发展路径规划最新6篇
如下是小编为家人们找到的发展路径规划最新6篇。
路径规划 篇一
【关键词】移动机器人 最优路径规划 栅格法 A*算法
自从有移动机器人这一概念以后，*成为长期以来研究的最热门的内容之一。移动机器人可研究的领域相对较多，其关键技术有传感器信息结合、创建地图、定位导航、路径规划等。其中核心技术之一是路径规划技术，从起始点到终点，快速在环境地图中找到最短或最佳的无碰撞路径，这是路径规划的主要任务。本文是以“探索者-1”移动机器人作为研究平台。它由多个CPU控制，通过扫描式超声波传感器探测周边环境。当机器人接收到超声障碍信息后，可生成栅格环境地图，并基于迷宫八方向搜索的思想找到最佳路径。
1 机器人路径规划环境模型建立
在有障碍的环境中，移动机器人根据传感器发出的信息，生成环境地图，才可以实现路径规划以及导航，而栅格地图、拓展地图、几何三维特征地图是移动机器人生成的环境地图的三种表示方法。当移动机器人在获得信息时，会在一定程度上存在较多的不确定性，这是由传感器差异造成的。由于获得的信息不确定导致处理数据方法也不确定。解决这一问题，概率法，灰色理论，模糊理论等起到一定的作用。
1.1 栅格地图的创建
在栅格地图模型中，移动机器人所接收的每个栅格的信息直接与地图中的每个区域相匹配，这样移动机器人就可以根据栅格地图进行定位甚至导航。
“探索者-1”得到环境障碍信息主要途径依托于扫描式超声传感器，但是这种传感器具有盲区、多次反射等缺陷，所以超声信息存在很大的不确定性。因此可采用灰色系统理论来创建完善的栅格地图模型。
1.2 栅格地图创建实验结果
以“探索者-1”移动机器人作为实验对象进行实验，实验环境和实验结果如图1所示。
实验结果：采用栅格法，有一定的辨别真伪能力，能够有准备地描绘所需要的环境地图。
2 A*路径规划算法与传统算法的比较优势
传统算法生成的相邻子节点的作用是相同的，且不分先后顺序。如果不利用优先级的子节点生成策略，会产生许多问题，比如没有考虑机器人的宽度，而生成越过障碍物顶点栅格顶格的路径规划。A*路径规划算法是一种非常经典的启发式搜索算法，它的估计函数计算式为：f（x）=g（x）+h（x），其中f（x）为节点x的估价函数；g（x）为实际代价；h（x）是最佳路径的估价，在函数中作用最大。另外，估价函数决定着A*算法的正确与否。取g（x）在状态空间到x节点的深度，如图2所示。其中h（x）的计算方法为：h（x）=|Xd―Xs|+|Yd―Ys|。式中：（Xd，Yd）表示目标点坐标，（Xs，Ys）表示当前点坐标。
3 改进A*路径规划的算法
机器人定位前，A*算法已规划好最佳的路径，但路径中夹杂了多余的点坐标，当移动机器人到达拐点处时，不能自行地调整姿态。因此，我们对A*算法提出两个方面的改进：
（1）简化坐标点，除去冗余的坐标点，只剩下起点、拐点和终点。
（2）解出拐点处的旋转方向和最小角度，当机器人到达拐点处时，根据角度和方向自行处理自己的位态。用A*规划任意路径，通过实验证明它的正确性，如图3中A所示。
改进A*算法后的路径规划如图3中B所示，路径只包含起点1、拐点3、6、8、9和终点11。
4 仿真分析
为了验证A*算法的可靠性，在不同环境下，可选用编译工具Matlab 7.0对移动机器人进行路径规划仿真。其结果表明：采用改进的A*路径规划算法，使得要计算的路径点减少，且当机器人到达拐点处时，能够自动调节位态，使移动机器人更好地自主定位。
5 结语
基于A*路径规划算法移动机器人，找到的最优路径要满足几何长度的最短与时间最短的条件，只有这样的无碰路径才是最优路径。在栅格环境下，采用A*算法的移动机器人其实并不能完美满足实际应用，为了使其路径更加完美，则需要继续地实验论证，期待未来的移动机器人不但可让路径简单化，而且还能找到其在拐角处旋转的方向和角度，满足定位要求。
参考文献
路径规划 篇二
【关键词】模糊控制 双足机器人 路径规划 超声波传感器
机器人路径规划一直是机器人研究领域的热点问题。路径规划是在有障碍物的环境下找到一条由给定点到达目标点的最优路径，使机器人能够绕过障碍物，在不与障碍物相碰撞的情况下到达目标点。机器人在移动过程中必须安全无障碍的绕过所有障碍物，寻求一条安全的运动轨线判断并自动躲避障碍物顺利抵达目的地并且尽可能使所走路径最短。目前，常用的局部路径规划算法有势场法、A* 算法、栅格法及模糊算法。其中模糊算法有效的减小了对环境信息的依赖性，具有良好的鲁棒性和实效性。
本文主要采用模糊算法解决直立行走机器人在静态未知环境中的局部最优路径规划问题，并通过MATLAB仿真实验验证了模糊算法的有效性和可行性。
1 超声波传感器
