CN105550779A - 一种基于免疫算法的大型缆机gps诱导路径优化方法 - Google Patents
一种基于免疫算法的大型缆机gps诱导路径优化方法 Download PDFInfo
- Publication number
- CN105550779A CN105550779A CN201510999412.5A CN201510999412A CN105550779A CN 105550779 A CN105550779 A CN 105550779A CN 201510999412 A CN201510999412 A CN 201510999412A CN 105550779 A CN105550779 A CN 105550779A
- Authority
- CN
- China
- Prior art keywords
- antibody
- population
- cable machine
- immune
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Abstract
本发明公开了一种基于免疫算法的大型缆机GPS诱导路径优化方法,确定缆机可行范围,在可行范围内选取两个缆机的初始路径,将初始路径信息编码成为初始种群,同时设定最大迭代次数,对初始种群进行亲和度评价,筛选出优质抗体和劣质抗体;对优质抗体和劣质抗体进行克隆操作得到克隆种群,对除优质抗体和劣质抗体之外的剩余抗体进行免疫和变异操作得到免疫种群;浓度抑制得到新种群,输出结果或重新回到评价步骤。本发明综合考虑了缆机运行的安全、效率和可操作性,使缆机在安全运行的前提下同时保证效率,并且考虑了缆机间的相互影响给出高度优化的诱导路径,既有效消除缆机间的碰撞风险,又保证施工效率。
Description
技术领域
本发明涉及缆机运行路径优化领域,具体涉及一种基于免疫算法的大型缆机GPS诱导路径优化方法。
背景技术
大型缆机运行施工现场,投入了各种施工设备、呈立体交错布置,尤其是多台平移式缆索起重机与其它设备的工作范围多有重叠现象。这些大型缆机施工设备呈立体交错式布局,工作现场在有限的高山峡谷,形成了一个交叉重叠,相互影响的作业环境,为安全施工埋下了各种隐患。缆机自身重量和起吊运物体的重量都较大,一旦与其它大型设备或建筑物发生碰撞,容易造成设备损伤,甚至可能造成设备或其部件的报废及人员伤亡。同时缆机施工一般在高空雾气较重,又考虑到在夜晚施工或阴雾天气下能见度很低等因素,这些不利的自然环境因素将给司机的施工操作以及相应的监测和跟踪等带来很大的困难,严重时容易产生工程事故。
利用GPS实时高精度定位技术诱导大型缆机安全高效运行,已经成为当前信息化施工的发展趋势,但是GPS的合理诱导的前提是有一种高效智能算法来提供合理的行车线路,以规避各种碰撞风险、提高行车效率、符合缆机司机科学操作。显然,现有的人工指挥和信号预警方式,不仅难以有效控制此施工模式下的碰撞风险,而且容易因效率低造成工期延误。因此,针对多台缆机同时施工工况,无法兼顾安全、效率和可操作性的问题,有必要研究一种适应不同工况模式和各种自然环境施工的缆机路径优化方法,来保障缆机施工安全性和高效性。
发明内容:
为了克服上述背景技术的缺陷,本发明提供一种基于免疫算法的大型缆机GPS诱导路径优化方法,能够兼顾安全和效率的问题,并且可适应复杂工况。
为了解决上述技术问题本发明的所采用的技术方案为:
一种基于免疫算法的大型缆机GPS诱导路径优化方法,包括:
步骤1,确定缆机可行范围;
步骤2,在可行范围内选取两个缆机的初始路径;
步骤3,将初始路径信息编码成为初始种群,同时设定最大迭代次数;
步骤4,对初始种群进行亲和度评价,筛选出优质抗体和劣质抗体;
步骤5,对优质抗体和劣质抗体进行克隆操作得到克隆种群,对除优质抗体和劣质抗体之外的剩余抗体进行免疫和变异操作得到免疫种群;
步骤6,对克隆种群和免疫种群中的所有抗体共同浓度抑制操作,得到新种群;
步骤7,判断新种群是否收敛或当前迭代次数是否不小于最大迭代次数,若是,则将新种群作为结果输出,若否,则将新种群作为初始种群并回到步骤4,并且将当前迭代次数加1。
较佳地,缆机可行范围是指宽度为W、长度为S的路径范围,其中d为吊钩与障碍物间允许的安全距离,S为缆机运行的起点到终点的长度。
较佳地,可行范围不包括灰色区域,灰色区域是指宽度与坝面相同且高度不小于最高施工设备的水平面。
