基于改进A*算法的无人机路径规划研究

针对传统A*算法在无人机路径规划时效率低下、路径点存在大量冗余，且路径转折较多的缺点，提出一种基于双向机制的改进A*算法。首先引入双向搜索机制，分别以对向搜索的起点作为终点，然后判断终点位于起点的象限进行双定向搜索，从而提高搜索效率。最后引入路径平滑策略，将双定向搜索获取的初始路径进行平滑处理，减少冗余路径点和转折点。通过MATLAB平台对传统A*算法和改进A*算法进行对比实验，实验结果表明，相比于传统A*算法，提出的改进A*算法，路径规划时间平均减少了61.61%，路径点平均减少了83.09%，路径转折点平均减少了46.97%，能够有效提高无人机工作效率，生成平滑路径。     

基于融合A*算法的无人机路径规划研究

针对三维环境下A*算法搜索路径不平滑,不具有动态避障的问题,本文提出了一种融合A*算法。该算法在A*算法的基础上,首先引入了俯仰角和偏航角作为搜索约束,其次采用变权值的评估函数和无人机航程、飞行高度、威胁代价,最后将平滑后的A*算法与人工势场法相结合,并利用粒子群算法对A*算法和人工势场法涉及的参数进行寻优。仿真结果显示,融合算法较传统A*算法而言,节省5.34%的燃油损耗,提高了搜索效率,缩短了路径长度,规划出的路径更加平滑,而且能够实现实时动态避障。     

融合A*和DWA算法的移动机器人路径规划方法

本研究旨在解决自主移动机器人在点到点路径规划中面临的搜索效率低下、易陷入局部最优解以及对未知动静态障碍物处理不够实时的问题。为此,将改进A*算法与改进 DWA进行了有效融合。在改进的A*算法中,我们引入了基于障碍率的权重因子和双向优化策略,以提升搜索效率并生成更加平滑的路径。同时,改进的DWA算法融入了两种新的障碍物评价函数,并通过调整权重系数有效地避免了局部最优解问题。通过将改进的DWA算法与改进的A*算法结合,实现了对未知动静态障碍物的高效实时避障。仿真实验结果显示,提出的改进A算法与传统A算法以及文献［23］的改进算法相比,在四种环境下的表现表明：路径转弯次数分别平均减少了30.14%和18.16%,搜索空间分别减少了35.09%和15.21%,规划时间分别降低了82.36%和38.26%。进一步地,结合改进的DWA算法后,路径规划时间、路径长度和平均运动速度相比融合传统DWA算法和文献［23］的融合算法分别平均减少了37.46%和9.82%,减少了4.59%和3.63%,提高了53.49%和7.09%。     

Bezier曲线与A-Star算法融合的火星探测器路径规划

使用移动探测器探索火星表面是各大航天国家探索火星的主流方式。为了得到探测器的安全路径，提出一种基于改进A^*算法的火星探测器路径规划算法。通过改进路径信息算法中的权重因子，优化传统算法的目标函数，可省略大量无价值的搜索路径，缩短搜索的时间，提高搜索效率。相比于传统的路径规划该算法能缩短53.94%的时间；引入拐角优化算法，在路径长度基本一致的情况下，减少了全局路径中拐弯的次数；满足探测器高效稳定的运行需求，拐角优化后，转弯次数相能减少16.77%。通过四阶贝塞尔曲线对路径进行平滑处理，有效避免出现拐角尖峰，确保探测器在火星表面的平稳行进。     

改进 8 邻域节点搜索策略 A ∗ 算法的路径规划

针对传统 A ? 算法所规划路径存在易触碰障碍物,冗余节点过多等问题。 提出了一种改进 8 邻域节点搜素策略 A ? 算法 的路径规划。 首先,在 A ? 算法中改进节点搜索条件,使得获得的节点与周围障碍物节点保持一定安全距离;然后利用垂距限 值法剔除改进后路径上的冗余节点,并保留关键节点;最后,基于关键节点利用 B 样条曲线拟合出一条平滑路径。 在不同规模 的多障碍物地图环境下进行多次实验与对比,结果表明,相比于传统 A ? 算法,提出的改进 A ? 算法,获得的路径节点与障碍物 节点的安全距离平均保持在 0. 46,路径节点平均减少了 66. 8%,有效提升机器人的工作效率和安全性。     

