面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在...面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在此基础上引入目标概率偏向方法,提高路径搜索效率;最后,对生成的路径进行简化节点处理以减少路径代价,并使用三次B样条方法平滑路径。仿真实验结果表明:二维环境下,GA-RRT算法相较于RRT、RRT-Connect算法,耗时缩短85.15%、29.86%,路径代价减少19.18%、18.26%;机械臂仿真环境下,与引入目标概率偏向方法的RRT算法进行比较,耗时缩短54.70%,路径代价减少51.59°。利用IRB120机械臂实验平台,验证了算法的可行性。展开更多
This study focuses on the improvement of path planning efficiency for underwater gravity-aided navigation.Firstly,a Depth Sorting Fast Search(DSFS)algorithm was proposed to improve the planning speed of the Quick Rapi...This study focuses on the improvement of path planning efficiency for underwater gravity-aided navigation.Firstly,a Depth Sorting Fast Search(DSFS)algorithm was proposed to improve the planning speed of the Quick Rapidly-exploring Random Trees*(Q-RRT*)algorithm.A cost inequality relationship between an ancestor and its descendants was derived,and the ancestors were filtered accordingly.Secondly,the underwater gravity-aided navigation path planning system was designed based on the DSFS algorithm,taking into account the fitness,safety,and asymptotic optimality of the routes,according to the gravity suitability distribution of the navigation space.Finally,experimental comparisons of the computing performance of the ChooseParent procedure,the Rewire procedure,and the combination of the two procedures for Q-RRT*and DSFS were conducted under the same planning environment and parameter conditions,respectively.The results showed that the computational efficiency of the DSFS algorithm was improved by about 1.2 times compared with the Q-RRT*algorithm while ensuring correct computational results.展开更多
针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优...针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优的UAV航迹优化方法。利用RRT算法和基于贪心算法的剪枝优化方法,在二维任务空间中规划出满足避障要求的可行离散航路点。采用多条Dubins曲线平滑连接航路点,根据UAV始末位姿确定首尾曲线端点,基于UAV性能、障碍物和飞行参数的约束关系,建立多约束的航迹优化数学模型。通过粒子群优化算法确定曲线类型,同时优化曲线连接处位姿和曲线半径,获得最短航迹。仿真结果表明:所提方法得到的航迹与其他方法相比,在不同障碍物数量和始末位姿的多种场景中,平均长度缩短了11.48%,在避开障碍物的同时,满足UAV动力学约束。展开更多
为了提高菠萝收获的机械化和自动化水平,该研究采用改进RRT*(Rapidly-exploring Random Trees Star)算法进行菠萝采收机全局作业路径规划。首先引入自启发式思想约束采样点的生成,借鉴人工势场引入方向权重对新节点拓展方向进行约束,同...为了提高菠萝收获的机械化和自动化水平,该研究采用改进RRT*(Rapidly-exploring Random Trees Star)算法进行菠萝采收机全局作业路径规划。首先引入自启发式思想约束采样点的生成,借鉴人工势场引入方向权重对新节点拓展方向进行约束,同时计算合适的权重取值范围,采用双向拓展加快迭代速度,然后利用贪心算法修剪路径冗余节点,并利用Cantmull-Rom插值函数对路径进行平滑处理。根据农田道路情况创建多障碍物、迷宫和狭窄通道3种仿真环境,分别对RRT*算法、双向RRT*算法和改进后RRT*算法的性能进行测试。试验结果表明:3种环境下,本文算法的平均收敛时间是RRT*算法的18%,是双向RRT*算法的46.12%,平均规划速度是RRT*算法的5.7倍,是双向RRT*算法的2.3倍左右,平均拓展节点数量比RRT*算法减少87.23%,比双向RRT*算法减少52.52%,平均路径长度比RRT*算法减少3.81%,比双向RRT*算法减少6.08%。田间试验结果表明:本文算法的规划时间仅为RRT*算法的14.12%,为双向RRT*的20.34%,迭代次数比RRT*算法减少80.89%,比双向RRT*减少69.70%。另外,RRT*和双向RRT*算法规划路径上大于60°的转角分别是本文算法的1.56和2.06倍,大于100°的转角分别是本文算法的1.55和2.18倍,本文算法规划的路径更平滑。研究结果可为菠萝采收机导航提供参考。展开更多
