

为解决路径规划算法缺失、路径规划周期长、劳动强度大等货运索道路径规划难题,基于Dijkstra算法对索道路径规划问题进行了环境建模,并结合地形曲线、索道架设限制条件、路径规划目标函数等提出货运索道路径规划的邻接矩阵构建方法;结合货运索道的路径规划特点,对Dijkstra算法的搜索方向进行优化,有效降低了路径搜索的计算量。提出基于Dijkstra算法的货运索道路径规划方法。对十万个二维地形曲线进行路径搜索,本研究算法搜索出的符合索道架设要求的路径数量比已有算法(地形搜索法、干涉点搜索法和地形自适应法3种)搜索出的符合索道架设要求的路径数量提高了17.9%,且能够根据目标函数规划出最优路径,大幅度减少货运索道路径规划工作的时间和工作量,有效地降低索道架设和运输的成本。     

基于优化A*算法的智能车局部路径规划方法研究

路径规划是汽车智能化技术研究的热点。算法延时及路径偏差大等问题是路径规划算法需要研究的重点问题。文章基于A*算法,针对传统路径规划中存在的延时性问题,设计运行时间Tpre;针对规划路径与车辆实际行驶路径偏差大的问题,提出优化的节点拓展方法,通过添加惩罚系数到估价方程,修改节点拓展计算方法,约束算法拓展节点的方向。设计硬件在环实验,验证改进算法的可行性。实验结果证实:算法耗时缩短4.23%;所规划的理论路径与车辆实际路径之间的平均偏差率从0.113%降至0.078%,优化后的A*算法实时性和精确性均优于传统A*算法。     

强化学习方法在移动机器人导航中的应用

路径规划是智能机器人关键问题之一,它包括全局路径规划和局部路径规划.局部路径规划是路径规划的难点,当环境复杂时,很难得到好的路径规划结果.这里将强化学习方法用于自主机器人的局部路径规划,用以实现在复杂未知环境下的路径规划.为了克服标准Q 学习算法收敛速度慢等缺点,采用多步在策略SARSA(λ)强化学习算法,讨论了该算法在局部路径规划问题上的具体应用.采用CMAC神经网络实现了强化学习系统,完成了基于CMAC神经网络的SARSA(λ)算法.提出了路径规划和沿墙壁行走两个网络的互相转换的方法,成功解决了复杂障碍物环境下的自主机器人的局部路径规划问题.仿真结果表明了该算法的有效性,同传统方法相比该算法有较强的学习能力和适应能力.     

移动机器人路径规划技术研究

路径规划技术是移动机器人研究的一个重要领域,研究综述了移动机器人路径规划技术的分类和发展现状,对全局路径规划和局部路径规划的各种方法进行较为详细的分析和介绍,并指出优点与不足,最后对移动机器人路径规划技术的发展趋势进行了展望.     

一种移动机器人三维路径规划算法

研究移动机器人在三维工作环境中的全局路径规划问题,提出了一种基于神经网络结构能量函数的路径规划算法,可根据障碍物的形状设定不等的模拟退火初始温度.仿真结果表明,该算法计算简单,收敛速度快,是一种有效的移动机器人三维路径规划算法.     

基于改进随机蕨的移动机器人物体识别算法

物体识别是智能移动机器人的重要功能之一,针对计算机视觉领域移动机器人在约束场景,如低图像分辨率,运动模糊和背景杂乱等相关研究比较少的现状,根据移动机器人捕获图像的特点,对随机蕨算法的参数进行了调整,并对匹配标准进行了改进,取得了较好的识别正确率。该算法实时性较好,适用于移动机器人的物体识别。     

液下搅拌移动机器人的智能模糊控制

借鉴模糊控制的思想来解决移动机器人路径纠偏问题.介绍了液下搅拌移动机器人的系统结构和运动学原理,以及模糊控制的理论基础.然后采用模糊控制思想对移动机器人的路径纠偏算法进行研究.最后对控制算法进行了实验,结果表明该模糊控制算法是可行的,机器人能返回到规划的轨迹上.可见模糊控制对移动机器人的路径规划有很好的应用价值.     

