共查询到20条相似文献,搜索用时 15 毫秒
1.
研究狭窄障碍环境下基于几何法的移动机器人全局路规划方法。用不同多边形表示机器人和障碍物,多边形集合构成环境地图。利用数组矩阵存储机器人和障碍物的顶点坐标,便于计算机进行识别、分析和计算。在此基础上,建立了两个子函数——障碍物筛选子函数和凸包计算子函数。通过对两个子函数的循环调用,找出所有较优无碰路径,最后根据一定准则选择全局最优路径。该算法把狭窄障碍环境中的路径规划问题转换成凸包计算问题,且能够生成多条可供替换的较优路径。当环境空间相对狭窄、机器人形状较为复杂,在路径转弯处作旋转运动时,可根据安全需要选择合适的运动路径,从而增加了算法的适用性。仿真结果表明:该算法简便高效,能够满足路径实时规划要求。 相似文献
2.
针对人工势能场方法容易陷入局部极值的缺陷,提出了有虚拟势能点的避障算法.该算法在编队进入对队形影响较大的复杂环境中引入额外的虚拟势能点,利用虚拟势能点的作用力使智能体脱离局部障碍物陷阱,进行队形重组,提高了编队队形保持能力;编队运动通过不同的地形时,队形变化程度不一,单一队形控制方法难以在各种环境下保持高效性、有效性,... 相似文献
3.
4.
5.
6.
针对无人机编队执行空战任务过程中存在无人机之间以及无人机与障碍物发生碰撞的问题,提出单向网络连接结构的多无人机避障算法和基于人工势场的控制方法,同时应用于无人机编队避障控制。以三架无人机构成的正三角形编队作为控制体,同时以长机的运动轨迹作为期望路径,长机提供僚机飞行信息,僚机接受信息保持编队飞行。多无人机编队发现障碍物到避障完成的过程包括编队集结、松散队形、最终恢复集结正三角形编队。仿真实验结果表明,所提避障控制策略能够确保编队收敛于期望的队形和稳定飞行状态。 相似文献
7.
多机器人编队控制研究 总被引:1,自引:0,他引:1
多机器人编队控制是多机器人协调控制中一个最具有挑战性的研究问题。多机器人编队是指:一组相互协作的机器人组建和保持特定的队形形状。本文首先简要概述了多机器人编队问题的研究现状。从面向问题的角度出发,本文将编队问题分解成编队角色分配、队形生成、队形变换与选择、编队跟踪4个子问题,并针对每个子问题,总结了现有的研究方法。最后,本文特别强调编队控制中的网络问题并指明未来的研究方向。 相似文献
8.
9.
徐红丽邱少雄李瑞峰张昊鹏 《无人系统技术》2022,(4):32-39
多无人水下航行器(UUV)编队控制在实际复杂海洋环境中面临着水声通信时延大、多中断和丢包等弱通信难题,如何提高其对通信的鲁棒性是重点研究方向之一。首先,建立了多UUV编队模型;其次,将多UUV编队航行分为有无参考路径两种状态,针对已知编队期望路径条件,将编队问题分解为路径跟踪与速度同步问题,设计了基于模型预测控制的路径跟踪控制和速度误差同步机制;再次,针对编队处于机动过程而缺乏参考路径的条件,提出了基于最小二乘的融合状态估计及其一致性编队控制方法;最后,在仿真环境最大队形误差0.6 m,验证了算法的有效性。与单积分器系统一致性编队控制算法对比分析表明,所提方法在队形控制精度、队形恢复时间以及编队的稳定性方面均具有一定优势,研究结果对多UUV编队应用具有重要的指导意义。 相似文献
10.
11.
针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性. 相似文献
12.
13.
利用图论表示机器人编队模型,用改进的邻接矩阵表示机器人之间的位置关系,用人工势场法对多机器人编队群集运动进行控制,改进的控制律可以使多机器人达到希望的队形,并共同以预定的速度行进。然后用李亚普诺夫稳定性理论进行分析,得出在此控制律下的多机器人系统可以进行稳定的编队群集运动。 相似文献
14.
复杂环境下基于多目标粒子群的DWA路径规划算法 总被引:1,自引:0,他引:1
针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法;优化DWA算法中的子评价函数;利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题;根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLXY.TIF;%129%129〗听语音 聊科研与作者互动 物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。 相似文献
15.
针对目前水下航行器路径规划的典型算法中所求最优解质量不高,不能保证得到最短路径的问题,提出了一种基于膨胀搜索机理的水下快速路径规划新算法。该算法通过栅格法进行环境建模,考虑了障碍物、敌对威胁和强湍流的影响,由内而外展开了双循环搜索,能够确保所得路径是全局最优的。仿真结果表明:新算法能够在完全避障、避险的前提下找到起始点和目的点之间的一条最优路径,且相较于传统的A~*算法,所得优化路径长度更短。 相似文献
16.
17.
针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化(Particle Swarm Optimization,PSO)方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO(BPSO)算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化(Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC)算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明:该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。 相似文献
18.
19.