基于人工势场法的无人机群航路自主规划

为实现无人机编队在指定空域完成从起始点到目标点间的自主路径规划,且机群在该过程中具有良好的 协同性和执行高效性,提出了一种无人机群航路自主规划的方法并进行仿真。分析了机群个体的规划路径点及其特 点,并通过建立的数学评价体系对以上路径进行优劣性评估。仿真及评估结果表明：该方案是正确和有效的,并能 对传统规划方案存在的固有缺陷进行较好的修正,更利于现实中无人机群的实现。     

基于人工势场法的无人机群航路自主规划

为实现无人机编队在指定空域完成从起始点到目标点间的自主路径规划,且机群在该过程中具有良好的 协同性和执行高效性,提出了一种无人机群航路自主规划的方法并进行仿真。分析了机群个体的规划路径点及其特 点,并通过建立的数学评价体系对以上路径进行优劣性评估。仿真及评估结果表明：该方案是正确和有效的,并能 对传统规划方案存在的固有缺陷进行较好的修正,更利于现实中无人机群的实现。     

基于流函数法的无人机航路规划

针对无人机的自身特点和飞行任务要求,研究了流函数法在无人机航路规划中的应用.在二维平面中,将地形障碍和雷达等威胁等效为圆柱,无人机目标点等效为汇（sink）,推导了流体运动的复势.提出了流函数法避障时存在滞点问题的解决方案,并将其应用到存在多个障碍物的环境中.考虑无人机最小平飞距离和最小转弯半径约束,用流函数法得到了无人机的规划航路.仿真结果表明,修正后的流函数法可以规划出平滑的航路,同时满足无人机航路规划的要求.     

基于人工势场法的AUV回收航路末端导引方法

滑道式回收AUV方法是一种适用于较复杂海况下作业的AUV回收方法,该方法要求AUV在到达母船尾部时需要具有一定的艏向朝向母船,方便操作人员对AUV头部的牵引绳进行抓取。为解决这个问题,阐述了一种基于人工势场法的回收航路末端导引方法。描述了滑道式回收AUV方法的工作原理,针对该回收方法对回收航路末端艏向要求的问题,引入了人工势场的思想,设计了基于人工势场法的回收航路导引算法。仿真结果表明:所设计的方法能够有效地进行滑道式回收AUV的末端航路规划,解决了航路末端艏向的问题。     

基于改进势场法的移动机器人路径规划

针对传统势场法存在的路径不被识别、局部极小陷阱、振荡问题,提出适用于复杂障碍环境情况下机器人路径规划、结合多行为策略与可变影响范围的势场法。通过对障碍物影响范围做可变处理,消除问题共同必要条件,提前规避路径不识别、多障碍区导致的振荡、多障碍区导致的局部极小陷阱3个问题;采取新的步进与振荡分类方式,设计多行为行动策略,并给出各行为的准确起止条件,通过预判问题的共同表现形式以及起止条件的衔接进行行为切换,提前规避单障碍区导致的局部极小陷阱和单障碍区导致的振荡2个问题;基于数学仿真软件MATLAB平台的仿真结果验证所提方法在战场复杂障碍环境下的有效性与稳定性,与传统势场法、动态窗口法、A星算法、快速随机树算法的对比结果更突出了该方法的可行性与优越性。     

蒸汽发生器检修用六轴机械臂无碰撞路径规划研究

文中建立了蒸汽发生器检修用的特殊结构的6轴机械臂的运动学模型,并针对该机械臂的特殊结构及工作环境推导了一种方便的运动学求解方法.在此基础上给出了基于人工势场序列的无碰撞路径规划求解算法.仿真结果验证了算法的可行性.     

无人机跟踪地面目标无碰撞航迹规划

针对无人机自动跟踪目标过程中需要规避障碍物的问题,设计一种将跟踪制导律与改进人工势场法相结 合的航迹规划算法。对人工势场法进行适应性改进,建立无人机动力学模型,阐述定距离跟踪制导律的设计方法, 并采取加权求和与运动学约束的方式将定距跟踪制导律与人工势场法二者结合。仿真实验结果表明：该策略具备有 效性和可行性。     

未知环境中基于A*算法改进的遍历式路径规划算法

针对如何减少未知环境中因复杂地形造成规划路径中存在无效重复路径段问题,提出APF-A*算法。采 用最近邻边界点选择策略保证规划路径对未知环境的高覆盖率,利用人工势场算法改进传统A*算法中估值函数。算 法在栅格地图上进行了实验验证。结果表明：APF-A*算法规划出的路径与A*算法相比在路径总长度方面降低了5.3% 以上,在平均路径重复率方面降低了5.4%以上,APF-A*算法有效减少了无效重复路径段。     

基于Kinect深度信息的室内分散障碍物检测

为解决盲人在室内环境下独自行动易受障碍物影响的问题,提出基于深度信息的室内障碍物检测算法.利用Kinect 2.0设备来记录室内环境的图像,根据采集的深度信息重建3维场景,获取相应的3D点云数据.结合随机采样一致性算法从点云中提取出地面.提取地面之后各障碍物分散于空间中各个位置,结合欧式聚类的方法对障碍物进行分割提取.实验结果表明:该算法能有效检测到室内多种障碍物,给予盲人精确有效的提示,有效地解决了传统方法易受光照影响,对于不同深度、倾斜和形状不规则的障碍物检测效果差,输出信息单一的问题.     