较佳地,初始路径数量小于最大种群数的50%,最大种群数为20~50。
较佳地,将初始路径信息编码成为抗体种群,包括:优化迭代次数、抗体种群容量、免疫操作中选择抗体的个数、克隆操作中保留的抗体个数、变异程度控制参数、亲和度计算参数、分组个数。
较佳地,步骤4对抗体种群进行亲和度评价的方法为:设定整体评价函数F=w1*fsafe1+w2*fsafe2+w3*fecnomy+w4*fsmooth,
其中,第一安全评价函数D为吊钩运行过程中与坝体、边坡之间的最小距离,d为吊钩与障碍物间允许的安全距离;
第二安全评价函数 其中l1sinθ和l2sinθ分别为两缆机的摆动距离,L12为两缆机吊钩的轴心距;
效率评价函数其中S为缆机运行总路程,L为取料点到目标点的直线距离;
可操作性评价函数 其中Δθ为转向过程中转过的角度,Δs为转向过程中做走弧长;
w1,w2,w3,w4为由层次分析法确定的各函数权重。
较佳地,步骤4筛选优质抗体和劣质抗体的方法为:依据各抗体亲和度评价所得的值,由高到低对抗体种群中的各个抗体进行排序,将位于前列10%以内的抗体作为优质抗体,位于末尾10%以内的抗体作为劣质抗体,优质抗体和劣质抗体数均不小于1。
较佳地,步骤5中对优质抗体和劣质抗体进行克隆操作得到克隆种群的方法为:克隆优质抗体,并用优质抗体替换劣质抗体。
较佳地,步骤5中对除优质抗体和劣质抗体之外的剩余抗体进行免疫和变异操作得到免疫种群的方法包括:
免疫操作,依据步骤4所得的各个抗体的亲和度,选取最优抗体作为疫苗,为各个剩余抗体接种疫苗;
变异操作,对经免疫的剩余抗体的至少一位基因值按照设定的变异概率做突变操作,变异概率由人工确定。
较佳地,步骤6的具体方法包括:计算克隆种群和免疫种群中各个抗体的亲和度,将所有抗体依据亲和度值由高到低排序,选取与初始种群个数相等的抗体作为新种群。
本发明的有益效果在于:设定最大种群,且初始路径按一定比例在最大种群中选取,一方面保证路径选择的科学性,另一方面避免路径太多,本发明优选的20%可以避免演示路径太多造成运算的浪费。利用免疫操作提取当前最优解为疫苗,可提高种群收敛速度,使优化过程效率更高;克隆操作保留了当前最优解,可以有效的防止种群退化现象。整个优化过程综合考虑了缆机运行的安全、效率和可操作性,使缆机在安全运行的前提下同时保证效率,并且考虑了缆机间的相互影响给出高度优化的诱导路径,既有效消除缆机间的碰撞风险,又保证施工效率。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例的初始路径的立体图;
图3为本发明实施例的初始路径的侧视图;
图4为本发明实施例的优化后路径的立体图;
图5为本发明实施例的优化后路径的侧视图;
图6为本发明实施例收敛路径的立体图;
图7为本发明实施例收敛路径的侧视图;
图8为本发明实施例最优路径与经验路径的对比图。
具体实施方式
下面结合附图和实施例对本发明做进一步的说明,一种基于免疫算法的大型缆机GPS诱导路径优化方法,本实施例中所有的缆机位置信息均是由GPS平台系统提供的,该方法包括:
步骤1,确定缆机可行范围;
缆机可行范围是指宽度为W、长度为S的路径范围,缆机静态障碍物(边坡、坝体)之间的安全距离d由缆机的运行速度V和缆机的制动能力确定,V为缆机运行速度,a为缆机的制动能力,
缆机运行速度 (x1,y1,z1)(x2,y2,z2)为一个缆机运行中选取的特定的两个点的坐标,而t为该缆机在两个点之间运行走过一次的时间。
对缆机运行的路程由每一段路径的长度求和,然后将转向时产生的一小段弧线进行近似处理,得出总路程S。
由于大坝表面参差不齐,施工人员众多,危险因素难以判断,因此大坝表面上方一定区域定义为灰色区域,可行范围不包括灰色区域,灰色区域是指,灰色区域是指宽度与坝面相同且高度不小于最高施工设备的水平面。本实施例根据施工设备的高度和人员活动的范围确定,在本文的中的灰色区域设为坝面到上方3.5m,缆机运行路径尽量不接近灰色区域。
步骤2,在可行范围内选取两个缆机的初始路径;初始路径数量小于最大种群数的50%,最大种群数为20~50。
过多的初始路径演示起来太复杂,因此本实施例最大种群数为30,初始路径选取最大种群的1/5,也即按一定间隔为两个缆机分别选取6组初始路径,如图2和图3所示。
为了保证在运行过程中两缆机间空间距离尽量大,一号缆机以较大角度向下运行;当接近坝体后为保证安全平行坝面运行,然后缓慢进入工作面。二号缆机在相对较高的平面运行,当到达工作面上方时开始逐渐下落;当一号缆机已减速进入工作面,慢慢趋向静止,两缆机间碰撞风险很小,此时二号缆机从高处下落,可以安全进入工作面同时施工。如图2所示。