双足直立机器人实现避障行走，首先需要对外界环境进行感知，探测到障碍物的方位。而超声波作为一种距离探测传感器，以其质量可靠，成本低廉为特点，在机器人测距中得到了广泛应用。基于双足直立机器人在速度上有限制的前提条件，采用周期扫描模式进行距离检测是最可行的方案，即将机器人的视野范围均分为若干份，记录每个视角检测到障碍物的距离，进而获得完整的外界环境的知识。同时为了消除机器人在运动过程中的抖动对测距的影响，为测距模块搭建了云台系统，使测距模块在运动过程中始终保持水平状态。
2 模糊控制器设计
2.1 确定模糊控制器的输入变量和输出变量
模糊控制器的输入是超声波采集的距离信号和双足机器人与目的地方向的夹角信息，输出是双足机器人的转动角度。双足机器人的构成包括支架、舵机、目标传感器、超声波传感器等部分。超声波采集的距离信息是机器人当前位置与障碍物的距离，超声波在机器人前进方向的180度范围内采集与障碍物的距离信息，取其中最左、最右及正前方的距离信息为三个输入变量，定义最左侧距离为DL、正前方距离为DC、最右侧距离为DR。通过目标传感器，确定双足机器人当前位置与目的地方向的夹角D0为角度输入变量。利用这些条件推理出输出变量OUT，即双足机器人的转动角度，如图1所示。
2.2 输入变量及输出变量的模糊化
定义距离输入变量的模糊语言为DL={Near，Far}， DC={Near，Far}，DR={Near，Far}；角度输入变量C0的论域为C0={LB，LM，LS，ZO，RS，RM，RB}；输出变量OUT的论域为OUT={OLB，OLM，OLS，OZ，ORS，ORM，ORB}。各个变量的隶属度函数图形为对称三角形且模糊分割完全对称，DL、DR、DC、 C0及OUT的隶属度函数图形如图2中（a）-（e）所示。
2.3 确立模糊控制规则
模糊控制规则（控制策略）的选择是模糊控制器设计非常关键的一步。它是基于手动控制策略，是操作者经验和技术知识的集合 。模糊控制规则实际上是一系列模糊条件语句的集合，反映了输入量与输出量的关系。按照双足机器人的实际控制进行模糊逻辑推理，确定了四个输入信号，一个输出信号，构成一个多输入单输出的模糊控制系统。
双足机器人在行进过程中，根据与障碍物的距离信息及与目的地的夹角信息进行决策推理出转动角度，从而实现最佳的路径规划。当采集到障碍物信息时，双足机器人将转动一定角度，改变行进轨迹实现有效避障的功能。机器人行进规则如下：
（1）当目标点位于障碍物左（右） 侧时，则机器人左（右）转；
（2）当目标点在机器人正前方且障碍物距离机器人很近时，则机器人需根据它的左侧和右侧的障碍物信息来决定左转还是右转；
（3）当左侧障碍物距离大于右侧障碍物距离时， 机器人选择向左转，反之向右转。
根据确定的输入输出变量的论域，采用模糊规则的一般形式If（条件）then（结果）进行描述。模糊规则如表1所示。
2.4 模糊决策
模糊决策（模糊推理）是根据模糊逻辑的关系及推理规则来进行的 。根据模糊规则推出输出量的隶属度函数。下面将通过简单举例来说明模糊控制器的原理。
以双足机器人在DL=0 ，DC=2.5，DR=3，C0=8的状态为例，该状态对应模糊表中的第11、12、18条规则，由此状态下的模糊规则进行推理合成，得到输出量的隶属度函数。
第11、12、18条规则推理结果及合成隶属度函数结果如图3中（a）-（d）所示。
2.5 解模糊
经模糊推理得到的是一个模糊集合 。通过解模糊得到精确值，确定实际输出对双足机器人进行转角控制。MATLAB 提供5种解模糊方法：面积重心法、面积等分法、平均最大隶属度法、最大隶属度取小法和最大隶属度取大法 。本文模糊控制器采用面积重心法进行解模糊，将模糊输出量清晰化，得到精确值来控制双足机器人转动角度。
3 Matlab实验仿真
在Matlab中进行双足机器人路径规划仿真实验，实验中圆形障碍物的半径和位置随机设置，起点设定为原点，终点的位置任意设置， 进行路径规划的同时描绘出机器人的运动轨迹，仿真实验可以在任意环境下检验算法的正确性和可靠性。实验结果如图4所示。
由图4可知（a）图起点为（0，0），目标点为（500，550）；（b）图起点为（0，0），目标点为（300，350）。改变目标点位置，障碍物随机设定，机器人均可实时躲避障碍物，并规划出最短路径，验证了利用模糊算法进行双足机器人路径规划的有效性和可行性。
4 小结
本文介绍了基于模糊控制算法的双足机器人路径规划方法，系统的描述了模糊规则控制器的建立，利用MATLAB进行了仿真实验，实验结果表明模糊算法可以有效地减小双足机器人在路径规划中对于环境信息的依赖性，保证了实时性并提高了双足机器人路径规划的精确度。
参考文献
[1]曹宇杰，邓本再，詹一佳。基于模糊神经网络的RoboCup足球机器人局部路径规划方法研究[J].电子设计工程，2015（23）：141-144.
