摘要：在泊车空间狭窄的条件下,现有的基于混合a*^(*)算法的泊车路径规划存在成功率低或规划速度慢等问题,为了解决这一问题,设计了一种改进混合a*^(*)路径规划算法。通过将圆弧样条曲线作为参考路径,并以参考路径上的点作为混合a*^(*)算法的目标点,进而搜索出成功泊入车库的路径。根据不同车位宽度进行了基于MATLAB的批量仿真测试,结果表明:改进后的混合a*^(*)算法能够显著提高车辆在特定区域泊入车库的成功率,同时具有一定的规划效率。最后基于Prescan、Carsim和Simulink进行了联合仿真实验,验证了所设计算法规划的路径满足实车实验的跟踪要求。

摘要：路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合a*^(*)和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明:调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。

摘要：在多障碍物非结构化场景中,传统混合a**算法存在计算效率低、路径平滑性差的问题。针对该问题,本文提出了一种基于密度聚类算法(density-based clustering,简称DBSCAN)与二分法的混合a**路径规划方法。首先,设计基于DBSCAN算法的障碍物聚类方法,简化多障碍物非结构化场景,避免混合a**算法在类U形障碍物群附近的无效节点拓展,有效提高算法效率。然后,提出基于二分法的状态节点拓展策略,能够在不显著增加混合a**算法计算复杂度的前提下,搜索出一条更平滑的路径。最后,基于MATLAB进行仿真。结果表明,在多障碍物非结构化场景中,本文提出的改进混合a**算法可以显著提升计算效率并改善路径平滑性。

摘要：自动驾驶汽车作为智能交通系统的重要组成部分,越来越受到研究者的重视。自动代客泊车技术(Auto valet parking)是高级别自动驾驶不可缺少的部分。代客泊车应用于非结构化环境,这使得研究者需要设计有别于结构化场景的规划算法来应对非结构化环境的各种挑战,例如,道路线的缺失、周车预测的不确定性。考虑代客泊车的环境特点,提出基于改进混合a*^(*)算法和时间弹性带算法的分层运动规划方法。通过修改碰撞检测过程,使得混合a*^(*)算法可以实现交互行为。通过引入地图参考线代价,加快混合a*^(*)算法搜索效率。改进后的混合a*^(*)算法可以针对非结构化环境生成合理有效的初值轨迹。采用的时间弹性带算法执行效率高,有效解决了车辆运动学和障碍物约束问题,可以快速应对环境变化。在中国苏州的地下停车场开展实车试验。试验结果表明,提出的算法能够有效地解决常规场景下的车辆横向运动规划问题。

摘要：针对受限泊车通道下自动泊车规划时间长、成功率低等问题,提出了一种改进混合a*^(*)算法的路径规划方法。首先,将泊车路径分为前进的位姿调整段与后退的倒车入库段两部分,通过建立直线-圆弧的约束优化模型规划位姿调整段,寻找合适的倒车起始点;其次,通过在混合a*^(*)算法中额外引入碰撞风险代价,改进节点扩展方式,并通过判断车辆轮廓线是否与障碍物线相交来进行碰撞检测,以提高倒车入库段规划的实时性和安全性;最后,以路径长度、平滑度、偏离度为指标设计目标函数,并考虑汽车的运动学约束,使用二次规划对初始路径进行平滑,得到最终路径。使用MATLAB对改进算法与原始算法进行仿真分析,结果表明:在受限泊车通道下,改进算法能得到平滑的无碰撞泊车路径,搜索时间比混合a*^(*)算法减少了23.8%,且所得路径更安全,更易进行跟踪控制。

摘要：随着开关频率和输入电压的不断上升,使得按照临界电感法设计的VRM效率受到很大的约束,通过增大电感值可以减小电流纹波以抑制由此引起的损耗,但是却会影响VRM的瞬态响应。本文提出了一种基于大电感的混合a*式AVP控制方法及VRM拓扑,通过增大电感提高稳态效率,同时采用了简单的混合a*式AVP控制使瞬态响应不受占空比饱和的影响。基于所提出的控制方式及拓扑和基于传统的临界电感量,设计制作了两台12V-1.6V/20A的样机并进行比较,试验波形和效率测试结果证明了该控制方法及拓扑在不影响瞬态响应性能的前提下,可大大提高VRM的效率。

摘要：针对混合a**算法在短距离泊车场景下由于终点附近环境复杂,难以用无碰撞的RS曲线加速搜索的情况,提出一种改进混合a**算法,从目标位姿开始反向搜索路径,结合通过A*算法计算得到的代价地图查表获得启发值,通过判断车身轮廓线与简化后的障碍物线是否相交进行碰撞检测以节省搜索时间,并通过设置合适的车辆转向角度分辨率增加节点扩展方向的数量,保证路径的平滑性。最后使用MATLAB对改进算法与原始算法进行仿真对比分析,结果表明,在平行和垂直车位泊车场景下,该改进混合a**算法均可有效缩短路径搜索时间,获得的路径更短、更平滑。

摘要：针对农业机器人在大棚中执行搬运任务时的高效率且尽可能沿地图中心行驶的需求,提出一种基于骨架提取和启发式算法的路径规划方法。首先设计了自适应阈值的地图骨架路径关键点提取步骤,用关键点指导启发式搜索树的构建。然后采用膨胀RS曲线代替直线进行树的生长,保证机器人的运动学约束和防碰撞,同时提出一种混合a*碰撞检测方法,进一步提高算法效率。最后设计关键点扩展步骤,提高算法的鲁棒性。仿真结果表明,简单地图下,本算法效率约是RRT*-Connect算法的5倍、Hybrid A*算法的7倍,复杂地图下约是RRT*-Connect算法的300倍、Hybrid A*算法的9倍,能够满足机器人的运动学约束。

摘要：为解决混合a*^(*)算法在自动泊车中搜索时间慢的问题,提出了融合双向搜索算法和混合a*^(*)算法的优化方案。首先利用栅格法优化双向搜索算法,解决了在搜索时正向搜索和反向搜索的子节点不重合的问题;然后针对搜索时间慢的问题,优化混合a*^(*)算法的节点搜索过程,融合了双向搜索算法,最后设计仿真垂直入库和侧方位停车两种场景,验证了融合算法能够缩短搜索时间。

摘要：在分布实时环境下,解决高效通信和具有容错能力的MAS协作问题是MiroSot需要解决的重要问题之一。基于MiroSot设计的足球机器人MiroSotAgent是结合BDI和子前提结构而构造的一种新的混合a*式Agent。这种Agent综合了反应型Agent反应敏捷、鲁棒性好和慎思型Agent擅长复杂协作和推理的优点,能较好地应用于分布式实时的MAS环境。