步骤3,将初始路径信息编码成为初始种群,同时设定最大迭代次数;
将初始路径信息编码成为抗体种群,包括:优化迭代次数、抗体种群容量、免疫操作中选择抗体的个数、克隆操作中保留的抗体个数、变异程度控制参数、亲和度计算参数、分组个数。
将初始路径信息编码成为初始种群的函数为:
[Best1,Best2,Allfarm]=AIA(M,N,Ns,Nr,Pd,alpha,K);
M为优化迭代次数,N为抗体种群容量,Ns为免疫操作中选择抗体的个数,Nr为克隆操作中保留的抗体个数,Pd为变异程度控制参数,alpha为亲和度计算参数,K为分组个数,Best1为一号缆机优化结果,Best2为二号缆机优化结果
抗体初始化ABfram=AntiBodyInitial(N,n,K);
n为初始抗体个数
步骤4,对初始种群进行亲和度评价,筛选出优质抗体和劣质抗体;
41)对抗体种群进行亲和度评价的:
设定整体评价函数F=w1*fsafe1+w2*fsafe2+w3*fecnomy+w4*fsmooth,
其中,第一安全评价函数D为吊钩运行过程中与坝体、边坡之间的最小距离,d为吊钩与障碍物间允许的安全距离;
第二安全评价函数其中l1sinθ和l2sinθ分别为两缆机的摆动距离,L12为两缆机吊钩的轴心距;
效率评价函数其中S为缆机运行总路程,L为取料点到目标点的直线距离;
可操作性评价函数 其中Δθ为转向过程中转过的角度,Δs为转向过程中做走弧长;
w1,w2,w3,w4为由层次分析法确定的各函数权重。
42)筛选优质抗体和劣质抗体的:依据各抗体亲和度评价所得的值,由高到低对抗体种群中的各个抗体进行排序,将位于前列10%以内的抗体作为优质抗体,位于末尾10%以内的抗体作为劣质抗体,优质抗体和劣质抗体数均不小于1,防止种群退化。
步骤5,对优质抗体和劣质抗体进行克隆操作得到克隆种群,对除优质抗体和劣质抗体之外的剩余抗体进行免疫和变异操作得到免疫种群;
51)对优质抗体和劣质抗体进行克隆操作得到克隆种群的方法为:克隆优质抗体,并用优质抗体替换劣质抗体。
克隆算子ABframC=Clone(ABfram,Nr,K);
ABfram为克隆后的种群52)对除优质抗体和劣质抗体之外的剩余抗体进行免疫和变异操作得到免疫种群的方法包括:
免疫操作,依据步骤4所得的各个抗体的亲和度,选取最优抗体作为疫苗,为各个剩余抗体接种疫苗;
免疫算子ABframI=Immune(ABfram,Ns,K);
ABframI为免疫后的种群变异操作,对经免疫的剩余抗体的至少一位基因值按照设定的变异概率做突变操作,变异概率由人工确定。变异操作的具体位置和变异概率根据精度需求和收敛效果来人工调整,本实施例选择的变异概率为0.3。
变异算子ABframM=Mut(ABframI,ABframC,Pd,K);
ABframM为变异后的种群
步骤6,对所述克隆种群和所述免疫种群中的所有抗体共同浓度抑制操作,得到新种群。为了防止抗体的个数超过种群最大容量,再次计算当前每一个抗体的亲和度,使用选择算子来筛选出亲和度高的抗体进入下一代,也即将所有抗体依据亲和度值由高到低排序,选取与初始种群个数相等的抗体作为新种群,也即优化后的路径,如图4和图5所示。
选择算子ABframS=Select(ABframM,ABfram,N,alpha,K);
ABframS为选择后的种群。
步骤7,判断新种群是否收敛(图6、图7)或当前迭代次数是否不小于最大迭代次数,若是,则将新种群作为结果输出,若否,则将新种群作为初始种群并回到步骤4,并且将当前迭代次数加1。
输出最终优化结果,对抗体基因进行解码得出路径信息。将收敛后的值与初始值进行分析对比可以得到以下结论:1)初始值4安全函数值与收敛值相似时,效率和可操作性明显小于收敛值,说明同等安全情况下收敛值的效率更高。2)初始值2效率函数和收敛值相似时,安全函数和可操作函数小于收敛值,说明同等效率情况下收敛值安全性更高。3)初始值3,可以可操作性与收敛值相近时,安全和效率函均明显低于收敛值,说明同等可操作性下,收敛值的安全和效率都更高。4)初始值1和初始值6分别为效率最高和安全性最高的路径,初始值1安全效率高于收敛值,但安全性却大幅低于收敛值;初始值6安全性高于收敛值时,但效率却大幅低于收敛值,它们的整体评价函数值都低于收敛值,说明收敛值兼顾安全和效率,安全性、效率和可操作性更协调。5)fsafe2评价的是两车间的碰撞风险,收敛后高于所有初始值,并且在整个优化过程中一直增加,这表明优化后的路径能显著降低缆车之间的碰撞风险。比较数据见表1