[2] 李庆春，高军伟，谢广明。基于模糊控制的仿生机器鱼避障算法[J].兵工自动化，2011，30（12）：65-69.
[3]孙大勇，苏庆宇。井下机器人路径规划中的模糊逻辑控制算法[J].电气技术， 2007（3）：47-49.
[4]霍迎辉，张连明。一种移动机器人的路径规划算法[J].自动化技术与应用，2003，22（5）：8-10.
[5]王妹婷，陆柳延，齐永锋，等。基于模糊算法的水下机器人路径规划研究[J].机床与液压，2014（3）.
[6]张营，鲁守银。基于模糊控制算法的变电站巡检机器人路径规划[J].制造业自动化，2015（11）：53-55.
[7]郝宗波，洪炳熔。未知环境下基于传感器的移动机器人路径规划[J].电子学报，2006，34（5）：953-956.
[8]刘丽萍。硒砂瓜温室种植模糊控制系统设计[J].电子设计工程，2012，（20）：62-64.
[9]高扬，孙树栋，赫东锋。部分未知环境中移动机器人动态路径规划方法[J].控制与决策，2010，25（12）：1886-1889.
[10]姚毅，陈光建，贾金玲。基于模糊神经网络算法的机器人路径规划研究[J].四川理工学院学报：自然科学版，2014， 27（6）：30-33.
[11]柳长安，鄢小虎，刘春阳，等。基于改进蚁群算法的移动机器人动态路径规划方法[J].电子学报，2011，28（5）：1220-1224.
[12]黄大志，张元良，陈劲松。基于模糊控制的自主寻迹机器人研究[J].机床与液压，2012，40（9）：35-37.
[13]朱兴柯，叶飞，李斌，等。变电站巡检机器人运动控制系统研究[J].现代制造， 2014（30）：122-124.
[14]陈卫东，朱奇光。基于模糊算法的移动机器人路径规划[J].电子学报， 2011（4）：971-974.
[15]肖瑛，董玉华。一种级联混合小波神经网络盲均衡算法[J].信息与控制，2009， 38（4）：479-483.
作者简介
鲁红权（1994-），男，河北省唐山市人。现为华北理工大学学生。研究方向为智能机器人控制。
发展路径规划范文 篇三
关键词 自我管理 职业生涯规划 发展路径
中图分类号：G647.38 文献标识码：A DOI：10.16400/ki.kjdkz.2015.03.083
College Students' Career Path Planning and
Development Based on Self-management
XIAO Min
（School of Public Administration， Sichuan University， Chengdu， Sichuan 610064）
Abstract In recent years， college students increasingly severe employment situation and the complex， which is career planning education made an urgent request. Through research on the current situation of the students to discuss career planning， but from the perspective of self-management to analyze its use in the career planning. Finally， the specific path of development of career planning， provide reference for university personnel training.
