智能车间无人机巡检路径规划是一种典型的室内无人机路径规划技术,通过无人机对车间各工作区域进行智能巡检来解决部分在工作区域发生的问题或者对发生的问题进行及时反馈。针对路径规划这一问题,以巡检路径最短为目标提出一种改进的混合粒子群算法,该算法将粒子群算法和遗传算法进行结合,通过对遗传算法进行结构优化以及寻找粒子群算法的最优参数组合,使之更易收敛于最短路径。仿真实验证明,相较于传统的粒子群算法,优化后的混合粒子群算法收敛能力得到了很大的提升。最终的模拟实验验证了该算法的可行性。

针对标准DWA算法在路径规划中存在较多冗余路段且路径规划时间长的缺点,提出了一种改进DWA算法。首先基于A*算法选取路径关键节点,确定无人车的子目标点;然后针对环境地图障碍物信息对速度评价函数进行改进,控制无人车在不同障碍物信息下的速度;最后在障碍物信息已知和未知情况下验证改进DWA算法的有效性。实验结果表明采用改进DWA算法进行路径规划,可以优化路径并有效改善无人车通过局部障碍的平滑性和安全性。

针对基于负压吸附原理的无轨干式清洁机器人的清洁路径规划,设计了一种自适应控制系统,解决了机器人自动寻边、轨迹自动校正、越障、自动换向和平衡控制等问题,实现无轨干式清洁机器人在大风、重尘环境中光伏板上清洁工作的高效、稳定运行。

为加快机械臂路径规划速率、提升作业效率,在比例导引法的基础上,提出了探测机器人机械臂路径规划方法。通过RRT算法探索机器人的作业环境,经过滤和分配确定机械臂转动边界点信息;根据机械臂与探测目标间位置关系,计算二者在运动状态下相对距离变化率和视线角变化率,即可得到二者相对运动方程;引入比例导引法,计算探测目标的动态轨迹,在确保机械臂动态跟踪时间和路径最短的前提下,实现目标的探测。实验结果表明,所提方法具有较强的通用性,同时在路径规划和时间成本的控制上也展现出了明显的优势。

为保证机器人行驶路径最短时避免发生滑移,提出基于深度神经网络的机器人移量检测与路径规划方法。通过分析机器人运动学情况,结合机器人滑移量会随轨迹、地面平整度及障碍物影响范围发生变化,构建运行轨迹方程组,求得会影响滑移量的因变量值;建立位姿计算坐标系,设置机器人滑轮初始位姿坐标,计算发生滑移后末端位姿,更新后代入滑移公式求得滑移量;以障碍物避障和路径最短为规划标准,采用深度神经网络算法激活避障及路径最短的约束函数,输出规划结果。通过对比实验结果证明所提方法的有效性,在所提方法控制下滑移量检测结果与实测值表达一致,规划路径在保障高效避障的同时确保是最短行驶距离,优于对比方法,可靠性强。

针对传统人工势场法在无人驾驶车辆避障路径规划中存在的局部极小点问题,提出了一种基于模糊控制理论的改进人工势场避障方法。该方法首先分析了无人车在行驶过程中局部极小点形成的原因,然后应用模糊控制理论实时调节引力与斥力的夹角,随着无人车与障碍物距离的减小,模糊控制器调节引力与斥力的夹角逐渐增大,进而使无人车辆安全驶出局部极小点。最后通过Matlab和Prescan联合仿真分析,利用MPC模型预测控制验证了该算法的可行性及准确性。仿真结果表明该算法能够规划出一条安全平滑的目标路径,实现了无人驾驶车辆稳定安全的路径规划。

针对蚁群算法收敛速度慢并且容易陷入局部最优解的不足,这里提出一种新的改进算法,首先将蚂蚁目前所在节点与下一时刻要选择的节点之间的关系引入到启发函数当中,然后改变信息素更新规则。利用两种不同的栅格地图在Matlab中对传统蚁群算法和改进的算法进行仿真实验。仿真结果表明,复杂地图环境下基本蚁群算法迭代次数为15次,最短路径为31.21,而这里改进的算法收敛速度更快,迭代次数为9次,最短路径为28.63。改进后的算法不仅在收敛速度上有所提升,并且避免了传统蚁群算法容易陷入局部最优解。

针对多台变电站巡检机器人在同时调度分配过程中的转移运用车辆路径问题(Vehicle Routing Problem,VRP),提出了基于时空特征的机器人群体路径规划算法,有助于提高机器人在电力生产中的应用效能。首先建立基于变电站位置的纵横坐标构建平面二维坐标的宏观路网;其次梳理变电站之间的距离、机器人的能耗等约束条件,并构建考虑变电站巡检时间窗的时空三维坐标系;最后遍历搜索各台机器人完成区域内变电站巡检任务的可选路径,并在组合优化后提出解决机器人转移运用VRP问题的调配方案。实际应用效果表明,该方法能够在满足变电站多时间窗边界的基础上得到最优路径。

在基于动态窗口法(DWA)的车辆非完整约束条件下的路径规划过程中,针对路径选择时以往不考虑车辆横向稳定性的问题,提出一种包含侧向加速度因子的横向稳定性评价的动态窗口路径规划算法。首先建立车辆运动模型;然后根据车辆转弯过程中不发生侧滑/侧翻的条件(侧倾力矩不大于回正力矩)建立约束方程,选择侧向加速度作为横向稳定性评价指标,通过计算得到安全转向的最大侧向加速度;最后将侧向加速度作为横向稳定性评价因子添加到路径选择的评价函数中,侧向加速度越小,该项评分越高,最大安全侧向加速度时,该项得分为0。仿真实验结果表明,防侧滑/侧翻的车辆路径规划方法能够实现对车辆横向稳定性的控制,对车辆转弯安全行驶研究具有指导价值,在无人车避障、汽车辅助驾驶等方面具有重要的应用价值。

针对基础快速扩展随机树(Rapidly-exploring Random Trees,RRT)应用于无人驾驶车辆路径规划时缺乏导向性,收敛速度慢,路径平滑性差及规划结果并非最优解等问题,提出了一种基于RRT的路径规划改进算法。首先,设计了启发式采样策略提出基于权重分配的目标指向的局部扩展方式,解决了节点盲目扩展的问题,避免了因目标偏向而出现路径陷入局部最小值的情况,并通过设置转角阈值约束节点转角范围,同时采用变步长采样策略,提高了算法局部避障能力;其次,对已得路径进行后处理提出了节点优化策略,并用B样条曲线进行路径拟合,实现了路径长度的优化并满足平滑性要求,路径末端与目标点采用Reeds-Shepp曲线连接,解决了车辆抵达目标点时的航向问题。最后利用Matlab软件,将改进算法与基础RRT及其衍生算法进行了对比分析,验证了所提算法的有效性和优越性。