基于势能场虚拟力的智能网联车辆运动规划

传统人工势能场方法存在着纵向运动规划速度振荡、横向运动规划难以实现的问题。本文中建立了人工势能场虚拟力模型,提出了基于势能场虚拟力模型的车辆运动规划方法。通过评估自车与周边车辆的运动状态,生成位置和速度虚拟力,实现无振荡运动轨迹与速度规划。仿真结果表明:该方法能够实现安全、可行、平滑无碰撞的路径规划,并能克服传统势能场运动规划的振荡问题。通过与highD驾驶数据集中的车辆运动轨迹对比,表明基于势能场虚拟力的运动规划与真实交通环境下的运动状态基本相符,具有良好的实用性。

基于改进虚拟力场的机器人路径规划方法

未知环境下机器人路径规划是机器人控制领域的研究热点问题之一,针对传统方法存在的不足,提出一种基于改进虚拟力场的未知环境下机器人路径规划方法。在虚拟力场方法中,通过引入一种面积比参数,将机器人和障碍物的大小考虑进算法当中,从而可以使机器人的运动轨迹更加安全,到达目标的时间更短。最后通过仿真实验证明了所提算法的有效性。

改进人工势场法的机械臂轨迹规划

针对传统人工势场法(APF)在机械臂避障路径规划过程中出现目标不可达和局部最小值问题,提出一种改进人工势场法算法。首先,使用人工势场法控制机械臂时陷入危险区域时,引入跳点搜索算法,寻找最优跳点作为下一迭代点,同时设强迫邻居为虚拟目标点,指引机械臂摆脱危险区域;其次,再使用人工势场法搜索;最后,引入3次均匀B样条曲线进一步优化最优解,进而生成一条平滑、无碰撞的路径。通过二维地图和机械臂避障实验,验证了改进算法的有效性和可行性。

基于预添加虚拟力的改进人工势场算法

针对传统人工势场法在路径规划时会因目标点与障碍物的位置原因,出现引力与斥力合力为零而陷入局部最优点无法脱离的现象,提出了引入虚拟力辅助人工势场摆脱局部最优点的方法。改进算法首先将预添加的虚拟力细化等分为8个方向,再根据虚拟力与人工势场的势场力合力重新规划轨迹,在选择合适的时机撤去虚拟力后会获得多条新轨迹,然后根据每条新规划的轨迹情况,去除不合理的轨迹。最后计算出所有可行的预添加虚拟力方向的轨迹长度,选择出最优的轨迹。通过设置的五组仿真实验获得改进算法与传统人工势场法仿真结果的对比,验证了改进算法在面对单个障碍物与多障碍物的复杂环境下都能够解决传统人工势场法的缺陷,规划出合理的路径,可以有效地解决复杂环境下传统人工势场法适应性差等问题,证明了通过预添加虚拟力对传统人工势场法进行改进的可行性与有效性。

合作机器人轨迹规划及实验研究

为实现合作机器人(Cobot)的虚拟轨迹控制,提出了基于操作力的轨迹规划方法;根据操作力、期望轨迹和Cobot末端当前位置,对Cobot进行了轨迹规划,建立了Cobot的轨迹规划模型,并对Cobot跟踪直线和圆弧轨迹进行了实验研究。结果表明,基于操作力的轨迹规划方法能在人机合作的条件下使Cobot跟踪期望轨迹,且操作力的大小不影响Cobot的运动轨迹,Cobot的运动速度随着操作力的增加而增大,符合人机合作要求。基于操作力的轨迹规划模型可应用于外科手术、物料搬运和零件装配的人机合作机器人中。

一种改进的动力学约束人工势场法

传统的人工势场(artificial potential field, APF)路径规划算法存在局部极小值.通过引入虚拟力,提出了一种改进的人工势场算法,该算法可在考虑控制对象动力运动约束条件下,实现快速跳出局部极值的效果.以固定翼无人机为例,基于其动力学特性分析,在改进人工势场法中增加了最小转弯角度的限制,并通过仿真实现了可兼顾路径的距离短、平滑和安全性的最优规划.

智能轮椅室内导航路径规划算法

智能轮椅为丧失行走能力的人提高生活质量和生活自由度.适用于智能轮椅的路径规划问题是其重要的技术之一.实际环境中行走的难易程度是有区别的,对此提出一种新的路径规划算法,即寻找最优路径的导航方法,对室内环境进行栅格模型建模,并利用最邻近关系结合改进的A*算法来规划两个位置之间的最优全局路径,采用虚拟力场算法实现途中的局部路径规划.此算法只需要采集用户需要到达目的地的信息,智能轮椅能自动导航到达目的地,经实验验证,该算法运用到智能轮椅室内导航系统中路径得到较好的改善并具有反应快、工作稳定可靠、使用灵活方便和扩展性强等优点.

基于未知环境下多目标点的移动机器人避障规划算法研究

提出了虚拟力场法(VFF)与遗传算法(GA)相结合来实现未知环境下多目标点的移动机器人避障规划。此方法采用遗传算法规划出目标点的最优路径,在遍历每一个目标点的过程中,依据超声波传感器获取环境信息,采用虚拟力场法进行避障。该方法有效地解决了未知环境下多目标点的避障规划问题。

移动信标动态路径规划方法研究

针对非规则部署的传感器区域,提出了一种新的移动信标动态路径规划方法。该方法基于人工势场思想,在移动信标上配置全向发射天线和定向接收天线,通过获取感知范围内未知节点与信标间的虚拟力来实时引导信标移动。仿真结果表明该方法有效可行。

面向网联自动驾驶部署的车-路-无人机跨域协同技术

目的随着车联网技术的发展,网联自动驾驶车辆(connected and autonomous vehicle,CAV)的部署场景变得越来越复杂。为了保证效率和安全,提出一种面向CAV部署的集成无人机和现有路侧基础设施的车—路—无人机跨域协同技术,旨在解决依靠路侧基础设施支持CAV感知和通信解决方案在部署范围、机动性和感知视角等方面存在一定限制的问题。方法本文设计了基于任务需求和资源约束的双层调度算法,实现无人机资源的灵活调度和智能决策。该算法上层实现任务规划,下层运动规划则根据动力学约束和虚拟场模型生成无人机运动轨迹,采用上、下层反馈机制,动态响应感知和通信需求,给出目标区域无人机的最优部署方案。结果实验模拟混合交通流场景,并估计了不同场景下CAV动态感知和通信需求;通过对比无人机跨域协同方案与现有路侧基础设施辅助方案,结果表明所提方案相比现有方案降低了路侧设备单元(roadside units,RSU)的空闲率,在CAV渗透率为70%时,所提方案在仿真路网和城市路网场景下分别将RSU的空闲率降低了33.82%和31.20%;同时也展示了基于双层调度算法按需调度无人机的流程,验证了该算法的有效性。结论本文所提出的无人机跨域协同的CAV辅助部署方案,对比现有的基础设施辅助方案,具有覆盖范围广、可以按需灵活调度的特点,可以支持CAV大规模部署。