摘要：考虑车辆类型、驾驶风格及不同阶段影响车辆换道的关键目标,将车辆避障过程中的“车-车交互”机理描述为力的关系,构建协同换道避障模型(CLAM),提取并建立适用于突发事件的车辆避障微观轨迹数据集,将车辆避障转化为多约束优化控制问题,以优化算法(OA)为纽带,设计车辆协同避障控制(CLAM-OA)策略。结果表明:相较于数据驱动的长短时记忆模型,CLAM-OA策略输出的误差均显著减小、车速与位移在不同时域的输出结果也更加稳定。

摘要：针对传统蚁群算法在移动机器人路径规划中存在的收敛速度慢、收敛路径质量低、死锁以及动态避障能力差的问题,本文提出基于改进避障策略和双优化蚁群算法(Double optimization ant colony algorithm,DOACO)的路径规划方法。首先,设计新的概率转移函数并对函数中的各分量权重进行自适应调整,以优化算法的收敛速度;然后,利用碰撞检测策略对路径进行再优化,进一步提高算法的性能;最后,针对常规避障策略避障能力差、实时性不足等问题,提出避障行为与局部路径重规划相结合的避障策略。实验结果表明,DOACO算法相对于传统的蚁群算法,不仅能规划出更优的路径,收敛速度也更快,而且新的避障策略也可以有效地应对多种碰撞情况。

摘要：六足机器人直接在现实环境中进行避障训练,会出现数据采样效率低、样机与障碍物产生碰撞造成零件出现不可逆损伤等情况。采用迁移学习中的渐进式神经网络(PNN)来实现模型的多环境迁移。实验基于双重深度(Double-DQN)强化学习预训练模型,将预训练后的模型有机结合为PNN结构,进而完成从源任务到目标任务的避障策略迁移。根据仿真实验的结果显示,相较于其他设计方法,PNN学习目标任务花费的时间大大降低。然后将仿真器中训练好的PNN结构移植到六足机器人样机中测试,最终测试结果表明:六足机器人能够成功完成避障任务。

摘要：对于地形复杂、范围广阔的荒漠环境,当前的地图模型存在占用存储空间过大的问题;同时在复杂地形下,当前的全覆盖路径规划算法能量消耗大,无法适用于在线条件.对此,提出一种在线的全覆盖路径规划算法及相应的地图模型.首先,介绍一种变分辨率的三维栅格地图模型.其次,分析机器人在非平面环境下进行全覆盖任务的能量消耗问题,得出最节约能量的覆盖方式.在对平坦地形的覆盖中,基于优先级覆盖的思想,对传统的牛耕法覆盖做出改进,拓展为8个方向.然后,针对非平坦地形提出一种在线的面向地形的区域分解方法,在全覆盖过程中根据高度将特殊地形区域分解出来单独覆盖.在子区域内部,对特殊地形抽象得到斜面模型,引入地形变化函数,形成新的优先级遍历方法,并设计一种针对性的避障策略以进一步减少能量消耗.最后,对所提出的算法进行仿真验证以及机器人实验.仿真验证和实验结果表明,相比于其他算法,所提出算法能显著减少全覆盖过程中的重复率以及机器人总能量消耗.

摘要：针对水面自主无人艇静态路径规划全局最优的问题,以提高全局路径规划算法精度为目标,提出了一种基于改进启发函数的全局路径规划方法。该方法采用栅格法对已知环境地形图进行建模,基于A*算法设计了一种新型的启发函数,通过改变导航控制器的增益系数来对路径进行优化。考虑到水面障碍物漂移作用对水面自主无人艇路径规划产生的影响,通过设置不同的障碍物形态、大小来模拟水面障碍物漂移作用产生的漂移增量。采用MATLAB仿真平台进行多次实验测试,测试结果证明了改进避障策略算法的可靠性。