人工势场和虚拟结构相结合的多水下机器人编队控制

传统的多水下机器人（AUV）编队算法,例如领航跟随法、虚拟结构法,对编队形成过程中AUV间的避碰问题和编队行进过程中的避障问题,没有进行有效解决。人工势场法可利用势函数进行避碰、避障,但队形组织能力略显不足。针对上述问题,提出了一种人工势场和虚拟结构相结合的多AUV编队控制算法。将系统分为3个部分：编队参考点、虚拟结构质点和AUV. 以编队参考点为中心形成期望的虚拟结构以组织队形;虚拟结构质点以期望的虚拟结构为运动目标,并在运动的过程中,通过人工势场斥函数,实现避碰和避障;AUV对虚拟结构质点进行目标跟踪,从而渐进形成AUV的队形。通过编队路径跟踪、编队队形变换和编队避障等一系列仿真实验,对算法的可靠性和灵活性进行充分验证。实验结果表明：在随机的初始位置条件下,多AUV系统可以快速无碰撞地形成队形;在编队行进过程中进行灵活的队形变换,并对障碍物有效避碰。     

虚拟场景中路径自动选择算法

针对传统路径规划方法存在的问题,对机器人全局路径规划中的栅格建模方法进行改进。从场景建模描述、邻域查找以及路径搜索策略3个方面进行深入研究,采用线性八叉树法对场景进行建模,给出基于线性八叉树的层次编码体系,引入路径搜索因子对启发式函数进行重构。通过基于八叉树的场景分解,基于线性八叉树编码特性的邻域查找,以及改进的A＊算法路径搜索,实现了三维场景路径规划和自动漫游。实验结果表明：该算法的时间和空间效率较好。     

安全性A*算法融合动态窗口法的路径规划

针对移动机器人在路径寻优过程中,传统A*算法搜索效率差、所规划路径缺乏安全性、拐点多、转角大 且无法实现动态避障等问题,提出一种安全性A*算法和动态窗口法(dynamic window approach,DWA)结合的融合算 法。全局路径规划中,在传统A*算法的评价函数中引入安全估值,并拓展启发式搜索邻域和精简搜索方向;进行二 次路径优化,删除冗余节点,并平滑路径;运用改进的动态窗口评价函数,将安全性A*算法与动态窗口法融合实现 机器人沿全局路径行进中的动态避障。仿真实验结果表明：改进A*算法相比文献算法在路径长度上和拐角数量上平 均减少了2.39%和25%,并在动态复杂环境下验证了其动态避障效果,能满足机器人路径规划的实际需求,具有一 定的应用价值。     

基于Bellman-Ford算法的无人机路径规划研究

通过预先侦察和经验评估，给出了一种敌情信息未知环境中的无人机路径规划方法。采用Bayes方法求取了给定规划区域内威胁存在的概率，构建了威胁概率分布图，并将其转化成权重为威胁概率的带权图，利用Bellman-Ford算法搜索该带权图，求取了一条从出发点到目标点的无人机最小威胁路径，根据无人机气动性能约束，对最小威胁路径进行了修正和优化，得到一条可飞的最优路径，最后给出了仿真结果，验证了方法的有效性。     

基于人工矢量场的AUV自主回收路径规划

针对自主水下航行器（AUV）水下自主回收过程中的路径规划问题,采用人工矢量场法规划回收路径。将回收过程划分为回坞导引阶段和入坞阶段,其中回坞导引阶段以入坞预备点为目标点,使用传统的人工矢量场法为AUV规划出一条无障碍路径;而入坞阶段则采用模糊变系数矢量场法,定义回收入口处的3个虚拟目标点,将AUV到回收中轴线的距离作为输入,通过模糊规则调整虚拟目标点的引力系数,使人工引力场的梯度方向指向回收入口,AUV沿光滑的入坞路径以期望的姿态驶进回收入口。仿真结果证明了该路径规划方法的有效性。     

基于遗传算法的机器鱼路径规划

针对在线跟踪机器鱼运动等难题,提出基于对基于遗传算法的机器鱼路径规划方法。采用栅格法对机器鱼工作空间进行划分,然后通过复制、交叉、变异等遗传操作得到机器鱼在由栅格表示环境下的最短无碰路径。根据分段控制和模糊控制的思想分别设计出机器鱼前进的速度控制算法和方向控制算法,使机器鱼的实际推进路线尽量与通过遗传算法得到的理想最优路径一致。再通过计算机向机器鱼发出相应的控制指令。实验结果表明,该方法的是有效的。