Key words self-management; career planning; development path
当前我国正处于社会转型重要时期，如何适应市场经济和就业形势的变化来提高大学生就业质量，帮助大学生在校期间开展积极有效的职业规划，提高高校大学生的就业水平，是高校学生管理工作中重要的问题。
1 高校大学生职业生涯规划现状
1.1 大学生职业生涯规划的目标模糊
本文对四川某高校一文科学院238名学生进行调研，调研显示（图1）：从长期目标来看，对“自己未来三到五年的学习与工作计划非常清楚”的只有4.13%的同学，49.59%的同学对于未来3～5年的目标是不太清楚。学生普遍存在缺乏正确的自我定位和长远合理的路径目标，在职业生涯规划中时缺乏前瞻性。
图1
1.2 大学生对自身认识不清
调研显示（图2），“非常清楚自己的能力、性格等方面的优势和劣势”的只有7%的同学，通过职业生涯规划课等课程教育后仍有27.7%的同学对自己能力、性格等方面的优势和劣势并不了解。
1.3 大学生职业生涯规划的主观意识不强
从调研结果可以看出（图3），学生了解职业知识主要还是来自于学校和父母的安排，如单一的从学校专门的就业指导中心提供信息和父母平时与自己谈论以后的工作问题处了解的信息，自己主动通过查阅报纸、杂志和书籍、互联网阅读等形式还属于少数人采用的方式，因此在对职业生涯规划的知识方面是比较被动地接收，主观意识不强。
图2
1.4 大学生求职可能遇到重重困难
调研显示，学生认为应聘中可能会遇到的最大的困难就是没有工作经验和缺乏面试技巧，比例占有37.9%，同时还认为求职中语言表达能力差、社会关系不足和知识面窄的比例也分别在10%以上。这些都导致学生在求职中不自信，遇到了重重困难。
2 “自我管理”及其在大学生职业生涯规划中的运用
前苏联著名教育家苏霍姆林斯基说：“只有能够激发学生进行自我教育的教育，才是真正的教育。”这一教育理念告诉我们：自我管理是学生发展中一个非常重要的环节。大学生管理工作离不开学校与教育者的管理，根本解决问题更需要大学生进行自我管理。大学生自我管理内容主要包括大学生的自我学习管理、自我生活管理、自我发展管理、自我人生管理等。“他律”和“自律”是大学生学生管理工作的两个方法，将传统的学校、教育者的管理（他律）转变为管理（他律）与大学生自我管理（自律）的高效结合，是符合当前社会发展的职业生涯规划新方法。
钟谷兰认为大学生职业生涯规划内容主要包括：觉知与承诺、自我探索、工作世界探索、决策、求职行动和再评估。工作世界探索主要受外部因素影响，其余内容均主要来自自身因素。因此将自我管理的内容和方法应用于大学生职业生涯规划的六个模块，探索大学生职业生涯规划自我管理途径具有很强的现实意义，对提高大学生管理工作具有实效性。
图3
3 大学生职业生涯规划发展路径
3.1 发掘自身优势，做好自我学习管理
作为一名学生，学习为学生本职工作。作为大学生的自身优势，最重要的还是要在自我学习管理方面具有优势。问卷显示：学生认为其优势为专业知识、考试证书和技能认证、学习成绩等学习方面一共占有57.5%。同时69.8%的学生认为修双学位能增加就业机会，因此学生可以根据自身优势和个人目标，可以合理的对第二专业进行选择，以增加职业选择广度。学生可以通知专业课程学习、实践锻炼，发现并找到自身在性格、兴趣、技能、价值观等自我优势与劣势，注意在实践中尽量发挥自身优势，做到自我学习与自我优势的紧密结合，将大学时间价值发挥最大化，从而能力实现全面化。
3.2 拓宽培训渠道，做好自我发展管理
根据问卷反馈，当前高校普遍采用的安排学生参加“成功企业经理人讲座，成功心理学训练课程的培训”已经不再完全适应当前新时期学生的需要，只有11.4%的学生认可该培训渠道。学生普遍希望能拓宽培训渠道，未来有机会从以下几个方面做好自我发展管理，主要渠道有：到企业实习锻炼，与更多名企业新人沟通交流的培训；潜力能力提升的培训；到企业人力资源专业提供的职业规划、就业指导、求职技巧等多方面的服务。培训是学生自我的课余学习，也是对大学专业课程学习的较好补充，能够帮助学生更好地与社会所需能力进行对接。因此学生应该提高培训意识，根据自身规划与需要，积极主动参加相应培训，做好自我发展管理。
3.3 提高规划意识，做好自我生活管理
由于大学生绝大部分时间和精力都花在个人的学习与生活管理上，因此在做好学习本职工作时，学生也需要对个人生活方面进行规划，充分发挥平时学习与日常生活管理的主阵地作用。大学生个体的实践活动具有“时间、空间、自我”三位一体的特征，随时随地从学习、生活、工作到人际关系以及感情的建立，实行全面的自我管理。大学生学习之外的时间较灵活且充裕，因此如何更好地规划课余时间，做一些兴趣和专业之外的实践与锻炼，对于提升职业生涯规划能力尤为重要。自我生活管理能力也在某种程度上成为了学生个人能力是否突出的重要内容。
3.4 提高个人能力，做好自我人生管理
调研显示，35.6%的学生认为在找工作时，企业主要看重的个人能力，有19.2%的学生认为企业更看重的是履历。46%的学生认为能力中最关键的三种能力主要是英语能力、实践能力、交际能力。所以做好人生管理，在大学阶最主要是有意识地培养自己的英语能力、实践能力和交际能力尤为重要。从职业生涯规划角度看，除了以上具体能力之外，大学生还应该全面培养自身的专业知识技能、可迁移技能、自我管理技能，真正做好自我人生的管理。
参考文献
[1] 张清芳。服务视角下大学生职业生涯规划发展的路径研究[J].江苏高教，2014（3）.
[2] 刘艳，陈华平。基于“三维资本”的大学生职业生涯规划教育路径探析[J].教育评论，2014（2）.
[3] 林胜男，王永利。“80后”大学生班级自我管理探讨[J].内蒙古师范大学学报（教育科学版），2011（3）.