摘要：针对多自动导引运输车(automated guided vehicle,AGV)路径规划与避障问题,考虑AGV行驶中启、制动速度与转弯角度对行驶时间的影响,根据不同冲突类型制定避障策略,以所有AGV行驶总时间最短为目标,建立多AGV路径规划与避障模型,并设计改进A^(*)算法进行求解。对两组数量不同的多AGV进行路径规划与避障仿真,结果表明:相较于一般A^(*)算法,基于改进A^(*)算法的多AGV路径规划及避障总时间优化率分别为10.0%和10.5%,总路径长度优化率分别为7.1%和7.8%。与其他改进智能算法的进一步比较证实,改进A^(*)算法在缩短路径规划用时和路径长度方面具有明显优势。本文提出的改进A^(*)算法可高效地规划出多AGV运行的无碰撞路径,其改进思路也贴切反映了AGV的实际运行工况。

摘要：在智能化开采过程中,需要实时获取滚筒位置并对其高度进行调整。建立了滚筒调高机构数学模型,给出了任意时刻滚筒高度的数学表达式、滚筒调高范围以及滚筒位于最低点和最高点时的中心轨迹方程。滚筒调高范围与大摇臂长度、小摇臂与铅垂线摆角范围以及大摇臂与小摇臂夹角有关。同时,提出了一种基于油缸压力增量变化的滚筒避障策略,该策略在初始时刻采用较大的采样时间,通过调整滚筒高度变量ΔH来提高避障精度,整体上提高了整机的可靠性。采煤机工作效率和采样时间与滚筒调高变量的比值非线性相关,单纯调整采样时间并不能提高采煤机的工作效率。研究结果可为滚筒调高机构设计提供理论依据,为智能化开采提供理论基础。

摘要：为了解决传统卷积神经网络(CNN)无法在计算能力有限的嵌入式终端运行以及网络对于小目标检测实时性较差的问题,设计改进轻量型MobileNet-SSD模型。首先,对模型进行学习训练,加载到嵌入式终端,用于检测水面无人艇(USV)行进过程中可能出现的目标障碍物,同时,使用单目摄像头对检测到的环境目标进行距离及方位的测量;其次,根据海洋海事公约设计动态避障策略,通过设置最小与会距离,实时计算USV与动静态目标的位置关系并执行相应的避障策略进行避障;最后,仿真及测试结果证明:本文算法的可行性,可设计一种响应速度较快的实时控制系统。

摘要：为解决多机器人在静态环境中的路径规划问题,以路径长度为优化目标模型,并针对此模型设计了多机器人萤火虫算法(MR-FA)。首先,考虑到路径安全性对环境中的障碍物采取扩张操作,设计初始化规则以提高生成初始种群的效率;其次,根据算法的连续性原理及特点,设计个体等长策略将维度不一致的个体转变为等维度个体以便于萤火虫的移动更新,并对移动更新后的不可行解采取路径修正策略;然后对规划出的每个机器人的移动路径进行碰撞检测,同时针对机器人不同的碰撞情况设计相应的避碰策略,即暂停—回退策略(PFS)、局部路径重规划策略(LPRS);最后,为验证MR-FA的有效性,在三组环境中进行仿真实验并与其他三种算法进行对比,综合得出MR-FA在解决多机器人路径规划时更有优势。

摘要：为减少不确定因素对爬壁机器人工作进程的影响,保障其在面对固定障碍物或移动障碍物时也能规划出最优路线,提出了越障步态数据挖掘下实时路径规划方法。利用蚁群搜索可行路径,通过更新信息素并加入避障策略从蚁群搜索路径中择优出无障碍最优解,同时利用声呐实时探测移动障碍物,使机器人能够动态判断突发障碍并作出有效避让行为,最后利用贝塞尔曲线对规划路径平滑处理,使机器人移动行为更加灵敏减少耗能。实验结果表明,所提算法的规划路径更为平滑,折点较少,算法收敛稳定且迅速,方法有效可行。