基于混合算法的电力杆塔巡检实时航迹规划

传统的电力杆塔拍摄视点顺序固定,多旋翼无人机巡检距离并非最优;同时,随着维度增加,航迹规划算法空间复杂度呈指数增长,不能满足实时规划航迹的需求。针对以上问题,提出一种基于蚁群和A*混合算法（ACO-A*）的电力杆塔巡检三维航迹规划方法。该方法分为全局规划和局部规划,全局规划利用改进蚁群算法找到覆盖所有视点的较优路径,并通过算法判断路径是否经过障碍物,再运用A*算法局部规划。仿真结果表明：ACO-A*算法规划的航迹长度比《架空输电线路无人机巡检影像拍摄指导手册》规定的巡检航迹降低了16.85%;ACO-A*算法路径规划时间比A*算法降低了99.68%。因此本方法既节约了巡检能耗,又提高了航迹规划的效率。     

基于RRT*算法的移动机器人安全光滑路径生成

在多障碍物复杂工厂环境中,针对快速探索随机树算法(RRT*)生成的路径存在冗余点、贴近障碍物且存在锯齿状转折的问题,改进得到了安全 光滑RRT*（Safe Smooth RRT*）路径规划算法。首先,引入目标偏置策略;其次,该算法利用融合目标点引力思想的新节点扩展方式以及改进的近邻点度量策略以减少树的盲目扩展,提高生长的目标性;随后,引入节点安全约束,将安全节点加入树中;改进路径简化方法,剔除冗余点的同时兼顾了安全性;最后通过B样条局部平滑来改善路径的平滑性。在MATLAB仿真实验中分别与标准RRT*算法、自适应目标偏向性RRT算法和改进RRT算法相比,在平均路径长度方面最大下降了7.1%,在平均有效节点数方面最大下降了64.1%,且所得路径始终与障碍物保持一定的安全距离,结果表明改进算法有效提升了路径的光滑性和安全性。     

室内微型飞行器实时路径规划算法研究

路径规划是实现飞行器高度自主导航的重要环节之一。为实现微小型飞行器在未知复杂室内环境中的实时路径规划,提出一种无记忆A*算法。该算法针对传感器探测范围有限、环境中存在动态障碍物,且对规划实时性要求较高问题,精炼了路径规划过程,并在代价函数计算、开启集更新方式等方面对传统A*算法进行了改进,实现了室内微小型飞行器实时动态路径决策和引导功能。仿真结果证明了该算法的实用性和高效性。     

一种改进的A*算法在电缆敷设设计中的应用

针对常规A*算法仅以路径最短作为限制条件而无法约束路径弯曲次数的问题,提出一种改进的A*算法,该算法在保证路径最短的前提下,同时考虑路径的弯曲次数问题,最终得到一条弯曲次数最少的最短路径。仿真结果显示,在电缆敷设设计中应用该算法,可以有效降低电缆的总弯曲次数,从而降低电缆敷设的施工难度,提高电缆的可靠性。     

基于人群密度的最优路径规划算法研究

在众多路径规划算法中,A^*算法是一种典型的最短路径规划算法,但是该算法的应用环境较为局限。为此综合复杂环境中人群密度的因素,以时间最短为准则,将最短距离路径规划问题优化为最短时间路径规划。最优路径规划算法在A^*算法的基础上,引入不同人群密度环境下的行人速度模型,将A^*算法中基于距离的评估函数改变为基于时间的评估函数。实验通过标准网格地图对144种情况进行了模拟,结果表明,相较于传统A^*算法,最优路径规划算法优先选择从周围低人群密度区域绕行到达终点,规划路径在距离上可能更长,但是花费的时间更短。     