表1收敛值与初始值比较
将免疫算法得出的最优路径与一般的经验路径进行比较(2号缆机保持最优路径不变,1号缆机选择不同经验路径,计算出不同搭配的评价函数值)。1)路径1虽然绕开的了坝体,提高了安全性,但是路程过长,效率不高;2)路径2(抛物线型)路程短,效率高,但是在通过坝体顶角时难以掌握距离,容易发生碰撞,安全性不高;3)同样可以看出路径3路径4都虽然都能有效避开控制碰撞风险,但是由于绕了太远的距离导致效率太低,同时转向次数较多增加了操作难度。由此以上分析可以得出最优路径的安全性和效率已经得到合理协调,参照最优路径来操作缆机,可以效控制运行过程中可能发生相互碰撞风险,提升了缆机运行的安全性和可靠性,同时保证了施工效率。如表2和图8所示。
表2最优路径与经验路径对比
最终路径的安全性和效率已经得到合理协调,参照优化后的路径来操作缆机,有效控制了在运行过程中可能发生相互碰撞风险,提升了这种缆机运行的可靠性和稳定性,同时保证了施工效率。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于,包括:
步骤1,确定缆机可行范围;
步骤2,在可行范围内选取两个缆机的初始路径;
步骤3,将初始路径信息编码成为初始种群,同时设定最大迭代次数;
步骤4,对所述初始种群进行亲和度评价,筛选出优质抗体和劣质抗体;
步骤5,对所述优质抗体和所述劣质抗体进行克隆操作得到克隆种群,对除所述优质抗体和所述劣质抗体之外的剩余抗体进行免疫和变异操作得到免疫种群;
步骤6,对所述克隆种群和所述免疫种群中的所有抗体共同浓度抑制操作,得到新种群;
步骤7,判断所述新种群是否收敛或当前迭代次数是否不小于最大迭代次数,若是,则将新种群作为结果输出,若否,则将新种群作为初始种群并回到所述步骤4,并且将当前迭代次数加1。
2.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于:所述缆机可行范围是指宽度为W、长度为S的路径范围,其中d为缆机运行时与障碍物之间的安全距离,S为缆机运行的起点到终点的长度。
3.根据权利要求1或2所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于:所述可行范围不包括灰色区域,所述灰色区域是指宽度与坝面相同且高度不小于最高施工设备的水平面。
4.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于:所述初始路径数量小于最大种群数的50%,所述最大种群数为20~50。
5.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于所述将初始路径信息编码成为抗体种群,包括:优化迭代次数、抗体种群容量、免疫操作中选择抗体的个数、克隆操作中保留的抗体个数、变异程度控制参数、亲和度计算参数、分组个数。
6.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于,所述步骤4对抗体种群进行亲和度评价的方法为:设定整体评价函数F=w1*fsafe1+w2*fsafe2+w3*fecnomy+w4*fsmooth,
其中,第一安全评价函数D为吊钩运行过程中与坝体、边坡之间的实际最小距离,d为吊钩与障碍物间允许的安全距离;
第二安全评价函数 其中l1sinθ和l2sinθ分别为两缆机的摆动距离,L12为两缆机吊钩的轴心距;
效率评价函数其中S为缆机运行总路程,L为取料点到目标点的直线距离;
可操作性评价函数 其中Δθ为转向过程中转过的角度,Δs为转向过程中做走弧长;
w1,w2,w3,w4为由层次分析法确定的各函数权重。
7.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于,所述步骤4筛选优质抗体和劣质抗体的方法为:依据各抗体亲和度评价所得的值,由高到低对所述抗体种群中的各个抗体进行排序,将位于前列10%以内的抗体作为优质抗体,位于末尾10%以内的抗体作为劣质抗体,所述优质抗体和所述劣质抗体数均不小于1。