时空数据库中基于TPR-树的反向最近邻查询

为研究动态环境下解决反向最近邻查询的算法,采用TPR-树索引结构给出了解决动态环境下的最近邻查询算法,并提出反向最近邻查询算法.该算法可有效解决平面上连续移动点的反向最近邻查询.     

移动Ad Hoc网络自相似业务排队性能分析

对实际网络业务大量的测量表明,网络中的业务量存在着自相似特性,移动Ad Hoc网络中的业务同样具有该特性.目前对于移动Ad Hoc网络方面的研究只限于实测和简单的定性分析.采用更接近实际情况的队列长度有限G/D/1排队模型对移动Ad Hoc网络性能进行了分析和仿真,结果表明自相似业务导致排队性能变差,缓存匮乏,时延和分组丢失概率恶化.为此提出了基于网络规划模型的适用于自相似业务的路由算法.该算法利用多路径备份路由,当链路失效时可以迅速地寻找到新的替代路由,减小缓存中排队时延和丢包率,并对网络的发射功率进行优化提高信道空间的复用度.仿真结果表明,该算法可以改善分组丢失概率,提高网络吞吐量,降低时延.     

移动边缘计算时延与能耗联合优化方法

针对移动边缘计算中时延与能耗是关键性能指标,且相互制约的问题,研究了通过在边缘与终端之间进行任务分配,对时延与能耗进行联合优化。首先,建立了能耗与时延联合优化的0-1整数规划模型;其次,设计了对任务进行分配的分支定界算法。仿真结果表明,该方法能够有效降低移动边缘计算能耗与时延。     

强化学习原理、算法及应用

强化学习(ReinforcementLearningRL)是从动物学习理论发展而来的,它不需要有先验知识,通过不断与环境交互来获得知识,自主的进行动作选择,具有自主学习能力,在自主机器人行为学习中受到广泛重视.本文综述了强化学习的基本原理,各种算法,包括TD算法、Q-学习和R学习等,最后介绍了强化学习的应用及其在多机器人系统中的研究热点问题.     

TDOA定位技术的基本原理和算法

重点研究基于时间测量值的蜂窝无线定位算法。在分析现有无线定位技术和定位算法的基础上,本文选择了以到达时间差(TDOA)定位算法为研究重点。首先,介绍了两种比较典型的TDOA定位算法:CHAN算法和Taylor级数展开法。并在多种信道环境下对这两种基本定位算法进行了仿真比较。为了详细评价这两种算法的定位性能,本文在理想的信道环境和典型的实际信道模型(COST259和T1P1)下,研究了多种对算法定位性具有影响作用的参数,其中包括:蜂窝小区大小、参与定位基站的个数、测量设备的误差、信道中的NLOS误差等。     

改进的异构无线网垂直切换算法

对异构无线网络融合中垂直切换判定算法进行研究。以典型的全球通信系统与无线局域网融合为例,引入乒乓带概念,利用移动终端当前位置、运动速度与径向运动角度等参数扩展驻留定时器算法。模拟仿真结果显示,移动终端采用该算法后即可实现预决策提前进行切换操作,避免不必要的切换,从而可保最大限度与无线局域网相连接。     

面向抓取任务的移动机器人停靠位置优化方法研究

为了解决移动机器人在复杂环境中物体抓取规划成功率低以及规划时间长等问题, 本文提出了一种基于环境信息的预处理生成移动机器人停靠位置优化算法。首先对机械臂的工作空间进行分析, 得到抓取难易评价标准, 将环境中目标物、障碍物以及移动底盘位置简化为点, 投影到xy平面上, 根据抓取难易评价标准求出移动机器人优化后的底盘停靠位置; 然后针对机械臂避障问题, 采用快速扩展随机树(Rapidly-exploring Random Trees, RRT)算法实现了机械臂末端及连杆与障碍物的避障; 最后通过仿真和动作捕捉系统下的实验发现, 采用移动机器人停靠位置优化算法可显著提高抓取规划成功率和规划速度。