[4] 徐敏。大学生自我管理的重要意义及对策[J].教学与职业，2014（4）.
[5] 吴薇。大学生职业生涯规划的现状调研及应对策略[J].教师教育研究，2009（9）.
路径规划 篇四
【关键词】海军平台；自动路径；规划算法
1.引言
开发适用于海军平台的自动路径规划算法的目的是寻找通过给定区域并能避开所有障碍物的一条最佳路径。路径中的航路点序列来自之前扫描发现的点集。目前算法是针对二维航路点规划设计的，同时也考虑了海区的深度。
算法的边界条件定义如下：在开始计算时先获取自身和所有已知目标的真实位置，假定计算过程中这些目标的位置保持不变。因为整过计算过程仅几秒钟，这样做是可行的。在这短短的计算时间内，位置的变化量可以忽略。本文研究的算法的一个约束是最大计算时间不能超过20 s。其目的是为了适应多种水下作战系统。
2.算法实现
算法分为两大重要部分，它们是程序内独立的两个模块，这样保证了程序的可重用性和可维护性。
第一个模块为海军平台生成一个图，该图含有平台周围区域的地理数据和区域内障碍物的数据。这地理数据是从国际标准电子海图（ECDIS图型）提取的，并处理成数字地形模型。该过程是由剖面评算用电子海图分析器ESCAPE完成的。该程序从海图中获取给定区域的深度数据后生成光栅格式的地形图，如图1所示。光栅中的每一点表示一个深度值，因此整个区域都由深度值来描述。
图1 海图区域（左）转换为地形模型后的效果图（右）
这样的地形模型是生成图的基础。这些光栅点表示图的节点和边。节点为图的接合点，一条边连接两个接合点。边可以赋予权重以表示从起始节点到目标节点之间的距离，如图2所示。
节点 边 权重边
图2 描述节点和边的符号
图3 用图表说明地形模型
图4 对角线边
当地形模型转为图后，一个光栅点就对应一个节点，光栅点的深度值就表示从该点到相应节点的边的加权值，如图3所示。
图3上除了按沿直角运动外，还可以沿对角线运动。依照不同的角度（由两节点之间x和y的差值来决定），路径长度不同，因此边的权重也不同。当角度为45度时，目标节点的深1度值需要乘上，如图4所示。
为了寻找一条能避开岛屿等障碍物的路径，程序必须能确定是否达到了某一最小深度值。因此图上所有深度值都与最小深度比较。如果某一节点的深度比最小深度还深，该深度值将被定义为一个给定的值，比如1000，否则设置为1。这种区别对于路径规划算法来说是必要的。
除了（船或飞机）残骸等地理障碍物以外，石油平台和其他船只也需要一起考虑。因此在每个障碍物的周围定义一个危险区域。危险区域内的节点深度值都设置为1000。如果程序用于计算鱼雷射击诸元，目标船的探测范围也必须认为是障碍物。这种区域的深度值是可变的以便将探测距离定义为“可穿越”的障碍物。
图生成后就可以开始寻找从起点到目标点的最优路径，这个功能由第二个程序模块完成。根据给定的地理起始节点和目标节点位置以及地形模型的地理坐标，就可以用A*算法[2]计算最优路径。该算法来源于导航和机器人领域，在图格式中应用得很好。
算法原理如下：
算法首先建立“Open_List”和“Close_List”两张空列表。Open_List存储所有进入考虑视野但尚未处理的节点，一开始它只存储了起始节点。两个列表中的节点有三个数据域，其中d表示当前节点与起始点的距离，g表示与目标节点的估算距离，k表示其前驱节点的序号。对于起始节点s，定义d[s]=0和g[s]=0;对于其他节点，d和g的初始值为无穷大。所有节点的前驱节点为空。Close_List初始化为空列表。
算法依次考虑Open_List列表中d+g为最小的点。在第一步，该最小点就是起始点本身。首先把起始节点从Open_List列表删除后添加到Close_List列表。然后把起始节点的所有相邻节点加入到Open_List列表，对每一个节点计算到距离d和对应边权重值之和，然后在不考虑边权重的情况下估算到目标点的距离g。新得出来的值与邻节点对应值相比较，如果新值小，那么将用新的d和g代替原来的对应值，并把当前节点存储为邻节点的前驱节点。
当目标节点被添加到Close_List列表，算法结束。这时最佳的路径就可以从目标节点根据前驱节点从目标节点回溯到起始节点。