8.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于,所述步骤5中对所述优质抗体和所述劣质抗体进行克隆操作得到克隆种群的方法为:克隆所述优质抗体,并用所述优质抗体替换所述劣质抗体。
9.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于,所述步骤5中对除所述优质抗体和所述劣质抗体之外的剩余抗体进行免疫和变异操作得到免疫种群的方法包括:
免疫操作,依据所述步骤4所得的各个抗体的亲和度,选取最优抗体作为疫苗,为各个所述剩余抗体接种疫苗;
变异操作,对经免疫的所述剩余抗体的至少一位基因值按照设定的变异概率做突变操作,所述变异概率由人工确定。
10.根据权利要求1所述的一种基于免疫算法的大型缆机GPS诱导路径优化方法,其特征在于,所述步骤6的具体方法包括:
计算所述克隆种群和所述免疫种群中各个抗体的亲和度,将所有抗体依据亲和度值由高到低排序,选取与初始种群个数相等的抗体作为新种群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510999412.5A CN105550779B (zh) | 2015-12-25 | 2015-12-25 | 一种基于免疫算法的大型缆机gps诱导路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510999412.5A CN105550779B (zh) | 2015-12-25 | 2015-12-25 | 一种基于免疫算法的大型缆机gps诱导路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105550779A true CN105550779A (zh) | 2016-05-04 |
CN105550779B CN105550779B (zh) | 2019-06-25 |
Family
ID=55829960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510999412.5A Active CN105550779B (zh) | 2015-12-25 | 2015-12-25 | 一种基于免疫算法的大型缆机gps诱导路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105550779B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337042A (zh) * | 2020-03-13 | 2020-06-26 | 湖北大学 | 一种车辆路径规划方法及系统 |
CN111931898A (zh) * | 2020-07-23 | 2020-11-13 | 兰州理工大学 | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777990A (zh) * | 2010-01-15 | 2010-07-14 | 西安电子科技大学 | 多目标免疫优化组播路由路径选择方法 |
CN103077425A (zh) * | 2012-11-23 | 2013-05-01 | 中国科学院沈阳自动化研究所 | 一种用于auv实时路径规划的免疫遗传算法 |
CN103412490A (zh) * | 2013-08-14 | 2013-11-27 | 山东大学 | 用于多机器人动态路径规划的多克隆人工免疫网络算法 |
-
2015
- 2015-12-25 CN CN201510999412.5A patent/CN105550779B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777990A (zh) * | 2010-01-15 | 2010-07-14 | 西安电子科技大学 | 多目标免疫优化组播路由路径选择方法 |
CN103077425A (zh) * | 2012-11-23 | 2013-05-01 | 中国科学院沈阳自动化研究所 | 一种用于auv实时路径规划的免疫遗传算法 |
CN103412490A (zh) * | 2013-08-14 | 2013-11-27 | 山东大学 | 用于多机器人动态路径规划的多克隆人工免疫网络算法 |
Non-Patent Citations (2)
Title |
---|
