期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进A^(*)算法的矿用机器人救援路径规划及仿真分析 被引量:5
1
作者 段碧英 柴肇云 +5 位作者 辛子朋 闫珂 肖畅 刘向御 李天宇 刘新雨 《太原理工大学学报》 CAS 北大核心 2024年第2期231-241,共11页
【目的】煤矿井下灾后现场情况复杂,针对传统A^(*)算法的煤矿机器人救援路径规划存在路径不安全、效率低等问题,结合栅格地图及救援机器人可沿任意方向移动的特点,多方面对传统A^(*)算法进行改进。【方法】首先,引入了机器人尺寸叠加到... 【目的】煤矿井下灾后现场情况复杂,针对传统A^(*)算法的煤矿机器人救援路径规划存在路径不安全、效率低等问题,结合栅格地图及救援机器人可沿任意方向移动的特点,多方面对传统A^(*)算法进行改进。【方法】首先,引入了机器人尺寸叠加到障碍物的概念,以确保路径的安全性。其次,通过优化启发函数,降低偏离最佳路径节点的扩展数量,减少冗余节点与路径转折,降低了计算复杂度。最后,采用动态调整算法将路径转折角圆弧化,对所得路径平滑处理,提高了路径的可操作性。最终获得路径代价更小、耗时更短、转弯次数更少的优化路径。基于改进的A^(*)算法,利用MATLAB开展了不同尺寸及不同障碍物覆盖率下救援机器人路径规划的仿真模拟试验。【结果】结果表明:相较于传统A^(*)算法,在崎岖环境地图中改进的A^(*)算法使搜索节点降低了26.51%、计算时长减少了80.42%、路径长度缩短了31.85%、转向次数减少了44.44%,提高了路径的搜索效率和平滑程度。【结论】改进的A^(*)算法为复杂工况环境下煤矿机器人的救援工作提供了一定的理论基础。 展开更多
关键词 A^(*)算法优化 煤矿救援机器人 路径规划 启发函数 动态调整算法
在线阅读 下载PDF
融合改进A^(*)算法与动态窗口法的路径规划研究 被引量:1
2
作者 姬鹏 张新元 +1 位作者 高帅轩 魏铄让 《系统仿真学报》 CAS CSCD 北大核心 2024年第9期2171-2180,共10页
针对传统A^(*)算法搜索效率较低、拐点冗余和易碰撞等问题,提出了一种融合改进A^(*)算法与动态窗口法的智能车辆路径规划算法。改进了搜索点筛选方法、优化了评价函数、根据拐点间的斜率值筛选出关键拐点,并去除冗杂拐点。在优化后的每... 针对传统A^(*)算法搜索效率较低、拐点冗余和易碰撞等问题,提出了一种融合改进A^(*)算法与动态窗口法的智能车辆路径规划算法。改进了搜索点筛选方法、优化了评价函数、根据拐点间的斜率值筛选出关键拐点,并去除冗杂拐点。在优化后的每两个关键拐点间采用兼备速度与安全的优化动态窗口法进行局部避障。实验表明:该算法相较传统A^(*)算法在检索速度上提升了45%,拐点数量减少了91%,提高了路径平滑度。融合后的算法能在确保全局路径最优的情况下达到局部最优,可以实现实时避障。 展开更多
关键词 优化A^(*)算法 优化动态窗口法 融合算法 路径规划 实时避障
在线阅读 下载PDF
优化改进A^(*)和动态窗口法的机器人路径规划 被引量:12
3
作者 辛鹏 马希青 《组合机床与自动化加工技术》 北大核心 2022年第4期7-10,共4页
针对传统A^(*)算法规划的路径理论上不是最优,路径中存在较多拐点和冗余路段等问题,通过3个步骤进行改进。首先,扩展A^(*)算法的搜索邻域,用于减少路径规划子节点数,打破了路径搜索方向仅为0.25π的限制;其次,改进代价函数,提高搜索效率... 针对传统A^(*)算法规划的路径理论上不是最优,路径中存在较多拐点和冗余路段等问题,通过3个步骤进行改进。首先,扩展A^(*)算法的搜索邻域,用于减少路径规划子节点数,打破了路径搜索方向仅为0.25π的限制;其次,改进代价函数,提高搜索效率,对改进A^(*)算法规划的路径通过提取关键点进行优化,剔除冗余节点和冗余路段;最后,将优化后的路径以相邻节点分段使用改进动态窗口法进行规划,融合算法分别与传统A^(*)算法与传统动态窗口法对比。研究结果表明,融合算法安全性更高,路径更短,且能够实现避开动态障碍物。 展开更多
关键词 优化改进A^(*)算法 改进动态窗口法 融合算法 动态避障
在线阅读 下载PDF
风险因素影响下无人船智能路径规划方法
4
作者 王澳刚 智鹏飞 朱琬璐 《兵器装备工程学报》 CAS CSCD 北大核心 2022年第9期15-20,共6页
针对基于A^(*)算法的无人船路径规划存在的单一性与安全性问题,提出一种考虑风险的改进A^(*)算法进行无人船路径规划以获得全局最优路径。对于传统A^(*)算法进行无人船路径规划时存在的单一性问题,通过引入障碍干扰值约束对A^(*)算法进... 针对基于A^(*)算法的无人船路径规划存在的单一性与安全性问题,提出一种考虑风险的改进A^(*)算法进行无人船路径规划以获得全局最优路径。对于传统A^(*)算法进行无人船路径规划时存在的单一性问题,通过引入障碍干扰值约束对A^(*)算法进行搜索优化,引入变向干扰值约束对搜索到的路径进行航向优化,利用贝塞尔曲线对路径进行航迹平滑,从而得到一条A^(*)算法优化路径,再利用多路径搜索算法获得多条平衡了航行代价和路径相似度的路径。通过风险评估函数对所有获得的路径进行风险评估以获得全局最优路径。实验结果表明,通过对A^(*)算法的优化,路径规划的安全性提升,满足无人船在复杂环境中航行的要求。 展开更多
关键词 无人船 A^(*)算法优化 多路径搜索 风险评估
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部