改进人工势场引导的双向扩展随机树路径规划算法

针对地面移动机器人在复杂环境之下要求规划路径实时性强、路线平滑度高、避障精确完备等需求,在快速扩展随机树算法(RRT)的基础之上,提出一种由改进人工势场法(APF)引导的双向扩展随机树算法(APF-Bi-RRT^(*))。首先,在每次迭代的过程之中两棵随机树同时分别从起始点和目标点进行扩展,以加快算法收敛速度;其次,在算法随机树生长方向上,引入目标偏置策略来优化随机子节点的选取,并在随机树和障碍物中加入人工势场分量,限制路径方向选择的随机性,改进算法克服引力和斥力过大导致陷入局部最优值或目标不可达的问题;最后,在形成锯齿型规划路径之上应用一种采样优化和关键节点平滑策略,进一步缩短和平滑原路径的总距离。对比实验结果证明,该算法既克服了传统随机树算法的节点盲目扩展的问题,又兼顾了生成路径的效率和平滑性,与目标偏置RRT算法相比,在规划路径长度上减少了9.7%左右,在运行时间上缩短了65.3%左右,在算法迭代次数上减少了78.2%左右。

基于改进人工势场算法的煤矿井下机器人路径规划

路径规划是煤矿机器人在煤矿井下狭小巷道空间中应用亟待解决的关键技术之一。针对传统人工势场(APF)算法在狭小巷道环境中规划出的路径可能离巷道边界过近,以及在障碍物附近易出现目标不可达和路径振荡等问题,提出了一种基于改进APF算法的煤矿机器人路径规划方法。参考《煤矿安全规程》有关规定建立了巷道两帮边界势场,将机器人行驶路径尽量规划在巷道中间,以提高机器人行驶安全性;在障碍物斥力势场中引入调节因子,以解决目标不可达问题;引入转角限制系数以平滑规划出的路径,减少振荡,提高规划效率,保证规划路径的安全性。仿真结果表明:当目标点离障碍物很近时,改进APF算法可成功规划出能够抵达目标点的路径;改进APF算法规划周期数较传统算法平均减少了14.48%,转向角度变化累计值平均减少了87.41%,曲率绝对值之和平均减少了78.09%,表明改进APF算法规划的路径更加平滑,路径长度更短,规划效率和安全性更高。

基于偏转角抑制的改进人工势场法路径规划

针对传统人工势场法在实际应用中存在的局部最极小值、目标不可达以及路径震荡等问题,文种提出了一种基于偏转角抑制的改进人工势场法。该方法以传统人工势场法为基础,采用改进斥力势场函数保证目标点为全局势能最低点。在路径解算中引入偏转角抑制因子来抑制无人车行驶过程中过大的偏转角,在无人车陷入局部极小值点后每一步的路径解算中都添加新的虚拟目标点,直至无人车累积一定的偏转角摆脱障碍物群。仿真实验结果表明,该算法可以在不影响无人车避障的情况下减少规划路径的震荡性,并能够使无人车逃脱复杂障碍物群顺利到达目标点,规划出一条有效、简短以及震荡较少的路径。

基于改进人工势场法的通用航空路径规划

通用航空飞机在飞行过程除了要面对障碍物和天气系统的威胁,同时也受到飞行空域的限制,往往飞机只能在一块固定的空域或狭小的飞行走廊内飞行,一旦飞出限制空域,则有可能引发飞行冲突,甚至发生严重的安全事故。针对这些问题,在人工势场法斥力势场函数中添加航空器和目标点之间的相对距离函数,首先解决传统人工势场法存在的目标不可达问题和局部极小点问题,然后在算法中加入航路边界斥力影响因子,使飞机避障后在边界斥力的作用下重回航路中心。经过MATLAB仿真验证,试验结果表明,改进后的人工势场法能够实现主动避障和飞机航迹的规划。

基于稀疏A^(*)与人工势场算法的EOSID路径规划

为提升起飞一发失效应急程序(EOSID)的制作效率,根据飞机性能限制和民航相关规章要求,提出了基于数字高程模型(DEM)的稀疏A和人工势场算法的ESOID全局路径规划方法,并进行了实例验证。结果表明,应用该方法可提升规划算法的局部避障能力及鲁棒性,生成的起飞一发失效三维路径与传统人工方法相近,为EOSID路径的自动规划提供了一种可行方法。