QINGYANG XU: "Collision avoidance strategy optimization based on danger immune algorithm", 《COMPUTERS & INDUSTRIAL ENGINEERING》 * |
程林辉 等: "一种求解多目标车辆路径问题的改进免疫算法", 《华中师范大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337042A (zh) * | 2020-03-13 | 2020-06-26 | 湖北大学 | 一种车辆路径规划方法及系统 |
CN111931898A (zh) * | 2020-07-23 | 2020-11-13 | 兰州理工大学 | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 |
CN111931898B (zh) * | 2020-07-23 | 2023-05-23 | 兰州理工大学 | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105550779B (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103365293B (zh) | 一种基于动态区域划分的机器人安全路径规划方法 | |
CN102129249B (zh) | 一种危险源环境下的机器人全局路径规划方法 | |
CN109960261A (zh) | 一种基于碰撞检测的动态障碍物避让方法 | |
CN104050390B (zh) | 一种基于可变维粒子群膜算法的移动机器人路径规划方法 | |
Lei et al. | Algorithm for mobile crane walking path planning in congested industrial plants | |
CN106918311A (zh) | 基于车载激光点云数据的单株树树冠投影面积自动计算方法 | |
CN110262548A (zh) | 一种考虑抵达时间约束的无人机航迹规划方法 | |
CN104317886B (zh) | 断层约束下网格节点插值时近邻条件数据点的搜索选取方法 | |
CN107065880A (zh) | 基于动态引导点的遥操作农业车辆人机合作路径规划方法 | |
CN105955195A (zh) | 一种基于铣削力预测的曲面加工轨迹生成方法 | |
CN110274609A (zh) | 一种基于行程时间预测的实时路径规划方法 | |
CN105550779A (zh) | 一种基于免疫算法的大型缆机gps诱导路径优化方法 | |
CN114020009B (zh) | 一种小型固定翼无人机地形突防规划方法 | |
CN104457770A (zh) | 一种拥堵预判和行驶路径规划的方法及行驶路径规划的系统 | |
AU2014271277A1 (en) | Underground tactical optimization | |
CN105678395A (zh) | 神经网络的建立方法及系统和神经网络的应用方法及系统 | |
CN102374866B (zh) | 基于走行方向的有损道路形状融合方法 | |
CN113190026B (zh) | 一种基于再励机制粒子群算法的节能型水下路径规划方法 | |
CN101572014B (zh) | 基于图形融合的空管航路航线rvsm区域自动生成方法 | |
CN104016139B (zh) | 一种悬臂堆料机与桥式双斗轮取料机防撞控制方法 | |
Seguel et al. | Optimizing flotation bank performance through froth depth profiling: Revisited | |
CN117075613A (zh) | 无人车辆感知及避障方法、系统、计算机设备及存储介质 | |
CN113393188A (zh) | 一种输电线路施工物料运输路径规划方法及系统 | |
CN103020355A (zh) | 一种实现船舶曲面分段空间布局调度的方法 | |
CN112214037B (zh) | 一种基于野外台站的无人机遥感组网航迹规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |