未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域，一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结，指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.     

未知环境下模块化移动机器人路径规划的研究

为了使移动机器人各组件可快速组装、便于维修,设计了一种新颖的模块化移动机器人,由驱动模块、控制模块、传感模块及标准连接模块组成.为了解决移动机器人在复杂未知环境下的路径规划问题,提出了基于"感知-动作"的模糊逻辑控制体系结构,采用基于"感知-动作"的模糊逻辑控制方法分别对模块化移动机器人的路径规划进行了二维和三维仿真.仿真结果显示了该模糊逻辑控制方法的稳定性和实用性.在三维复杂环境下应用该方法仿真实现了单个及多个机器人的避碰运动.     

未知环境下基于快速搜索随机树的机器人路径滚动规划

在未知环境下,移动机器人没有全局信息,一次只能规划出探测范围内的局部路径.针对这一特点,提出了一种全新的基于滚动窗口的快速搜索随机树算法.该算法以机器人出发点为根节点,充分利用机器人实时测得的局部环境信息,以滚动方式进行在线扩展,逐渐增加叶节点直至随机树的叶节点包括了目标节点,从根节点到目标节点的随机树的边即为规划出的路径.大量仿真实验表明,即使在障碍物非常复杂的未知地理环境下,该算法也能快速规划出一条全局优化路径,且能安全避障.     

未知环境下机器人实时模糊路径规划方法

针对三自由度工业机器人,提出了一种未知环境下的机器人模糊路径实时规划方法．算法由几个各自独立控制的关节模糊单元组成．每个单元综合了附近障碍物排斥作用和关节目标的吸引作用,控制关节到达目标角度．仿真结果证实了算法的有效性．     

动态环境下移动机器人路径规划的一种方法

研究障碍物的形状以及位置未知环境下的动态路径规划的问题，采用栅格表示障碍物与机器人的大小、位置以及他们的运行环境地图，给出了一种路径规划的算法，该算法计算简单，搜索速度快，通过仿真试验发现，用该方法规划的路经取得了比较好的效果。     

动态环境中机器人路径规划算法研究

针对自主移动机器人在未知动态环境中的路径规划问题,提出了一种改进的概率地图算法,详细描述了经过改进的自适应概率地图算法（flexible adaptive probabilistic roadmap method,FAPRM）的实现步骤,该算法可以显著地提高自主移动机器人的路径质量,讨论了自适应概率地图算法和传统概率地图算法在动态路径规划中的优缺点,并进行了仿真,改进后的自适应概率地图算法可以有效地在动态环境中重新计算路径。     

一种复杂环境下的移动机器人路径规划方法

针对基于粒子群优化算法的路径规划方法在复杂环境中容易出现找不到有效路径的缺点,提出了一种深度优先搜索和粒子群优化算法相结合的机器人路径规划方法。该方法将待探索区域划分为若干个子区域,利用粒子群优化算法深度优先搜索子区域。仿真实验结果证实了该方法的有效性和可行性。     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

机器人路径规划方法的研究现状与展望

移动机器人研究中的一个重要领域是机器人路径规划方法,它分为环境信息完全已知的路径规划和环境信息完全未知或部分未知的路径规划,通过对机器人路径规划方法研究现状的分析,指出了各种方法的优点及不足,并对其发展方向进行了展望。     

动态环境下基于改进蚁群算法的机器人路径规划研究

针对动态复杂条件下的移动机器人路径规划问题,根据全局静态环境先验知识,提出一种改进蚁群算法。在经典蚁群算法的基础上通过调整转移概率,限定信息素强度的上下界,并引入相关策略解决死锁问题,可以避免初期规划的盲目性,增加解的多样性,提高算法的全局搜索能力,进一步减小算法早熟的可能性。在规划过程中,根据动态障碍物运行方向的变化与否,提出了相应的碰撞避免策略,并针对环境突发状况引入Follow_wall行为进行改进。仿真实验证明,该算法优于经典蚁群算法,可有效地指导移动机器人避免环境中的动态障碍物,获取无碰最优或次优路径,并能更好地适应环境的变化。     

