-
公开(公告)号：CN117991786A
公开(公告)日：2024-05-07
申请号：CN202410103814.1
申请日：2024-01-24
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于参数自适应动态窗口法的移动机器人局部路径规划方法。针对传统动态窗口法在移动机器人局部路径规划中存在因轨迹评估函数参数设置不当导致机器人与障碍物发生碰撞、不能抵达局部目标点的问题。本发明提出了一种参数自适应动态窗口法，综合考虑机器人性能和环境障碍物信息，对轨迹评估函数中的避障评价函数及各评估指标的权重因子进行优化，实现移动机器人在局部路径规划过程中自适应调节各评估指标的权重，保证机器人安全抵达局部目标点，同时优化运行路径。
-
公开(公告)号：CN117930846A
公开(公告)日：2024-04-26
申请号：CN202410113774.9
申请日：2024-01-26
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于改进蚁群算法的移动机器人的全局路径规划方法。针对传统蚁群算法在移动机器人全局路径规划中存在算法的收敛速度慢，优化能力弱，最优路径拐点个数较多等问题。本发明提出了一种基于改进蚁群算法的移动机器人全局路径规划方法，通过引入一个初始信息素分布函数；增加移动机器人在某一节点处可行节点的数量；优化传统蚁群算法中启发函数和概率转移公式；根据迭代次数设置动态的信息素挥发因子对传统蚁群算法进行改进。通过仿真实验得出算法的收敛速度和优化能力得到有效提高，并且最优路径的拐点个数减少。
-
Patent Agency Ranking
公开(公告)号：CN115562291B
公开(公告)日：2023-12-12
申请号：CN202211289994.4
申请日：2022-10-19
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供一种改进的人工势场法改进势场动力系数的路径规划方法，能解决陆地智能车在局部路径规划中陷入局部最优解及目标不可达的改进算法。人工势场法利用环境产生虚拟势场的作用，使得智能车进行路径规划运动。目前人工势场法存在当目标点的周围存在障碍物时，就会使得智能车停在某点或发生振荡，从而无法抵达目标点的问题。本文提出的改进人工势场法存在两个创新点，其一是设置动力系数α，通过改变受力的大小，使智能车摆脱不动点；其二是设定临界阈值β，限制动力系数α过大导致智能体在运动过程碰撞障碍物，确保行进的安全；最后通过B样条曲线拟合进行路径平滑的仿真处理。该方法能够较好解决局部最优解和目标不可达问题。
-
公开(公告)号：CN115562265B
公开(公告)日：2024-01-05
申请号：CN202211205373.3
申请日：2022-09-29
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于改进A*算法的移动机器人路径规划方法。针对传统A*算法在复杂环境下对障碍物的敏感程度不足、搜索路径存在触碰障碍物的风险，以及搜索路径转折点较多问题。本发明提出了一种改进A*算法，在启发函数中引入障碍物风险程度系数，提高路径的安全性能；同时引入转向角代价函数，提高路径的平滑度，减少机械能耗。为避免算法陷入局部最优，提高算法效率，引入指数衰减函数来动态调节启发函数的权重。最后，调用spcrv函数优化方案对规划的路径做进一步平滑处理，减少运行时间。(56)对比文件Chongyang Lv 等《.AUV Real-timeDynamic Obstacle Avoidance Strategy Basedon Relative Motion》《.engineeringletters》.2019,第1-7页.
-
公开(公告)号：CN115562265A
公开(公告)日：2023-01-03
申请号：CN202211205373.3
申请日：2022-09-29
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于改进A*算法的移动机器人路径规划方法。针对传统A*算法在复杂环境下对障碍物的敏感程度不足、搜索路径存在触碰障碍物的风险，以及搜索路径转折点较多问题。本发明提出了一种改进A*算法，在启发函数中引入障碍物风险程度系数，提高路径的安全性能；同时引入转向角代价函数，提高路径的平滑度，减少机械能耗。为避免算法陷入局部最优，提高算法效率，引入指数衰减函数来动态调节启发函数的权重。最后，调用spcrv函数优化方案对规划的路径做进一步平滑处理，减少运行时间。
-
公开(公告)号：CN118114810A
公开(公告)日：2024-05-31
申请号：CN202410103830.0
申请日：2024-01-24
Applicant: 哈尔滨理工大学
IPC: G06Q10/04 , G06Q50/02 , G06Q30/0601 , G06N3/04 , G06N3/084 , G06F17/16 , G06F18/214 , G06F18/24
Abstract: 本发明属于数字农业领域，公开了一种基于神经网络和卡尔曼滤波的大豆单产预测方法，其中包括：采集种植地区大豆历史单产数据，采集该种植地区大豆单产影响因素历史数据；对采集到的大豆单产数据和单产影响因素数据进行清洗和归一化；构建神经网络‑卡尔曼滤波预测矫正模型，训练神经网络，利用训练好的神经网络，预测大豆单产；使用卡尔曼滤波校正模块，实时更新和修正神经网络预测结果。使用验证集验证预测效果，选择调整模型结构及参数，优化得到最终预测结果。该发明结合了神经网络和卡尔曼滤波算法，实现对大豆单产的准确预测和实时校正。
-
公开(公告)号：CN115562291A
公开(公告)日：2023-01-03
申请号：CN202211289994.4
申请日：2022-10-19
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供一种改进的人工势场法改进势场动力系数的路径规划方法，能解决陆地智能车在局部路径规划中陷入局部最优解及目标不可达的改进算法。人工势场法利用环境产生虚拟势场的作用，使得智能车进行路径规划运动。目前人工势场法存在当目标点的周围存在障碍物时，就会使得智能车停在某点或发生振荡，从而无法抵达目标点的问题。本文提出的改进人工势场法存在两个创新点，其一是设置动力系数α，通过改变受力的大小，使智能车摆脱不动点；其二是设定临界阈值β，限制动力系数α过大导致智能体在运动过程碰撞障碍物，确保行进的安全；最后通过B样条曲线拟合进行路径平滑的仿真处理。该方法能够较好解决局部最优解和目标不可达问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
