基于蚁群算法的西北航道海上救援路径规划

选用海冰密集度、海表温度、风强度等指标构建西北航道海洋环境威胁场,采用广义网络分析法确定指标权重,基于蚁群算法对西北航道海上救援路径展开规划,通过对比实验获得适用于西北航道海上救援路径规划的最佳参数。针对各目标在不同救援时段具有不同权重的情况,依据动态权重进行路径规划,规划效果更佳,更符合实际救援需求,可为西北航道海上救援提供辅助决策参考。     

一种基于改进蚁群算法的载人潜水器全局路径规划

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。     

基于蚁群算法深海采矿机器人工作路径规划

针对深海采矿机器人路径规划问题,提出一种适合于采矿作业的改进蚁群算法。该算法利用位图法建立环境模型,依据构型空间的思想将路径规划问题简化为质点运动问题;利用改进的蚁群算法对问题进行描述,蚁群搜索中采用邻居搜索原则和中线偏移策略。最后通过仿真实验表明,该算法精度高,在海底环境中,能够完成机器人采矿作业的要求。     

一种基于改进蚁群优化算法的载人潜水器全局路径规划

基础蚁群优化算法在解决复杂障碍环境下的载人潜水器路径规划问题时,易过早收敛于局部最优解,信息素挥发系数的设置过于依靠经验,路径规划结果受概率影响大且不稳定。为此,提出了一种改进蚁群算法用于解决载人潜水器的全局路径规划问题。该算法提出"路径延伸块"的概念。算法前期采用动态更新信息素参数的蚁群优化算法进行简单迭代计算获得原始路径,并对原始路径进行栅格延伸以得到"路径延伸块";后期在路径延伸块中再次使用蚁群算法或其他寻优算法(Dijkstra算法)寻找最优路径。改进的算法与基础蚁群优化算法相比,算法效率及稳定性更高,不易收敛于局部最优解,能更好地适应U型槽环境和复杂障碍环境。     

动态环境下矢量化路径规划算法

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。     

基于改进量子粒子群算法的AUV路径规划研究

针对海洋环境下自主水下机器人（AUV）的路径规划问题,提出了一种基于框架四叉树的改进量子粒子群算法（QPSO）,首先使用框架四叉树的方法对障碍物建模,该方法提高了建模的精度且对后续算法的效率也有极大的改进,之后设计改进的量子粒子群算法,并且结合水下环境的特殊性设计适应度函数,综合考虑航线路径长度、偏转角度以及海流影响,使得算法可以在水下环境中寻得能耗最短的解路径。最后通过仿真试验验证,相比于传统的栅格法和粒子群算法,改进量子粒子群算法的运算时间更短,收敛速度更快,其独特的适应度函数可以使AUV能更好适应水下多变的环境,且能利用海流设计能耗更小的路径,具有很大的实用价值。     

基于A星算法的无人机路径规划优化模型研究

在分析传统无人机路径规划方法应用局限的基础上,针对传统A星算法启发函数单一、拐点冗余,以及效率不够高等系列问题,以虚拟城市地理环境为研究背景,通过提出面向起讫节点方位角的A星算法加速优化、启发式搜索中动态加权重构评价函数的A星算法加速优化和顾及Floyd算法插点策略的A星算法路径优化等层次递进的算法优化策略,解决了对A星算法搜索方向的量化约束、搜索权重数值的优化重构及冗余拐点的插点删除等技术问题,实现了改进后的A星算法运行效率的显著提高及最短路径判定准确性的明显提升。     

两次冷空气过程对西北太平洋海况影响的对比分析

利用NCEP FNL、ECMWF的预报资料、NMWW3(Multi-grid WAVEWATCHⅢ)模式的后报海浪资料和JMH气象传真,对2010年1月东亚的两次冷空气过程进行了对比分析,详细分析了天气形势和对西北太平洋海况的影响,揭示了影响程度差异的本质。对比分析表明:长波槽在东亚大槽气候位置的维持有利于西北太平洋发生恶劣海况;孟加拉湾上空南支槽的增强,下游半个波长处副高脊增强,进一步加强我国东部地区500 hPa上的西南气流,造成冷空气南侵减弱;EC-MWF对两次冷空气过程高低空96 h和168 h形势预报准确,240 h的海平面形势预报也有较高的参考价值。     