智能体路径规划算法旨在规划某个智能体的行为轨迹,使其在不碰到障碍物的情况下安全且高效地从起始点到达目标点.目前智能体路径规划算法已经被广泛应用到各种重要的物理信息系统中,因此在实际投入使用前对算法进行测试,以评估其性能是...智能体路径规划算法旨在规划某个智能体的行为轨迹,使其在不碰到障碍物的情况下安全且高效地从起始点到达目标点.目前智能体路径规划算法已经被广泛应用到各种重要的物理信息系统中,因此在实际投入使用前对算法进行测试,以评估其性能是否满足需求就非常重要.然而,作为路径规划算法的输入,任务空间中威胁障碍物的分布形式复杂且多样.此外,路径规划算法在为每个测试用例规划路径时,通常需要较高的运行代价.为了提升路径规划算法的测试效率,将动态随机测试思想引入到路径规划算法中,提出了面向智能体路径规划算法的动态随机测试方法(dynamic random testing approach for intelligent agent path planning algorithms,DRT-PP).具体来说,DRT-PP对路径规划任务空间进行离散划分,并在每个子区域内引入威胁生成概率,进而构建测试剖面,该测试剖面可以作为测试策略在测试用例生成过程中使用.此外,DRT-PP在测试过程中通过动态调整测试剖面,使其逐渐优化,从而提升测试效率.实验结果显示,与随机测试及自适应随机测试相比,DRT-PP方法能够在保证测试用例多样性的同时,生成更多能够暴露被测算法性能缺陷的测试用例.展开更多
文摘面对采摘作业的复杂环境,提出了一种终点区域RRT(Goal Area RRT,GA-RRT)算法,以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域,当拓展节点进入终点区域后,随机点生成范围缩小至终点区域,同时调整步长;然后,在此基础上引入目标概率偏向方法,提高路径搜索效率;最后,对生成的路径进行简化节点处理以减少路径代价,并使用三次B样条方法平滑路径。仿真实验结果表明:二维环境下,GA-RRT算法相较于RRT、RRT-Connect算法,耗时缩短85.15%、29.86%,路径代价减少19.18%、18.26%;机械臂仿真环境下,与引入目标概率偏向方法的RRT算法进行比较,耗时缩短54.70%,路径代价减少51.59°。利用IRB120机械臂实验平台,验证了算法的可行性。
基金the National Natural Science Foundation of China(Grant No.42274119)the Liaoning Revitalization Talents Program(Grant No.XLYC2002082)+1 种基金National Key Research and Development Plan Key Special Projects of Science and Technology Military Civil Integration(Grant No.2022YFF1400500)the Key Project of Science and Technology Commission of the Central Military Commission.
文摘This study focuses on the improvement of path planning efficiency for underwater gravity-aided navigation.Firstly,a Depth Sorting Fast Search(DSFS)algorithm was proposed to improve the planning speed of the Quick Rapidly-exploring Random Trees*(Q-RRT*)algorithm.A cost inequality relationship between an ancestor and its descendants was derived,and the ancestors were filtered accordingly.Secondly,the underwater gravity-aided navigation path planning system was designed based on the DSFS algorithm,taking into account the fitness,safety,and asymptotic optimality of the routes,according to the gravity suitability distribution of the navigation space.Finally,experimental comparisons of the computing performance of the ChooseParent procedure,the Rewire procedure,and the combination of the two procedures for Q-RRT*and DSFS were conducted under the same planning environment and parameter conditions,respectively.The results showed that the computational efficiency of the DSFS algorithm was improved by about 1.2 times compared with the Q-RRT*algorithm while ensuring correct computational results.