基于改进人工势场与模型预测控制算法的无人运货小车实时规划与控制研究

针对多类型动态障碍物和复杂工况环境下的避碰路径规划与跟踪控制问题,以厂房无人运货小车为研究对象,提出了一种基于多类型动态环境的改进人工势场算法,并针对复杂负载工况下无人运货小车难以控制的问题提出了自适应约束的模型预测跟踪控制算法。通过改进障碍物斥力势场模型,解决了由临界情况引力极大导致的目标不可达问题;通过模糊控制优化了无人车路径跟踪控制器的权重系数,以应对复杂工况下模型预测控制算法的不确定性,有效解决了小车在跟踪过程中的震荡问题。最后,在搭建的无人车路径规划和轨迹跟踪智能控制系统内验证了所设计改进算法的有效性。无人运货小车能够避开各类参数不同的障碍物,并进行有效的跟踪控制。

基于动态模糊人工势场法的移动机器人路径规划分析

移动机器人的路径规划是机器人导航中的重要问题。本研究介绍了动态模糊人工势场法的原理和基本思想,并讨论了该方法在移动机器人路径规划中的应用。通过引入动态模糊人工势场法,有效避免了机器人陷入局部最小值,并能够快速、高效地找到最优路径。在实验中,使用了一台移动机器人进行了路径规划的仿真实验,并与其他常用的路径规划方法进行了比较。实验结果表明,基于动态模糊人工势场法的移动机器人路径规划具有良好效果,具有较好的性能和适用性,为移动机器人路径规划提供了新的思路,具有良好的应用前景。

基于含避障角人工势场法的机器人路径规划

针对基于距离的人工势场法(Artificial potential field, APF)存在的局部极小值问题,提出了一种含避障角的人工势场法的避障路径规划方法。在平面环境中,采用斜率判定路径规划过程中的位置关系,通过机器人当前点到障碍物的距离与障碍物的影响半径二者之差得出人工势场法中的排斥力,并对排斥力的偏转角进行调整;另外,在空间环境中利用圆弧插补理论将机器人平面避障问题转换为空间避障问题;基于机器人构型配置对改进人工势场法进一步完善以满足实际避障要求。仿真和实验研究结果表明,含避障角的人工势场法,在单个或多个障碍物环境中进行避障路径规划时解决了局部极小值的问题,同时实现了6自由度机器人末端在避障时的轨迹曲线平滑无振荡,验证了所提出避障路径规划方法的可行性。

基于改进人工势场法的多智能体编队避障

针对随机障碍物环境下的多智能体编队避障问题,提出一种灰狼优化算法与人工势场法相结合的多智能体编队避障方法。首先,使用改进收敛因子的灰狼优化算法进行参数寻优,提升全局寻优能力,解决人工势场法中引力和斥力增益系数的经验取值存在局限性和编队系统避障速度慢的问题。其次,基于领航跟随法的编队结构,采取动态队形变换避障策略,解决编队过程中灵活性较差的问题。最后,设计编队效率函数,用于评估和验证避障过程中队形的稳定性和编队系统对环境的适应性。仿真结果表明,与其他人工势场法相比,使用所提方法进行编队避障后,收敛速度更快,队形更稳定,编队系统对环境的适应性更强。

基于改进人工势场法的机织机器人避障路径规划

针对机织机器人自动化作业时的避障问题,提出基于改进人工势场法的三维避障路径规划算法。利用改进人工势场法中斥力势场函数,引入修正系数,在机织机器人陷入局部极小值点时增加虚拟障碍物,破坏其在虚拟力下的平衡状态,解决了人工势场法无法到达目标位置和局部极小值点的问题。通过体素化网格方法和快速凸包算法处理障碍物点云数据,重建实际障碍物模型,提高了碰撞检测效率。仿真结果表明,以点云数据重建障碍物模型并采用改进人工势场算法规划出的避障路径使机织机器人成功到达目标位置,末端位置精度平均提高37%,并避免陷入局部极小值点。

