基于自适应扩展势场的多无人机航迹规划仿真

为解决传统人工势场法存在目标不可达、易陷入局部极小值、无法避障和缺少航迹优化策略等缺陷,而分层势场算法又存在分层越多规划速率越慢的问题。对无人机进行建模,在分层势场函数中分别引入引力影响因子和斥力影响因子解决目标不可达问题,引入“辅助力”解决易陷入局部极小值问题,提出自适应扩展势场算法对航迹进一步优化。通过对多无人机航迹规划进行数值仿真实验,结果表明该算法可以提高规划效率。

一种改进的SA-APF路径规划算法

针对基于模拟退火的人工势场算法存在局部最小值问题,引入一种随机逃逸力,提出一种改进的SA-APF(Simulated Annealing-Artificial Potential Field)算法,可使机器人快速逃离局部最优解。针对算法中仍存在目标不可达问题,根据模糊控制方法提出一种自适应斥力势场增益系数,在机器人遇到目标点附近有对称排列的障碍物时,使机器人能够到达目标点,并采用4次贝赛尔曲线拟合,使路径更光滑。仿真结果表明,在简单和复杂的障碍物的实验条件下,改进后的算法可以准确、高效地完成路径规划。

一种基于动态步长的AAPF-RRT*移动机器人路径规划新算法

针对改进快速搜索随机树(rapidly-exploring random tree,RRT*)算法中节点盲目扩展和收敛速率慢的问题,提出了一种基于RRT*的路径规划新算法。首先,通过改进相对距离势场法,提出了自适应人工势场(adaptive artificial potential field,AAPF)法,既克服了相对距离势场法中引力与斥力过大的问题,又解决了目标点不可达的问题。然后,将RRT*算法与AAPF法相结合,并将固定步长改为动态步长,从而既克服了RRT*算法中节点盲目扩展的问题,又显著提高了移动机器人路径规划效率和避障灵活性,同时兼顾路径平滑性。最后,基于MATLAB进行仿真,验证了所提算法的有效性和实用性。

极限工况下无人驾驶车辆运动规划策略研究

针对无人驾驶车辆在极限工况下的运动规划问题,提出一种适应极限工况的无人驾驶车辆运动规划策略。首先,建立了准确描述车辆运动的动力学模型,并采用修正的非线性轮胎模型反映轮胎与不同路面之间的动力学特性;其次,提出一种基于安全制动距离的自适应势场模型,以适应极限工况下外界条件与车辆参数的变化;再次,考虑到车辆在极限工况下易发生横向失稳,设计出横向稳定性指标(Lateral stability index,LSI)作为关键优化参数,并展开车辆横向稳定性分析;然后,基于模型预测控制方法(Model predictive control,MPC),将极限工况下的运动规划问题转化为多目标优化问题;最后,构建出PreScan-Simulink-CarSim联合仿真平台,并在冰雪路面等多种极限工况下对所提出的运动规划策略进行了验证。仿真结果表明,该策略有效提升了无人驾驶车辆在极限工况下的安全性与稳定性。