非确定环境下基于遗传算法的机器人路径规划方法研究

采用栅格法建立机器人工作环境模型,并用MATLAB语言随机产生栅格中障碍物的位置及数量,应用遗传算法完成机器人路径规划,对遗传算法的插入和删除操作进行了改进,提高了遗传算法的搜索速度,并采用序号编码的方法,减小编码长度,简化遗传算法程序,缩短程序执行时间。仿真结果表明了该方法的有效性及可行性。     

未知环境中自主机器人的路径规划研究

未知复杂环境中自主机器人合理的路径规划是进行探索任务的前提.传统的路径规划方法侧重于研究从起始点到目标点的无碰路径,很少考虑机器人自身运动的平稳性.研究了室外未知环境中考虑机器人姿态稳定性以及能量损耗的路径规划方法,该方法分三步:(1)梯度计算,计算运动区域的梯度;(2)节点探测,运动区域被划分为平坦区域和非平坦区域,辨识每个平坦区域的中心位置,即节点;(3)路径评估,根据提出的评估函数,规划出从当前位置经过中间节点到目标点的最优路径.结合机器人的动力学特性,利用反演控制,设计了合适的控制率,保证了机器人的平稳运动.通过和传统规划方法获得的路径比较,仿真验证了所提方法的有效性.     

未知环境下基于虚拟子目标的对立Q学习机器人路径规划

针对Q学习算法在复杂的未知环境下Q值更新速度慢,容易产生维数灾难等问题,提出了一种未知环境下基于虚拟子目标的对立Q学习机器人路径规划算法.该算法根据移动机器人探索过的状态轨迹,建立了2个状态链分别记录状态-动作对和状态-反向动作对,并将每个单链当前状态的Q值,依次反馈影响前一状态的Q值,直到状态链的头端.同时,在局部探测域内通过寻找最优虚拟子目标的方法解决了大规模环境下Q学习容易产生维数灾难的问题.实验结果表明,在复杂的未知环境中,该算法可以有效地加快算法学习的收敛速度,提高学习效率,以较优的路径完成机器人导航任务.     

智能水下机器人路径规划

介绍一实际智能水下机器人三维空间的路径规划，给现一种新的海洋环境表示地－海面区域分割环境建模方法，并对Ａ搜索算法进行了改进，提出了动态扩展搜索点的思想，使三维空间路径规划算法得以简化并易物实现。该方法在实际水下机器人的海试中进行了试验，并获得成功。     

一种改进的机器人路径规划算法

在将Ａ算法用于机器人路径规划时,通过采用动态可变步长及进行目标可见性测试,提高了路径搜索速度,并对路径进行了全局优化,仿真结果表明该方法是有效的。     

移动机器人路径规划仿真平台设计

路径规划问题是智能机器人研究的关键问题之一。笔者开发了一个智能机器人路径规划的仿真平台,该系统可用作机器人离线路径规划研究。系统的路径规划器首先将障碍物体变换到位姿空间中,再在位姿空间中进行路径搜索,根据指定的机器人起始位置及目标位置产生准优化路径。主要应用时变势场法、遗传算法、栅格法3种规划算法对机器人行走路线进行了模拟。同时,提出了一个有效的引入遗传算法的（FNA）算法,并给出了仿真结果。     

基于神经网络的移动机器人路径规划

针对移动机器人在部分环境信息已知情况下的路径规划问题,运用神经网络动态路径最优算法,研究了基于传感器信息的在线路径规划方法.基于扩展卡尔曼滤波的定位方法融合了多个与机器人状态及环境相关的信息,提高了定位精度.首先建立动态的工作空间信息,基于神经网络的路径规划算法完成机器人的路径规划,根据路径点集运动趋向来调节小车移动,完成了导航的任务.对算法的性能和效率进行了分析,实验表明该方法在障碍物的信息未知的情况下,执行速度快.     

集箱焊接工作站中的机器人路径规划

从研究状态空间的问题表示和搜索方法入手，给出了机器人在集箱管座焊接工作站中的几种路径规划图，然后从路径中所耗时间最短，热积累引起集箱变形最小两个方面作出评估，最后给出了最佳路径程序框图。     

一种实用的移动机器人及其路径规划策略

设计了一种可执行搬运任务的轮式移动机器人，并结合实际，提出了一种简单实用的路径规划策略。该算法实施简便，实用性强，使机器人能够准确按照预定路线，遍历所有目标地点。