文摘针对多障碍物环境下考虑无人机(Unmanned Aerial Vehicle,UAV)始末位姿、转弯半径和航迹长度的1阶光滑约束的UAV航迹规划问题,提出一种基于快速搜索随机树(Rapidly-exploring Random Trees,RRT)算法和Dubins曲线以局部最优逼近全局最优的UAV航迹优化方法。利用RRT算法和基于贪心算法的剪枝优化方法,在二维任务空间中规划出满足避障要求的可行离散航路点。采用多条Dubins曲线平滑连接航路点,根据UAV始末位姿确定首尾曲线端点,基于UAV性能、障碍物和飞行参数的约束关系,建立多约束的航迹优化数学模型。通过粒子群优化算法确定曲线类型,同时优化曲线连接处位姿和曲线半径,获得最短航迹。仿真结果表明:所提方法得到的航迹与其他方法相比,在不同障碍物数量和始末位姿的多种场景中,平均长度缩短了11.48%,在避开障碍物的同时,满足UAV动力学约束。
文摘为了提高菠萝收获的机械化和自动化水平,该研究采用改进RRT*(Rapidly-exploring Random Trees Star)算法进行菠萝采收机全局作业路径规划。首先引入自启发式思想约束采样点的生成,借鉴人工势场引入方向权重对新节点拓展方向进行约束,同时计算合适的权重取值范围,采用双向拓展加快迭代速度,然后利用贪心算法修剪路径冗余节点,并利用Cantmull-Rom插值函数对路径进行平滑处理。根据农田道路情况创建多障碍物、迷宫和狭窄通道3种仿真环境,分别对RRT*算法、双向RRT*算法和改进后RRT*算法的性能进行测试。试验结果表明:3种环境下,本文算法的平均收敛时间是RRT*算法的18%,是双向RRT*算法的46.12%,平均规划速度是RRT*算法的5.7倍,是双向RRT*算法的2.3倍左右,平均拓展节点数量比RRT*算法减少87.23%,比双向RRT*算法减少52.52%,平均路径长度比RRT*算法减少3.81%,比双向RRT*算法减少6.08%。田间试验结果表明:本文算法的规划时间仅为RRT*算法的14.12%,为双向RRT*的20.34%,迭代次数比RRT*算法减少80.89%,比双向RRT*减少69.70%。另外,RRT*和双向RRT*算法规划路径上大于60°的转角分别是本文算法的1.56和2.06倍,大于100°的转角分别是本文算法的1.55和2.18倍,本文算法规划的路径更平滑。研究结果可为菠萝采收机导航提供参考。
文摘智能体路径规划算法旨在规划某个智能体的行为轨迹,使其在不碰到障碍物的情况下安全且高效地从起始点到达目标点.目前智能体路径规划算法已经被广泛应用到各种重要的物理信息系统中,因此在实际投入使用前对算法进行测试,以评估其性能是否满足需求就非常重要.然而,作为路径规划算法的输入,任务空间中威胁障碍物的分布形式复杂且多样.此外,路径规划算法在为每个测试用例规划路径时,通常需要较高的运行代价.为了提升路径规划算法的测试效率,将动态随机测试思想引入到路径规划算法中,提出了面向智能体路径规划算法的动态随机测试方法(dynamic random testing approach for intelligent agent path planning algorithms,DRT-PP).具体来说,DRT-PP对路径规划任务空间进行离散划分,并在每个子区域内引入威胁生成概率,进而构建测试剖面,该测试剖面可以作为测试策略在测试用例生成过程中使用.此外,DRT-PP在测试过程中通过动态调整测试剖面,使其逐渐优化,从而提升测试效率.实验结果显示,与随机测试及自适应随机测试相比,DRT-PP方法能够在保证测试用例多样性的同时,生成更多能够暴露被测算法性能缺陷的测试用例.