当最佳路径决定后，需要将其简化为航路点列表，因此对于最佳路径上的每一个节点，如果节点改变了路径方向就将其加入到航路点序列，这样就将所有节点转换为实际的地理位置。
若想定复杂，计算最佳路径的时间可能超过20秒。计算机系统的性能也会影响计算时间。为了满足时间约束，A*算法能加速，不足的是会降低规划路径的质量。在距离估算项乘以一个常数因子，计算速度就会增加，因子越大，计算速度越快。
3.测试结果
开发的算法进行了一系列测试。针对不同的想定，在德国Bight平台上已经完成功能等测试。目的是规划出鱼雷从我方船只到目标船只（用深灰色的圆做标记）的航行轨迹。图5提供了其中两种想定。黑色区域代表深度值在最小深度之下，被定义为威胁区域。灰色区域表示深度在我船深度之下，需要鱼雷改变航行深度。白色区域表示水深合适。圆的深灰色地区表示目标船的探测范围，红色线是计算得出的路径。
图5 German Bight试验结果
除了几个一般功能测试外，也对一些极端情形进行了测试。图6显示了从迷宫左下角出发到迷宫中心的路径，在这个测试中没有考虑时间限制。
图6 极端情况下的试验结果
此外还分析了A*算法的加速效果，在评估中用了几个不同的因子，如图7和图8所示。从图中可以明显看出，随着因子的增大，路径质量不断下降。因子从1.0增加到30时计算时间从14.9s减少到0.4s。经过几个系列测试分析后，选择1.5作为算法的加速因子，这一因子在不明显影响计算路径的质量的前提下大大缩短了计算时间。若计算时间超过给定值，程序会自动增加因子的大小。
图7 因子从1.0到1.5的加速测试
图8 因子从2.0到3.0的加速测试
4.结束语
程序的实现和测试都取得成功，它能计算出两个地理位置之间的最佳路径并能避开所有障碍物。
在绝大多数的实际想定中，计算最佳路径和相应的航路点列表的时间小于3s。就是对于军事应用，这一时间也是很理想了，因为手工计算要慢得多。在一些特例中，最佳路径的质量有所差别。加速因子取值为1.5时，A*算法在计算的时间和路径质量方面达到较好的平衡。但是因子依赖不同想定和图，在有些想定和图中，算法会扩展很多不必要的节点。因子取值越大，路径的质量差别越明显，如图7和图8所示。
在所有测试中，给定的20s时间约束存在2%的误差，若不存在路径，就将20.2s作为最大计算时间。这是A*算法中止执行的标准，如果计算时间超过这个值就认为不存在路径。A*算法操作的时间限制为20s，过了这个值就可以中止执行算法操作了。依赖于计算机系统性能的时间认为与A*算法没有关系。
程序在应用于海军平台前，还需要做一些修改，如对程序进行扩展以改进与海图的接口。根据路径质量要求，可以增加相应的曲线平滑算法，以尽量减少确定的路径与最优路径的差异。
参考文献
发展路径规划范文 篇五
关键词：移动机器人；路径规划技术；综述
DOI：10.16640/ki.37-1222/t.2016.21.135
0 前言
移动机器人的实现涉及自动控制、智能、机械等多种学科。它通常被应用在医疗领域、工业领域等方面。从整体角度来讲，移动机器人的应用促进了生产效率的显著提升。路径规划技术是移动机器人的关键技术之一，研究该技术具有一定的现实意义。
1 路径规划技术的作用
将路径规划技术应用在移动机器人中，能够产生的作用主要包含以下几种：
（1）运动方面。路径规划技术的主要作用是其能够保证移动机器人完成从起点到终点的运动。（2）障碍物方面。设计移动机器人的最终目的是将其应用在实际环境中，在实际环境下，移动机器人的运行路线中可能存在一定数量的障碍物，为了保证最终目的地的顺利达到，需要利用路径规划技术实现对障碍物的有效避开[1]。（3）运行轨迹方面。对于移动机器人而言，除了实现障碍物躲避、达到最终目的地这两种作用之外，应用路径规划技术还可以产生一定的优化运行轨迹作用。在移动机器人的使用过程中，在路径规划技术的作用下，机器人可以完成对最佳运行路线的判断，进而更好地完成相应任务。
2 移动机器人路径规划技术综述
移动机器人的路径规划技术主要包含以下几种：
2.1 局部路径规划方面
在局部路径规划方面，能够被应用在移动机器人中的技术主要包含以下几种：
