一种融合D*算法和人工势场法的轮式机器人路径规划方法

    公开(公告)号:CN118331274A

    公开(公告)日:2024-07-12

    申请号:CN202410498648.X

    申请日:2024-04-24

    Abstract: 本发明的目的是提供一种融合D*算法和人工势场法的轮式机器人路径规划方法,对传统人工势场法进行了改进,在斥力势场函数中引入了斥力势场优化系数,并加入了道路边界域势场和引导势场。这些改进使得轮式机器人可以有效减少目标不可达和局部最优的可能性。当机器人沿着预定路径走到某一点时,若遇到了障碍物挡住了下一个应该走的点,A*算法会重新更新障碍物信息并重新运行来找到新路径D*算法,会导致很大程度上的路径重复;而D*算法结合人工势场算法会进行绕开障碍物,从而极大地减少路径重复,进而缩短算法的计算时间。克服传统的人工势场法所存在的目标不可达和局部最小点问题等缺点。

    融合改进JPS与动态窗口法的智能机器人路径规划算法

    公开(公告)号:CN118500428A

    公开(公告)日:2024-08-16

    申请号:CN202410562749.9

    申请日:2024-05-08

    Abstract: 融合改进JPS与动态窗口法的智能机器人路径规划算法,将智能机器人行驶的区域采用栅格地图法构建栅格地图,在所述的栅格地图中进行路径规划,预先设置起点位置和终点位置,运行改进JPS算法,在上述栅格地图中进行全局路径规划,高效率的得到一条全局最优路径,运行动态窗口法,以上一步骤中的全局最优路线作为参考路线,从起点位置到终点位置进行局部路径规划,进而为智能机器人规划出一条最优的动态避障路径。本发明采用全新的节点筛选规则和在扩展中采用了动态双向扩展策略,有效地保证了机器人运动的安全性,并且采用动态启发函数,更加注重路径的质量和长度,极大的提升了搜索效率,确保搜索算法向着最优解运行。

    一种融合LSTM神经网络与MPC控制的机器人轨迹跟踪控制方法

    公开(公告)号:CN118210234A

    公开(公告)日:2024-06-18

    申请号:CN202410498655.X

    申请日:2024-04-24

    Abstract: 本发明提供一种融合LSTM神经网络与MPC控制的机器人轨迹跟踪控制方法,融合LSTM神经网络和MPC控制,实现了对机器人轨迹跟踪的实时优化,提高了轨迹跟踪的准确性和稳定性。通过训练LSTM神经网络,能够预测机器人在不同路面附着系数下的质心侧偏角,并将其应用于质心侧偏角约束,以适应各种路面情况下的轨迹跟踪需求。通过构建MPC控制器的机器人轨迹跟踪能力函数,使机器人在轨迹跟踪和速度跟随过程中保证控制精度和平顺性。

Patent Agency Ranking