未知环境中移动机器人的路径规划与探索算法

未知环境中移动机器人如何快速到达目标,如何尽量获取环境信息以绘制地图,是常见问题,也是难点问题.针对此二问题,论文综述了路径规划、探索算法领域的相关研究成果,指出了它们的特点与不足.最后对路径规划、探索算法的发展趋势进行了展望.     

未知环境下机器人路径规划算法

提出一种基于最短切线的二次路径规划方法,该方法能根据机器人的位置和朝向更新环境信息,对路径进行重新规划,从而找到未知环境下机器人的规划路径。该方法拓宽了原方法的适用范围,提高了机器人的智能水平和路径规划能力。     

基于环境模型的移动机器人路径规划

介绍了一种新的移动机器人路径规划方法。采用链接图法,对工作空间建模。用Dijkstra算法决策出全局最短路径,然后用遗传算法对此路径进行优化,得到全局最优路径。最后提出了一种对路径几何改进的方法。仿真结果表明,该方法方便简单,对所规划的路径质量有所提高。     

动态环境下基于改进蚁群算法的移动机器人路径规划

针对同时具有静态和动态障碍物的复杂环境下机器人路径规划问题,提出一种基于改进蚁群算法(ACA)的路径规划方法。文章所述的方法由两部分组成,分别为全局和局部预测避障路径规划。首先,在传统ACA上调整转移概率,加入精英策略以解决路径规划时易陷入局部最优的问题。其次,针对上述改进ACA在动态障碍物环境中适应性低的弊端,通过加入滚动窗口指导移动机器人在栅格环境中避开动态障碍物,仿真结果表明所述方法具有可行性。     

移动机器人路径规划方法研究

移动机器人技术研究中的一个重要领域是路径规划技术，它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。综述了移动机器人路径规划技术的发展现状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技术的发展趋势进行了展望。     

未知环境下一种移动机器人实时最优路径规划方法研究

 针对未知环境下移动机器人的安全路径规划问题,提出一种基于改进神经网络和模拟退火算法相结合的方法.神经网络表示机器人的工作空间,通过BP反向算法学习外部环境结构特征和信息表示,进而优化障碍物神经网络的连接权值,利用模拟退火算法搜寻代价函数的负梯度方向,采用组合探测器来减小模拟退火算法搜索区域和应用后退策略及设置虚拟目标点的方法处理局部路径规划中出现的陷阱问题.仿真验证此方法有效性和正确性.     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于路径规划时,传统算法虽然简单,但不适用转弯情况较多的复杂地图。针对这一问题,首先将RRT算法用于栅格环境下产生初始路径,其次提出一种新的插入算子,最后进行路径优化。根据不同地图与其他文献中的改进遗传算法,进行对比研究与分析,制定路径长度与算法用时2个指标来评判算法的优劣。仿真结果表明,改进算法得到的路径长度缩短了70%,路径长度达到最优的用时减少了8%。     

基于模糊算法的移动机器人路径规划

为了解决移动机器人最优路径规划问题,提出一种基于模糊算法的移动机器人路径规划策略.利用超声波传感器对环境进行探测,得到关于障碍物和目标的信息.运用模糊推理将障碍位置信息与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好的避障,从而实现了移动机器人的路径规划.仿真实验结果表明了模糊算法优于势场法和A*算法,具...     

基于Bug算法的移动机器人路径规划研究

当移动机器人具有有限的计算能力时,Bug算法是最简单有效的路径规划算法,适用于环境地图未知或环境快速变化的情况,这些算法从机器人传感器,如激光雷达传感器来获得的本地信息和全局目标信息,以朝向目标的直线运动和沿着障碍的边界运动这两种简单的运动方式来到达目标点。文章对此展开了分析。     

基于克隆选择的移动机器人路径规划

提出了基于克隆选择的移动机器人全局路径规划方法,该方法包括环境建模、抗体设计、适应度函数构建,选择策略和免疫算子的定义,在适应度函数构建时既考虑路径距离又考虑与障碍物的相交程度,同时根据机器人路径规划问题设计了变异算子、插入算子和删除算子,该方法与遗传算法相比规划时间更短、规划出的路径质量更高,利用MATLAB仿真验证了该方法的有效性.     

双向ACO算法应用于静态机器人全局路径规划研究

提出双向蚁群算法并应用于静态环境下的机器人全局路径规划问题.对栅格法环境建模进行改进,将传统的栅格法改进为膨胀栅格法;使用双向蚁群算法在出发点和目标点设置带有不同标记的两族蚂蚁相向爬行完成搜索,启发信息主要通过目标点、出发点和蚂蚁的当前位置二维坐标值计算得出;信息素存储采用方向信息素矩阵.仿真实验证明:即使在障碍物非常复杂的地理环境,用本算法也能迅速规划出最优路径.     

教育移动机器人路径规划技术研究

机器人课程已逐渐进入高中教育,移动机器人的路径规划作为一项关键技术,学生实际学习操作比较困难。结合高中教育实际,本文设计了一种基于模糊控制的机器人局部路径规划方法,该方法简单有效,便于理解,可以使学生对机器人控制及路径规划有初步的认识和理解,以激发其学习机器人技术的兴趣。     

用基于知识的遗传算法实现移动机器人路径规划

提出了一种基于知识的遗传算法,该算法采用特定的遗传算子、把领域知识并入初始种群及自适应调整控制参数,克服了传统遗传算法的早熟收敛问题,提高了遗传算法的效率.实验结果表明该算法在移动机器人路径规划中的可行性和有效性.     

免疫算法在移动机器人路径规划中的应用

具体阐述了免疫算法在移动机器人路径规划中的应用,使机器人从给定点到目标点可以有效地躲避障碍物而且找到一条最短的路径;构建了机器人的数学模型和亲和力函数,并且说明了机器人的控制方式,给出了算法的具体实现步骤以及仿真实验。实验结果表明,免疫算法在应用到移动机器人路径规划时具有良好的性能。     

基于全区域覆盖的清洁机器人路径规划

以清洁机器人的规划为研究对象,通过对清洁机器人的运动过程进行建模分析,提出了现行采用的路径记忆的规划方案和基于动态地图建立的路径规划方案,通过多方案的实验与研究,尽可能实现让清洁机器人的运行轨迹布满整片区域,同时能够避开障碍,减少运动轨迹的重复率,从而实现较为高效简洁的路径规划。     

基于移动机器人拖车系统的最优路径规划设计

针对移动型机器人拖车系统进行了关于其路径规划问题的讨论。由于该拖车所搭载的感应设备可以实现探测“有兴趣的点”——即地下金属物,因此需要设计出一条最短路径来实现最优化。本文将该课题类比为“旅行商”问题,提出了遗传算法使其可以很好地解决该问题,并且均适用于在高密度分布以及少量点分布这两种情形。     

基于改进蚁群算法的移动机器人动态路径规划方法

 本文提出了基于改进蚁群算法的移动机器人动态路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,提出了根据目标点自适应调整启发函数,提高算法的收敛速度;借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优.其次为了优化改进蚁群算法的性能,提出用粒子群算法对改进蚁群算法的重要参数进行优化选择.最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验,实验结果证明了该方法的可行性和有效性.