（1）神经网络路径规划技术。从本质上讲，可以将移动机器人的路径规划看成是空间到行为空间感知过程的一种映射，因此，可以利用神经网络的方式将其表现出来。就神经网络路径规划技术而言，首先需要将相关传感器数据当成网络输入，并将网络输出看成是某固定场合中期望运动方向角增量。在这种情况下，原始样本集则可以用不同选定位置对应的数据代替。为了保证样本集数据的有效性，需要将原始样本集中的冲突样本数据以及重复样本数据剔除掉。对最终样本集应用模糊规则，实现神经网络的有效训练。当典型样本学习完成之后，移动机器人对规则的掌握水平发生了显著提升，进而使得移动机器人在产生智能性能的基础上，顺利完成相应运动[2]。
（2）人工势场路径规划技术。这种规划技术是指，将移动机器人在实际环境中的运动过程当成其在虚拟人工受力场中的一种运动。在虚拟人工受力场中，目标终点会对移动机器人产生一定的引力，而该受力场中的障碍物则会对其产生一定的斥力。在某固定算法的作用下，这两种不同的作用力会产生相应的势，进而形成势场。当移动机器人在该场中运动时，势场中的抽象力会作用在移动机器人上，使得其完成对障碍物的有效避开。在人工势场路径规划技术的实际应用过程中，由于结构简单等因素的影响，移动机器人在到达终点之前可能会停留在局部最优点位置上。对此，需要从数学的角度出发，对势场方程进行重新定义，通过这种方式排除势场中的局部极值，继而保证移动机器人运动的顺利进行[3]。
（3）遗传路径规划技术。这种路径规划技术建立在自然遗传机制等理论的基础上。这种技术通过变异、选择以及交叉对控制机构的正确计算程序进行合理编制，进而实现数学方式基础上生物进化过程的合理模拟。当移动机器人的适应度函数为正数时，允许适应度函数具有不连续或不可导特点。由于这种路径规划技术不涉及梯度信息，因此其能够更好地解决移动机器人在实际运动过程中遇到的问题。遗传路径规划技术的应用优势在于，它能够实现跟踪与规划的同时进行，因此，遗传路径规划技术通常被应用在具有时变特点的未知环境中。
2.2 全局路径规划方面
在该方面，可以被应用在移动机器人中的技术主要包含以下几种：
（1）栅格路径规划技术。这种技术是指，在将实际工作环境分成许多包含二值信息的网格单元的基础上，应用优化算法完成最佳路径的规划搜索。在这种规划技术中，其网格单元通常是由八叉树或者四叉树的方式表示出来。在该技术的应用中，栅格的作用是完成相关环境信息的记录。如果栅格中某位置的累计值相对较低，代表移动机器人可以从该位置通过；如果栅格中某个位置的累计值相对较高，则表示该位置存在障碍物，此时，移动机器人需要利用优化算法将该障碍物避开[4]。
（2）可视图路径规划技术。这种路径规划技术是指，将整个移动机器人看成一个点，然后分别将其与障碍物以及目标终点连接起来，上述连线要求为保证所连直线不会碰触障碍物。当所有连线都连完之后，即完成了一整张可视图。在该可视图中，由于起点到目标终点之间的连线都不涉及障碍物，因此上述所有连线都属于有效直线。在这种情况下，需要解决的问题主要是从这些连线中找出一条距离最短的连线。对此，需要应用优化算法将可视图中距离较长的连线删除，这种处理方式能够有效提升移动机器人的搜索时间。
（3）拓扑路径规划技术。这种规划技术是指，将移动机器人的移动范围，即规划区域分成多个具有拓扑特征的子空间，然后利用不同子空间之间的连通性完成拓扑网络的构建。当该网络构建完成后，直接从网络中找出能够使得机器人顺利从起点移动到终点的拓扑路径，将所得的拓扑路径作为参考依据完成几何路径的计算。这种规划技术的劣势主要表现为其拓扑网络的构建过程较为复杂。但这种规划技术可以实现移动机器人搜索空间的有效缩小[5]。
3 结论
路径规划技术主要分为局部规划和全局规划两方面。这两方面分别包含人工势场路径规划技术以及神经网络路径规划技术等。应用这些规划技术之后，移动机器人可以在避开障碍物的基础上，顺利完成起点到终点最优运行轨迹的运动。
参考文献：
[1]朱大奇，颜明重。移动机器人路径规划技术综述[J].控制与决策，2010（07）：961-967.
[2]张捍东，郑睿，岑豫皖。移动机器人路径规划技术的现状与展望[J].系统仿真学报，2005（02）：439-443.
[3]鲍庆勇，李舜酩，沈`，门秀花。自主移动机器人局部路径规划综述[J].传感器与微系统，2009（09）：1-4+11.
[4]孔峰，陶金，谢超平。移动机器人路径规划技术研究[J].广西工学院学报，2009（04）：70-74.
