摘要：研究三维空间机器人路径规划问题,由于系统求解时间较长、过早失去解的多样性、易陷入局部最优、个体适应度较差等问题,通过构建三维工作空间模型、引入变异算子和搜索无碰路径策略来解决,提出适宜于三维机器人路径规划的一种变异算子蚁群算法(Mutation Operator Ant Colony Algorithm,MOACA)。MOACA是一种关于模型构造的启发式搜索算法,算法在改进启发式函数设计、选择概率确定、信息素更新策略等基础上,引入逆转变异和插入变异算子,通过选择逆转点反序排列部分路径节点和随机插入路径节点的方法搜索无碰路径,对蚁群算法进行了局部优化改良。仿真结果表明,MOACA在搜索路径、收敛时间、适应度等方面较传统蚁群算法有明显改善,算法是有效可行的。

摘要：以运动角色的动作特征为切入点,分别对动画自动生成系统中八叉树的不同应用进行设计:对场景模型精度要求不高的飞行角色,八叉树用于场景简化建模;对场景精度要求较高的行走和爬行类角色,八叉树用于测试物体模型间的相交测试及路径搜索中碰撞检测.试验结果表明,通过八叉树使用的不同提高了场景建模的效率和路径搜索的速度,简化了问题的复杂度,另外能够很好地为各类角色规划出合理路径,规划结果具有较好的完备性和最优性.

摘要：提出了一种用于三维空间路径规划的改进A*算法。针对低空突防中无人机飞行环境的复杂性,综合考虑了飞行高度、航迹长度等权重因子,在目标空间中搜索一条两个航路点之间的最优航线。选用变步长搜索提高A*算法搜索效率,设计了变权值的路径评估函数提升优化效果。同时,为了满足无人机俯仰角、偏航角、转弯半径等性能约束,提出了一系列航线优化算法,得到最终的可飞航线。仿真结果表明,提出的算法能够有效地给出更为满意的无人机航迹规划路线。

摘要：飞机装配自动制孔技术的应用,基本改善了制孔工艺任务繁重、零件制孔量大等问题。而在整体制孔效率方面,自动制孔设备需要一种高效的制孔路径规划方法。基于此背景,通过研究三维空间路径规划算法以及自动制孔技术,根据面向MBD三维信息模型制孔路径规划要求,将改进后的蚁群算法应用于飞机的三维空间自动制孔路径规划中,进行实验分析,实验结果表明:改进后的遗传算法在路径的最优解以及规划时间上都要优于计算机上用的枚举法。该算法的应用充分改善了制孔方式的无目的性、生成路径质量不高等不足之处,从而获得一条整体优化的路径,整体缩短飞机装配周期、提高制孔质量以及降低制造成本,推动和加速我国军民机的研制工作。

摘要：主要应用于未来城市空中交通,研究城市无人机路径规划系统,解决城市无人机群体协同最优路径规划以及无人机在城市空域运行安全所面临的首要问题——避障。利用具有启发式优化的蚁群算法建立初步模型,使用样条插值对路径进行优化使其适用于真实的飞行路径,解决了空间交叉点上无人机与无人机碰撞的问题;借鉴地面无人驾驶汽车基于视觉的防撞系统,设计了基于机器视觉的载人无人机辅助防撞系统,使用SqueezeNet深度神经网络与迁移学习相结合的方法,以飞鸟、建筑物和马路作为研究对象,最终经过验证得到准确率达98%以上的防撞系统。