基于领航-跟随法和人工势场法的巡检机器人编队

机器人编队技术正不断发展并逐步投入应用,为了提升巡检机器人的工作效率,提出了一种基于领航-跟随法和人工势场法的编队控制方法,保留了两方法的优点,使机器人编队在躲避障碍物的同时尽可能保持队形,通过施加随机扰动的方法改善人工势场法中容易出现的局部最小值问题。实验结果表明,提出的方法完成任务消耗的时间相较于领航-跟随法和基于行为法分别下降了28.5%和41.4%,在执行特定任务如协同围捕和依次排开时采用该方法的编队也能优秀完成。通过ROS(robot operating system)平台进行模拟环境仿真,进一步验证了方法的可行性。

改进人工势场法解决局部最小值路径规划研究

当移动机器人在行进过程中使用传统人工势场法(artificial potential field method, APF)进行路径规划时,通常会陷入局部最优困境,无法顺利到达目标点。为解决这一问题,首先,对APF算法规划路径失败原因进行分析,其次设置情况判断条件,判断当机器人陷入局部最小值时,通过在合适位置增加临时引导点的方法,引导其跳出局部极小值点;其次,引入分数阶微积分思想方法结合APF算法,提出混合阶次的分数阶梯度下降法进行位置信息迭代,优化算法的收敛速度和收敛精度;最后,用MATLAB软件对该方法进行仿真,实验结果表明提出的方法可以有效解决局部最小值问题,而且在速度、精度上都有明显的提高,且能适应较为复杂的多障碍物环境,验证了改进方法的有效性、正确性。

基于改进人工势场法的内河应急抢险船舶路径规划

针对应急抢险船舶在极端洪涝灾害时的路径规划问题,提出一种改进人工势场法的路径规划算法,实现内河应急抢险船舶的快速精准救援。由于传统人工势场法中存在局部极小点、目标不可达等影响应急抢险船舶救援的安全问题,通过改进斥力势场函数解决了船舶在靠近障碍物的救援点时的目标不可达问题;引入逃逸力避免了局部极小点问题。通过数值仿真试验对比验证,改进后的人工势场法能够帮助应急抢险船舶在复杂的内河航道环境中安全到达救援点。

融合人工势场法的动态快速行进树路径规划算法

针对快速行进树算法(FMT*)由于随机采样导致的冗余探索问题以及不适用于动态环境的问题,提出一种融合人工势场法的动态快速行进树路径规划算法(APF-Dynamic FMT*),该算法设计了一种基于人工势场法的采样点引导函数,该函数根据环境信息动态的调整采样点生成范围,减少冗余探索。同时,该算法设计了一种路径树动态调整机制,当现有路径受到环境改变的影响时,能在未受影响的剩余路径树的基础上重新规划出新的优秀路径,适用于解决动态环境下的路径规划问题。仿真实验结果表明,APF-Dynamic FMT*算法在消耗相同计算资源的同时,显著提高了路径规划的成功率与路径质量,且当现有路径受动态环境影响后,能够高效地重新规划出可通行的优秀路径。

基于改进人工势场法的医疗配送机器人路径规划

随着科技的高速发展和近几年新冠疫情的影响,医疗配送机器人开始逐步出现在各大医疗机构中,然而传统医疗配送机器人在使用人工势场算法进行路径规划时存在局部最优解和目标不可达问题。因此,针对局部最优解问题,提出了设计虚拟目标点的方法,将机器人从局部最优状态解救出来;针对目标不可达问题,在障碍物斥力势场函数中引入了目标距离函数对障碍物斥力进行限制,从而解决目标不可达问题。最后将该方法在多种复杂环境中与传统算法进行比较验证,实验结果表明,该改进算法能够解决传统算法存在的局部最优解和目标不可达问题,在算法效率上也提高了5%~9%,并且能够有效运用于实际场景。