路径规划 篇六
【关键词】路径规划；电子地图；应用
所谓电子地图是一项结合计算机制图以及数据库处理和信息系统等学科为一体的图形表现形式。在现代社会中，电子地图在各个行业中应用广泛如在车载导航系统中，它已成为路径规划中一项较为重要的技术。但有关电子地图的详细应用主要在快速生成卫星影像和航空相片以及行数据的记录和新数据的派生方面。存在的问题是其技术的应用还不够广泛和深入。所以，本文结合实例对电子地图中的数据特点以及路径算法和算法的改进进行分析，同时对路径规划中电子地图的应用进行探讨。
1.实例应用
在计算机的相关软件的运行环境下，用VisualC++开发某市实验用地图上提取的300个道路所用点，同时添加附加信息，实施路径规划。在地图上制定路径的起始点和终止点之后，电子地图可在很短的时间内确定最优化的路径，同时该路径的各种辅助设备能够满足实际车载和各种应急需求。
2.电子地图的数据特征与路径算法
2.1数据特征
电子地图的数据特征是按照一定图层进行叠加的，在电子地图中的各种点、线、面等的集合就是图层。在电子地图中的数据分为两种：（1）空间数据。它主要是对空间对象的几何特征、位置关系以及拓扑关系进行存放。（2）属性数据。主要是对空间对象的类别、名称以及特征等进行确定。在本文所引用的Shape File中，属性数据主要以dbf的形式储存于数据库中，相对的空间数据则主要以Shape File所固有的格式进行数据的储存。这两种数据通过一定的形式联系在一起。电子地图中，将城市的道路网建设成一个图层，将其命名为道路网，同时在地图上实施路径规划，要对道路进行操作，那么就不涉及其它图层。
2.2电子地图的路径算法
在电子地图的路径规划中，路径算法是重要的工作过程之一。现在电子地图中最长用的算法是启发式搜索算法，其主要的模型为f（x） =g（x）+h（x）.（1）式中：g（x）表示从起点到搜索点的实际花费；h（x）表示从起点到终点的预估花费，称为启发函数；f（x）表是总花费。在采用启发模型之后，可以对驱动模型进行改进：（1）在每次新生成的节点展开之前，要对显示的同一位置两个节点的花费进行比较，在新生成节点大于已生成节点的前提下，可放弃已生成节点，反之用原节点。（2）将最小距离作为搜索信息，其花费的现实随节点的开展而增加。（3）在节点的数量增加后，综合代价增加，在每次新生成的节点的花费大于原来节点的情形下，可将新生成的节点淘汰用原来的路径。
3.路径规划中电子地图的应用
在路径规划过程中，电子地图重新定义了地图在人们心中的形象。在电子地图的帮助下，可以将现成的路径规划中出现的各种要素进行不同形式的组合最后连接成新的地图；同时交通部门可以根据电子地图在路径规划中的应用，对各种交通情况诸如交通事故、天气变化、不同路段的情况进行不同程度的监管；此外，路径规划中电子地图的使用为各种市民和公民进出入不同的城市提供便捷的服务，可以在现有的地址、地址范围和地理位置以及道路的交叉口等进行准确的定位，帮助人们在不熟悉路径以及路况的情况下正确的选择道路。
3.1起终点问题
在实际的生活过程中，电子地图上的起终点并不能代表实际路线中的出发点和结束点。在我们的日常生活中较为常见的是起点和终点都位于某一个路段的中间部分，在此时，必须将路段的出发点作为起点，目的地作为终点，在电子地图中输入该城市的行政规划图，通过电子地图对该路径数据的处理和分析，得出最佳路径区划图。
3.2最优路径模型的确立
电子地图在路径规划中的应用中所要解决的最优路径问题并不仅仅指最短的路途。它还包括利用电子地图在最短时间和最小花费内寻找到最合适的通向目的地的路径或者在电子地图的帮助下，将这几个问题全部综合在一起，最后使问题得到解决。同时在电子地图对路径的道路级别、人流量的大小以及转弯限制等做出详细的判断之后，确定最佳的路径模式。此时可将启发式模型中的g（x）进行一定程度的修改：g（x）=∑aijLij+∑bmnTmn。在该式中，Lij表示的是i和j之间的路径长度；其中aij表示的是相应的权值，这个参数与道路的级别和流量有关；Tmn表示的是从路段m到路段n之间所需要的花费（如时间等）；与之相应的bmn代表的是穿越的权值。若在该路段处禁止转弯则可将其设置为常数，g（x）则表示从起点到所要到达的地点之间的花费。在电子地图启用最佳模型的情况下，进行路径的选择。
3.3确立加权模型
电子地图的工作过程中如何利用启发式算法进行信息的启发也是关键工作之一，加权函数的常用表达形式是f（x）=λ1g（x）+λ2h（x），λ1+λ2=1 λ1>0，λ2>0。在该式中主要的调节系数是λ1和λ2。在λ1>λ2表示搜索过程准备好；在λ2>λ1时表示启发开始，搜索将沿着最佳路线进行搜索，这时搜索的速度较快，有利于降低完备性。在确定加权模型的情况下，电子地图可就本车中的车载以及前面的路线情况进行分析，最后计算出加权函数，得出行车的最佳路线，最终可帮助人们很快的实现快速到达的目的。
【发展路径规划】相关文章
路径规划（精选6篇）10-23
小学三年级上册数学复习计划（通用8篇）11-17
短跑训练计划（通用4篇）09-20
一年级小学数学复习计划（优秀5篇）11-22
我的假期计划作文500字优秀9篇10-09
给政府的商业计划书（优秀5篇）09-21
认识自我规划人生作文【优秀3篇】10-16
最新中华人民共和国城市规划法办法（通用09-28
学习十四五规划心得体会（精选9篇）12-03