基于改进蚁群与动态窗口法的AGV动态路径规划

针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题,提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法,实现在动态环境中的全局最优路径实时规划。对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数[A]增大相邻栅格启发信息差异、选择最优路径时考虑转弯次数的影响等改进策略;改进动态窗口法的距离评价子函数和初始航向角;提取改进蚁群算法规划的全局最优路径的转折点作为子目标点来引导动态窗口法沿着全局最优路径方向进行实时动态路径规划。经过不同环境下的仿真实验结果表明,提出的全局动态路径规划算法可以通过实时动态路径规划实现有效躲避动态障碍物的同时规划全局最优路径。     

未知动态环境中基于分层强化学习的移动机器人路径规划

提出了一种基于分层强化学习的移动机器人路径规划算法．该算法利用强化学习方法的无环境模型学习能力以及分层强化学习方法的局部策略更新能力，克服了路径规划方法对全局环境的静态信息或动态障碍物的运动信息的依赖性．仿真实验结果表明了算法的可行性，尽管在规划速度上没有明显的优势，但其应对未知动态环境的学习能力是现有其它方法无法比拟的．     

动态环境下基于蚁群算法的实时路径规划方法*

提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型;然后采用改进的蚁群系统算法快速地搜索出局部最优路径,并在此路径的引导下,结合机器人滚动规划方法,实现移动机器人在复杂动态环境下的实时路径规划。该方法不仅能克服传感器测量误差等引起环境信息的模糊性和不确定性的影响,还可以充分发挥蚁群算法的群体智能优势来保证系统规划的实时性。仿真结果表明该算法的有效性和可行性。     

结合LSTM的强化学习动态环境路径规划算法

在路径规划领域已经涌现出了诸多的优秀的经典算法,但这些传统方法往往基于静态环境,对于动态可变环境缺乏处理能力.本文提出一种结合LSTM强化学习动态环境路径规划算法.首先,本文以环境图像作为输入,最大限度了保证了原始的信息来源.而后构建了自动编码器用来对环境图像进行特征降维,降低了整体模型的复杂程度.最后采用深度强化学习算法DDPG进行路径规划,其中Actor部分采用LSTM的网络构建,使Actor在决策时可以参考前序信息,做到有预测的避开动态障碍.最后通过实验证明了本文算法的可行性和高效性.     

基于神经网络和遗传算法的机器人动态避障路径规划

文中提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法,机器人工作空间动态环境信息的神经网络模型,并利用该模型建立机器人动态避障与神经网络输出的关系,然后将需规划路径的二维编码简化成一维编码,并把动态避障要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真,结果表明提出的动态路径规划方法是正确和有效的.     

基于多条件约束的网络信息传输路径动态选择

针对传统网络信息传输路径动态选择速率低的问题,提出基于多条件约束的网络信息传输路径动态选择。笔者在原有技术基础上增加传输路径时延和丢失率两个参数条件,约束传输路径动态选择,建立新的传输路径动态选择模型,利用Qos算法将模型通过线性整数规划方式对其求解。经实例验证,该方法能够快速地选择出距离短、时延最低且丢失率较低。     

基于变结构离散动态BN的最优交通路径规划

为了确保城市路网交通流平稳运行和各路段交通流量合理分配,提出了一种基于变结构动态BN的最优交通路径规划方法。该方法考虑驾驶员偏好,按时间序列建立适用于交通路径规划的变结构离散动态BN模型,采用最大似然估计算法和参数的自适应产生算法学习网络参数,用基于时间窗的动态BN近似推理算法中固定窗口宽度方法进行在线推理。结合实例对算法进行仿真,并与Dijkstra算法所得结果进行比较。实验结果表明变结构离散动态BN能利用实时采集到的信息对最优路径进行实时更新,在线决策。     

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点;与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明:提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。     

基于space—time的二叉树表达动态环境中的路径规划

研究具有空间和时间的space-time三维动态环境下的机器人路径规划，分析了四叉树表示二维空间的搜索算法，在此基础上，提出采用二叉树表示二维空间的方法。时间信息中增加加速度，利用二叉树遍历方法和A^*算法，设计一个在动态障碍物环境下进行路径规划的新算法，并在足球机器人系统中进行仿真，实现了较好的路径规划。     

基于神经网络和粒子群优化算法的移动机器人动态避障路径规划

本文提出了基于神经网络和粒子群优化算法的移动机器人动态避障路径规划方法。该方法用神经网络模型描述机器人工作空间的动态环境信息,并建立起机器人动态避障与网络输出间的关系,然后将需规划路径的二维编码简化为一维编码,最后用粒子群优化算法获得最优无碰路径。仿真结果表明,所提的动态路径规划方法是正确和有效的。     

动态环境下基于概率模型检测的路径规划方法

提出了一种动态复杂环境下采用概率模型检测技术进行路径规划的新方法。考虑到实际应用中机器人其移动行为总是受到外界因素的影响,将机器人移动行为看作一个不确定事件,提取环境中的影响因素,构建马尔可夫决策过程模型。采用时态逻辑语言描述机器人目标任务,表达复杂多样的需求行为。运用工具PRISM验证属性,得到满足任务需求的全局优化路径。另外,在全局路径的基础上提出了一种动态避障策略,实现避障局部规划的同时尽量保证机器人最大概率完成任务。通过理论和仿真实验结果证明该方法的正确性和有效性。     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索，提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模，将滚动窗口的概念引入到局部路径规划，由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．     