基于Dijkstra算法改进的飞行器航迹快速规划算法

当飞行器在航行途中遇到突发情况需要临时更改路径时,这就对航迹规划算法的效率和可靠性提出了很高的要求。针对这一问题,本文提出了一种加入预搜索的Dijkstra算法改进方案。该算法使用归一化熵权法建立了较为客观的航迹评价函数,简化了多目标航迹优化模型。通过加入深度为一的预搜索过程实现D算法的回溯功能,解决了经典D算法因松弛性不足,在复杂约束条件下路径搜索失败率高的问题。此外,为了进一步减少运算时间,在预搜索遍历过程中加入跳出机制。算法仿真结果表明,本文所提算法的运行时间相较于普通回溯D算法减少了46%,且在复杂约束条件下的航迹搜索成功率与航迹质量均接近智能算法,能够满足复杂条件下快速航迹规划的需求。     

基于双向F-RRT*算法的移动机器人路径规划

针对F-RRT*算法在狭窄环境和多障碍物复杂环境下搜索效率低的问题，提出一种基于双向搜索的F-RRT*算法(BF-RRT*)。以F-RRT*算法为基础，首先采用双向搜索结构，双树从起点和终点轮流扩展，使用贪婪启发式引导随机树生长；其次，针对连续扩展过程中产生的冗余点进行消除处理，快速获得低成本路径，有效提高了规划速度;然后引入启发式函数，并对连接点进行优化以提高路径整体质量。最后分别基于MATLAB和Gazebo仿真平台将改进算法进行了对比实验，结果表明在不同环境下，该算法相较于原算法在迭代次数上平均降低63.5%，在规划时间上平均降低88.41%以上，有效提高了规划效率。     

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。     

Target Path Tracking Method of Intelligent Vehicle Based on Competitive Cooperative Game

To improve intelligent vehicle drive performance and avoid vehicle side-slip during target path tracking, a linearized four-wheel vehicle model is adopted as a predictive control model, and an intelligent vehicle target path tracking method based on a competitive cooperative game is proposed. The design variables are divided into different strategic spaces owned by each player by calculating the affecting factors of the design variables with objective functions and fuzzy clustering. Based on the competitive cooperative game model, each game player takes its payoff as a mono-objective to optimize its own strategic space and obtain the best strategy to deal with others. The best strategies were combined into the game strategy set. Considering the front wheel angle and side slip angle increment constraint, tire side-slip angle, and tire side slip deflection dynamics, it took the path tracking state model was used as the objective, function and the calculation was validated by competitive cooperative game theory. The results demonstrated the effectiveness of the proposed algorithm. The experimental results show that this method can track an intelligent vehicle quickly and steadily and has good real-time performance.     

基于改进遗传算法的堆石体流变模型参数反馈分析

本文提出一种序列二次规划优化算法与标准遗传算法结合的流变模型参数反馈分析方法，这种算法既发挥了序列二次规划优化算法省时、高效、局部搜索能力强的特点，又发挥了遗传算法可以搜索到全局最优解而避免陷入局部极小值的优点，改善了常规遗传算法的收敛速度。将遗传算法搜索到的全局最优近似解作为初始值，代入收敛效率较高的序列二次规划程序进行最终局部优化。以某堆石坝为例，应用上述反演方法对高围压下的堆石体9参数流变模型参数进行了反演分析，验证了此方法的可行性与有效性。     

智能车路径信息图象采集控制系统的设计

随着高科技时代的到来,智能车的发展与应用也成为关注的焦点之一。目前,国内外智能车系统中的路径信息采集控制系统通常利用磁导航传感器来获取路径信息,但通常会在采集过程中出现路径位置阶跃现象从而无法确切计算实际行驶路程。本文设计的智能车路径信息采集控制系统在路径信息分析过程中采用了阈值分割的优化算法, 较好的解决了位置信息阶跃问题, 实现了普通摄像头的连续路径识别功能,使智能车的应用成为可能。通过大量实验测试,结果表明该智能车系统能够快速平稳地在赛道上跟踪黑色引导线行驶,且系统的稳定性和抗干扰能力较强。