融合灰狼算法和人工势场法的搜救机器人路径规划研究

针对传统人工势场法应用于搜救机器人路径规划存在的路径规划耗时过长、平滑性差、易陷入局部最小值等问题,通过调整斥力场函数,改善障碍物与搜救机器人之间因斥力较大而造成路径规划时间长的问题。结合灰狼算法机制简单、全局搜索能力强等特点,提出一种灰狼算法优化人工势场法的双层路径规划算法。建立搜救机器人二维(2D)空间模型;通过灰狼算法进行全局路径规划,当搜救机器人检测到正前方一定距离内有障碍物时,运行改进的人工势场法完成机器人避障过程;针对规划路径进行角度约束,进一步保证路径光滑性。不同搜救环境下,与传统人工势场法、灰狼算法以及遗传算法优化人工势场法进行仿真结果对比,验证了所提方法的有效性和优越性,对于提升搜救机器人搜救效率具有重要意义。

基于改进人工势场法的多无人艇避障策略

针对多无人艇编队避障问题,对静态避障的路径消耗问题进行建模分析,在动态避障时提出一种偏置人工势场法使策略符合艇群国际海上避碰规则(swarm International Regulations for Preventing Collisions at Sea,sCOLREGS)。本方法首先对传统人工势场法进行改进,定义符合艇群会遇态势判断需求的sCOLREGS,通过速度障碍法实时判断碰撞风险,然后利用偏置斥力区域的改进人工势场法实现对规则的遵守。仿真实验表明,本文方法在障碍物与编队大小相当时可显著减少避障路程,在确保避障实时性的同时,较好地遵守了国际海上避碰规则相关条例。研究结论可为海面无人艇集群安全航行提供参考。

基于分层监测域人工势场法的无人驾驶车辆路径规划

针对传统人工势场法在路径规划中存在易陷入局部极小值点、障碍物附近目标点不可达以及固定步长下易发生碰撞的问题,提出一种基于分层监测域的自适应人工势场法(APFLMD)。设计了分层监测域模型,通过建立安全避障范围,实现无人驾驶车辆速度的自适应变化,以提高车辆的避障能力。为避免无人驾驶车辆陷入局部极小值点区域,利用路径点的聚集情况实现局部极小值点的检测。设计了等势圈切线点,并结合二次贝塞尔曲线对路径进行优化,且目标点位于斥力等势圈内部时,提出一种虚拟随机引导策略,以帮助车辆逃离局部极小值点。最后,在斥力场函数中添加距离因子以解决障碍物附近目标点不可达问题。仿真结果表明,在复杂环境下APFLMD算法相较于对比算法,可分别降低49.23%的车辆行驶时间、19.4%的路径长度和车辆能耗以及82.12%的路径平滑度。

基于Frenet坐标下改进人工势场法的无人车局部路径规划

人工势场法由于运算量小、精度高,广泛应用于无人车的局部路径规划。针对传统人工势场法存在目标不可达、局部最小值及陷入U型障碍物的问题,提出一种基于Frenet坐标系下改进人工势场法的路径规划算法。构建Frenet坐标系来表述车辆避障运动,简化规划模型,解决路径规划中车辆与所在道路相对位置不易表述的问题。提出安全椭圆模型和预测距离的概念来调整势场影响区域,加入基于Frenet坐标系下的参考线势场及动态速度势场改进斥力场函数,解决车辆在静态和动态下的避障问题。利用数学仿真软件进行仿真,以不同车速在直道和弯道场景中对所提出的路径规划方法进行静态和动态避障仿真实验。研究结果表明:不同车速下的前轮转角、横摆角速度均控制在较小范围内,改进算法可以有效解决传统人工势场法的缺陷,同时与快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法相比,其在避障过程中路径规划计算效率提高了42.8%,改进算法优势明显。

改进人工势场法的智能车路径规划

人工势场法常被应用于路径规划中,针对路径规划中的传统人工势场算法存在前期引力过大、目标不可达和局部极小值点等相关问题,本文提出了一种改进的人工势场算法。首先针对前期引力过大问题,建立动态增益函数,作为引力函数的动态增益系数;然后将智能车到目标点的距离引入到斥力场函数中,使得斥力的构成形式得到改变,解决传统人工势场法中目标不可达的问题;最后,针对局部极小值点问题,增加便于智能车跳出局部极小值点的指引力。分别利用仿真实验和实车试验,结果表明改进后的人工势场法无论从路径长度还是行驶时间上同传统的人工势场法进行对比都得到了优化,可以有效解决传统人工势场法中存在的问题。