基于改进人工势场法的车辆局部路径规划研究

针对人工势场法应用于结构化道路中的汽车主动避障领域存在规划能力,路径平滑度不足以及易陷入局部最优的问题。本文提出了一种结合人工势场法和五次多项式避障轨迹的路径规划算法,满足汽车避障时的安全性、实时性要求。通过引入五次多项式势场边界,结合汽车与障碍物的运动状态设计边界参数,提高路径平滑度和安全性。通过设置随动目标点优化引力模型,调节因子优化势场函数,可消除局部最小点。利用车辆动力学仿真软件Carsim/Simulink搭建仿真环境,并使用Stanley方法进行路径跟踪。仿真结果表明,所提出的算法可在动、静态环境中有效的规划出满足汽车行驶要求的避障路径。该算法为汽车避撞时的局部路径规划提供了参考依据。     

车辆导航系统最优路径规划的研究与实现

最优路径规划是智能车辆导航定位系统中一个非常关键的问题。通过对车辆导航系统本身的特点及要求的分析与研究、设计了良好、实用的空间数据的数据结构，并对基于人工智能的A*算法进行了优化，实现了准确的、较为高效的最优路径搜索。最后给出了一个最优路径搜索的实例。     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

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。     

基于Limit-cycle的机器人动态路径规划方法

移动机器人安全导航是机器人应用在军事领域的关键技术，也是机器人智能化的重要指标．本文采用基于Limit-cycle(极限环)的路径规划方法进行机器人避障，可以有效地避免机器人与障碍物相碰，灵活地应对动态变化的环境，能够实现局部路径规划，在MATLAB仿真平台上验证了该方法的正确性及有效性．     

递归神经网络的进化机器人路径规划方法

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整.给出了算法的具体步骤,并与基于标准前馈网络的路径规划方法进行了比较.仿真结果表明递归神经网络控制器对动态未知环境具有更好的适应性.     

基于遗传算法的车辆路径规划问题研究

本文研究了基于遗传算法（GA）的车辆路径规划问题（VRP）,对传统遗传算法做了适当的改进,提出了邻域搜索的GA算法,采用独特的初始种群构成方法并通过站队替换法维持种群的规模。实验结果表明,该算法与拟退火及禁忌搜索算法相比具有优势。     

基于贪心算法的AGVS路径规划可行性判断研究

为了解决AGVS柔性可行性的判断问题,提出了一种使用贪心算法处理因生产任务临时调整而引起的AGVS路线调整的可行性判断方法,并给出了该方法可行的严格证明,仿真实验表明该方法完全可以用于突发情况下的AGVS（自动导引小车系统）路线调整的可行性判断,同时该方法可以安排尽可能多的突发任务。     

基于聚集—置换策略的机器人路径规划方法

为了改善机器人路径规划中遗传算法搜索能力不足、易陷入局部最优等问题,对静态环境下移动机器人路径规划进行研究,基于进化算法提出一种聚集—置换策略的路径规划新方法(ARGA)。该算法首先综合考虑长度、角度和能耗等因素,提出一种新的适应度函数。然后,提出了一种聚集—置换策略的路径更新方法,利用聚集策略引导算法向每次迭代过程的最优个体逼近;通过置换策略,避免算法陷入局部最优。实验结果表明,提出的方法与现有方法相比生成的路径更加平滑,规划时间平均减少29%,冗余路径点平均减少26%,长度平均缩短28%,生成的路径更好地平衡了距离和能耗代价,所提出的方法能够大幅度提升遗传算法的搜索能力和收敛速度。     

基于随机时间的车辆导航路径规划研究

根据车辆导航中各路段行车时间具有随机性特点,运用不确定性规划理论建立了行车时间随机的车辆导航路径随机规划模型,模型以车辆出行中行车时间最短为目标函数.并设计了基于随机模拟的遗传算法求解该模型.通过数值仿真,证明模型的可行性.     

在轨航天器轨道规避体系研究

针对在轨航天器主动防护的问题,文章综合考虑了未来航天器规避原则和规避过程中可能出现的因素,提出了在轨航天器轨道规避体系的构造思路。根据规避对象为空间碎片和航天器时的情况,建立了相应的规避基础框架;并利用事例对其中一个基础框架进行了分析和验证。分析结果表明,在轨航天器规避框架的研究对于降低航天器潜在威胁、增强航天器在轨运行安全具有积极的作用。     

自动导引小车局部智能避障的A*算法

实时局部智能避障是反映自动导引小车自主能力的关键, 研究利用二叉树和四叉树表示环境信息,提出了自主导引小车在多障碍物下的智能局部避障的A^＊算法.并给出仿真结果.     

行进中车辆防追尾碰撞的临界安全车距研究

日益增多的交通事故已成为严重的社会问题,降低交通事故的损失和伤害有待解决.车辆在行驶中,前车采取减速行驶操作或出现障碍物等,为了防止发生追尾,后车驾驶员会做出相应的驾驶行为的改变.为了提高车辆在高速行驶状态下的主动安全性能,研究了处于追尾行驶状态的前乍与后乍的运动学特征.针对前车的不同运动状态分别推导出跟车距离的临界安全车距的计算公式,并以此为依据进行了有关论述.     

物联网中LEACH算法的研究与改进

针对物联网节点异构的特点,从时效性要求不同的角度出发,提出一种改进的LEACH路由分簇算法。在传送数据之前,要求节点发送代表数据缓急的脉冲,根据脉冲长度及频率得到节点时效性要求参数,结合参数的大小和传输的数据量,动态分配每轮数据传输的时隙,使得高时效性要求节点分配较长时隙,在相对较短的轮次内完成数据传输。仿真结果表明,高时效性节点优先得到资源,传送时延较小,特别在节点数目众多的条件下,节点的平均传送时延得到降低。     

基于IOT的网格坐标数码地图

结合物联网技术(IOT),对原有的网格坐标数码地图进行深入的分析与研究.首先,提出一种基于高斯-克吕格投影的简化计算模型,来完成企业地理信息中的经纬度坐标向平面直角坐标的转换.然后,利用网格索引技术,对地图进行网格划分,重点讨论了网格划分的数量、计算量与精确度三者之间关系的影响,最后建立存储地理信息的六元组数学模型,利用二维码技术来存放企业单位门牌号码的地理位置信息,通过目前存在核心网络——Internet、移动网络,真正实现地理信息查找的网络化、数字化,以及城市管理的便捷化、高效化.     

面向分布实时嵌入式系统的任务优化调度算法

文章针对负载难以准确预知且动态变化的复杂分布实时嵌入式系统,提出了一种基于快速模型预测控制的任务调度算法,通过动态调整分配在各个处理器上的任务QoS,使得每个处理器的CPU利用率保持在参考值附近,保证了任务的实时性;利用多参数二次规划的方法求解模型预测控制中的约束优化问题,可有效减小算法的执行时间.实验结果表明算法有效且负载极小.     

无人机三维编队飞行模糊PID控制器设计

针对无人机编队飞行控制系统,引入编队飞行几何关系,建立了三维编队飞行数学模型,在速度、航向和高度三个通道加入了误差的线性混合器,并分别设计了基于模糊PID的编队飞行控制器.仿真结果表明,所设计的控制器可以通过控制间距方便有效地控制无人机编队飞行,实现在机动过程中保持队形,以及合理地进行编队队形变换.这种控制方法超调量较小,鲁棒性强,优于传统控制器.     

一种求解二重积分的差分进化算法

针对传统方法和基本差分进化算法在求解数值积分方面存在的不足,提出了一种求解二重积分的差分进化算法,该方法的基本思想是在矩形积分区域的两个方向上各自随机选取一定的节点,通过改进的差分进化算法对这些节点进行优化,以优化后的节点作为分割点计算二重积分值,数值试验表明,本文算法得到的积分值精确度高,而且收敛速度快,在科学计算中具有一定的应用价值.     

面向车联网实时应用场景的任务卸载决策算法

为了解决当前车联网中节点处理任务的时效性问题,基于最优节点选取及任务卸载理论,提出了一种新的任务卸载决策方案.该方案对车联网场景下的任务卸载进行建模,构造出具有指向性的节点分布模型,利用最优节点选取算法对该模型进行节点预选取,通过一次或二次任务卸载预判机制,实现节点对任务的卸载决策.与传统的任务卸载决策相比,所提方案在任务卸载全过程中耗时更少,实时性更高.仿真结果验证了所提方法的有效性.     

处理等式约束的新微分进化算法

针对有等式约束的优化问题,提出一种新的微分进化算法.该算法是通过解参数方程的方法处理等式约束,从而降维求解的微分进化算法.数值实验结果表明,与现有的其他算法相比,新算法具有较快的收敛速度和较高的求解精度,是一种有效的智能算法.