嵌入式GIS中大区域路径规划算法研究

首先讨论了目前存在的大区域路径规划算法;其次建立了一种适用于多尺度路径规划算法的多级道路网数据模型,给出了多尺度道路网数据库和拓扑结构的建立;最后,在多级道路网数据模型的基础上,提出了一种适用于嵌入式G IS的多尺度道路网路径规划算法。     

多障碍环境中基于增强式学习的势场优化和机器人路径规划

该文把增强式学习方法应用于多障碍环境中机器人路径规划 ,并将增强式学习和路径规划相结合 ,通过工作空间势场的自适应优化学习 ,实现机器人的全局路径规划 ,即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比 ,该方法避免了势场中局部极小点所引起的陷阱区域 ,并且所得到的路径具有最优特性。计算机仿真实验结果表明 ,这种学习方法能有效的解决多障碍环境中的机器人路径规划问题     

Smoothed A* algorithm for practical unmanned surface vehicle path planning

An effective path planning or route planning algorithm is essential for guiding unmanned surface vehicles (USVs) between way points or along a trajectory. The A* algorithm is one of the most efficient algorithms for calculating a safe route with the shortest distance cost. However, the route generated by the conventional A* algorithm is constrained by the resolution of the map and it may not be compatible with the non-holonomic constraint of the USV. In this paper an improved A* algorithm has been proposed and applied to the Springer USV. A new path smoothing process with three path smoothers has been developed to improve the performance of the generated route, reducing unnecessary ‘jags’, having no redundant waypoints and offering a more continuous route. Both simulation and experimental results show that the smoothed A* algorithm outperforms the conventional algorithm in both sparse and cluttered environments that have been uniformly rasterised. It has been demonstrated that the proposed improved A* route planning algorithm can be applied to the Springer USV providing promising results when tracking trajectories.     

一种基于有限状态机模型的局部转向避碰路径规划算法

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。     

基于系统保护规划理论的广西海域优先保护格局分析

基于广西海域红树林、珊瑚礁、海草床等生境数据,在系统保护规划理论框架下,利用Marxan软件构建了广西海域优先保护格局以识别保护空缺.结果 表明:广西海域优先保护区集中在三娘湾、合浦、涠洲岛海域,部分区域游离在现有保护体系外.与广西海洋生态红线对比,保护空缺主要分布在沿岸滩涂分布区、红树林分布区和涠洲岛珊瑚礁分布区.本...     

Closed-loop randomized kinodynamic path planning for an autonomous underwater vehicle

A randomized kinodynamic path planning algorithm based on the incremental sampling-based method is proposed here as the state-of-the-art in this field applicable in an autonomous underwater vehicle. Designing a feasible path for this vehicle from an initial position and velocity to a target position and velocity in three-dimensional spaces by considering the kinematic constraints such as obstacles avoidance and dynamic constraints such as hard bounds and non-holonomic characteristic of AUV are the main motivation of this research. For this purpose, a closed-loop rapidly-exploring random tree (CL-RRT) algorithm is presented. This CL-RRT consists of three tightly coupled components: a RRT algorithm, three fuzzy proportional-derivative controllers for heading and diving control and a six degree-of-freedom nonlinear AUV model. The branches of CL-RRT are expanded in the configuration space by considering the kinodynamic constraints of AUV. The feasibility of each branch and random offspring vertex in the CL-RRT is checked against the mentioned constraints of AUV. Next, if the planned branch is feasible by the AUV, then the control signals and related vertex are recorded through the path planner to design the final path. This proposed algorithm is implemented on a single board computer (SBC) through the xPC Target and then four test-cases are designed in 3D space. The results of the processor-in-the-loop tests are compared by the conventional RRT and indicate that the proposed CL-RRT not only in a rapid manner plans an initial path, but also the planned path is feasible by the AUV.