共查询到10条相似文献，搜索用时 718 毫秒
1.
当前关于使用蚁群算法解决载人潜水器路径规划问题的研究,往往只注重路径的长度和算法收敛速度,容易忽略路径点与障碍物之间的距离和路径的平滑度等要素。载人潜水器过于靠近障碍物航行时容易产生碰撞;按照不平滑路径行驶时,频繁地转向会降低航行效率。为解决这些问题,受人工势场法启发,文中在蚁群算法的概率选择环节引入障碍物惩罚因子φ和转向惩罚因子ψ,对路径点的选择加以限制。仿真测试表明,相比于传统蚁群算法和Dijkstra算法,该算法规划的路径与障碍物之间保持安全距离且转向次数更少,因此载人潜水器按照此路径航行时,安全性和航行效率更高。 相似文献
2.
对全方位机器人在完全未知动态环境下实时路径规划和针对移动障碍物的避障问题进行研究。提出矢量化路径描述方法,并将其与Bug算法思想相结合来解决机器人的路径规划问题。机器人的初始路径由其初始位置和目标位置生成,其运动过程是:首先沿初始路径行进,以规定间隔扫描当前环境,判断是否有障碍物阻挡当前路径,并检测障碍物的位置、移动方向和速度等信息;然后根据障碍物信息和机器人安全距离计算路径中间点,并插入中间点更新路径以实现避障。本文的机器人路径规划结果是以矢量形式进行描述及保存的,降低了对路径存储空间的需求,且按规划结果行进时只需要考虑直线移动距离和转动方向,简化了全方位机器人的控制。仿真结果说明本文方法的可行性及有效性。 相似文献
3.
水下机器人避碰控制是自主作业的重要基础,但复杂的约束条件和模型的不精确性增加了避障路径跟踪的技术难度。在传统模型预测控制的基础上,结合作业场景多种约束条件,引入径向基函数神经网络,提出了一种水平面避碰控制方法。首先,采用径向基神经网络建立误差补偿函数,提高传统动力学预测模型精度;然后,结合避碰路径跟踪控制,在滚动优化环节选取性能指标函数,并显式引入障碍物、执行机构与控制稳定性等约束条件;最后,通过仿真试验证明该方法能够控制水下机器人跟踪避碰路径实现水平面内障碍物规避。 相似文献
4.
5.
机器人的协同编队问题是一个综合性的研究课题,主要包括编队策略及路径规划 2 个阶段。针对单一机器人在未知水下环境中执行任务时能源受限等问题,提出一种基于改进蚁群算法的安全域协商捕捉策略,以解决多仿生机器人系统水下环境中对目标的协同编队捕获问题。机器人随机搜索过程中发现目标后, 利用安全域协商策略,实现目标机器人周围捕获点的分配;采用改进的蚁群算法实现编队过程的路径规划和自适应避障。在不同大小的障碍物环境中进行仿真实验,并与经典的路径规划算法进行对比,实验结果表明： 所提出的策略能够使机器人在复杂的水下障碍物环境中完成高效的协作编队捕捉任务,具备有效性。 相似文献
6.
针对多礁石、渔船等障碍物的近海复杂环境下的一些应用,提出了一种基于有限状态机(finite-state machine,FSM)模型的无人船(unmanned surface vehicle,USV)局部转向避碰路径规划算法。首先,基于速度障碍法和障碍物区域分层方法,获取无人船固定航速条件下的航向角约束解析结果。然后,基于该约束条件及障碍物探测情况设计FSM的有限状态及执行动作和状态迁移条件,其中,通过转向控制实现向目标位点或缓冲位点进行导航的状态为FSM的2个重要状态。最终通过FSM的执行实现局部转向避碰路径规划。仿真结果表明提出的多障碍物避碰算法具有可行性和实用性。该方法易于改进和扩展,且容易与当前主流的无人船控制系统结合,有利于无人船避碰系统快速工程化的实现。 相似文献
7.
韩恩权 《数字海洋与水下攻防》2021,4(4):264-268
针对自主式潜航器航行中自主规避障碍物传统算法存在的障碍物区域探测精度低、障碍物识别不准确、潜航器航路不最优等问题,采用三维成像声呐和深度学习算法开展了自主规避障碍物优化技术研究, 并通过仿真和漳河水库试验测试了本算法的有效性,可有效提高航行器规避障碍物的成功率和精度,以及 AUV 航行路径优化。 相似文献
8.
《中国海洋大学学报(自然科学版)》2021,51(8)
作为自动水面航行器的重要分支之一,自动航行帆船在执行长期海事任务时具有低能耗的优势,但其航行过程受到环境因素的影响很大。针对以上情况,本文考虑了自动帆船的自身运动模型,以及在航行时受到的海风、海流和障碍物的影响,提出了自动帆船从起始点至目标点的路径规划算法。该算法通过帆船的平面运动模型来计算环境因素的影响,再通过强化学习中的Q-learning算法实现对于海上两点间的路径规划并同时实现规避障碍物。通过仿真实验证明了本文提出的自动航行帆船的路径规划算法是可行的。 相似文献
9.
针对无人潜航器(UUV)在未知水下复杂环境的路径规划问题,设计了随机树以及动态窗口的融合算法。该算法基于快速扩展随机树(RRT)以及动态窗口(DWA)两层规划设计,第一层利用随机树算法快速规划出全局路径,在此基础上第二层加载全局路径,针对 UUV 模型的欠驱动和非线性,利用动态窗口算法完成局部路径规划,保证约束条件下 UUV 路径的安全性。通过融合参数 μ 修正内外框架的融合度,有效地弥补了全局路径算法的无法躲避动态障碍物的缺点以及局部路径算法全局能力低下的问题。最后,通过对比仿真验证了融合算法相比于随机树全局算法和动态窗口局部算法的优越性。 相似文献