Deliberative On-Line Local Path Planning for Autonomous Mobile Robots

This paper describes a method for local path planning for mobile robots that combines reactive obstacle avoidance with on-line local path planning. Our approach is different to other model-based navigation approaches since it integrates both global and local planning processes in the same architecture while other methods only combine global path planning with a reactive method to avoid non-modelled obstacles. Our local planning is only triggered when an unexpected obstacle is found and reactive navigation is not able to regain the initial path. A new trajectory is then calculated on-line using only proximity sensor information. This trajectory can be improved during the available time using an anytime algorithm. The proposed method complements the reactive behaviour and allows the robot to navigate safely in a partially known environment during a long time period without human intervention.     

基于时间窗的AGV动态避碰路径规划方法

为了解决多AGV在动态不稳环境下的无碰撞路径规划和系统效率提升的问题,提出了基于时间窗的AGV无碰撞路径规划方法。首先建立了多AGV的避碰模型,并结合时间窗模型,将多AGV的无碰撞路径规划分为预先规划和实时规划两阶段,预先规划阶段进行多AGV无冲突时间窗的计算和最大化系统中AGV的流通量,实时规划阶段通过改变AGV在避碰模型上的占用优先级和局部重规划的方法进行动态避碰。最后以某智能仓储为应用案例进行仿真实验,证明了该算法能有效避免多AGV的碰撞,提高AGV的流通量,同时在动态环境下具有较好的鲁棒性和柔性。     

A Novel Approach for Mobile Robot Navigation with Dynamic Obstacles Avoidance

This paper proposes a new approach for trajectory optimization of a mobile robot in a general dynamic environment. The new method combines the static and dynamic modes of trajectory planning to provide an algorithm that gives fast and optimal solutions for static environments, and generates a new path when an unexpected situation occurs. The particularity of the method is in the representation of the static environment in a judicious way facilitating the path planning and reducing the processing time. Moreover, when an unexpected obstacle blocks the robot trajectory, the method uses the robot sensors to detect the obstacle, finds a best way to circumvent it and then resumes its path toward the desired destination. Experimental results showed the effectiveness of the proposed approach.     

基于主视通路结构分级响应模型的轮廓检测方法EI北大核心CSCD

基于视通路结构分级响应与动态传递的方式,本文提出了一种图像轮廓检测的新方法.针对视网膜感光细胞的暗视觉特性,建立亮度自适应的暗视野调节模型,利用多尺度经典感受野的方位选择性,构建高级轮廓与全局轮廓的检测路径;模拟外侧膝状体(Lateral geniculate nucleus,LGN)细胞特性对信息进行纹理稀疏编码,并结合非经典感受野的侧抑制作用抑制背景强纹理;另外在LGN区提出微动整合机制,减少纹理冗余信息,再经适应性突触实现信息关联传递;最后将初级轮廓响应跨视区前馈至V1区并经全局轮廓修正后,与高级轮廓响应实现快速融合.分别以RuG40、BSDS500图像库中的自然图像作为实验数据,检测结果与基准轮廓图的平均最优P指标分别为0.50、0.32,结果表明本方法能更有效地区分轮廓与纹理边缘,凸显主体轮廓.本文利用视神经细胞的内在机制以及神经信息的动态传递过程实现图像轮廓信息的编码与检测,也为研究后续高级视皮层的视觉感知提供了新思路.     

室外空气污染暴露规避健康路径规划服务

日常出行吸入空气污染物是公众空气污染暴露风险发生的主要途径之一。在我国当前仍有75.1%的城市环境空气质量超标背景下,如何有效降低室外日常出行空气污染暴露强度成为了公众防控大气污染健康损害的一种新需求。集成普通克里格空间插值方法、暴露剂量评估模型、Dijkstra路径搜索算法,设计与开发了面向Android智能手机终端的公众健康路径规划应用程序（APP）,实现了空气污染浓度动态变化情景下以暴露剂量为指标的健康路径出行规划功能。以室外PM2.5暴露为例的测试结果表明,APP服务规划下的健康路径相比最短路径和最快路径可分别降低出行个体5.0%和7.3%的暴露剂量,是一种公众规避空气污染暴露风险的有效路径规划服务。     

Dynamic Motion Planning for Mobile Robots Using Potential Field Method

The potential field method is widely used for autonomous mobile robot path planning due to its elegant mathematical analysis and simplicity. However, most researches have been focused on solving the motion planning problem in a stationary environment where both targets and obstacles are stationary. This paper proposes a new potential field method for motion planning of mobile robots in a dynamic environment where the target and the obstacles are moving. Firstly, the new potential function and the corresponding virtual force are defined. Then, the problem of local minima is discussed. Finally, extensive computer simulations and hardware experiments are carried out to demonstrate the effectiveness of the dynamic motion planning schemes based on the new potential field method.