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。

改进人工势场法无人机脱离局部极小值问题

针对现有人工势场法在无人机路径规划应用过程中存在无人机陷入受力平衡,导致目标不可达,且当无人机陷入局部极小值时,该方法无法根据环境信息使无人机脱离力平衡点的问题,提出一种基于自膨胀系数改进的人工势场法。针对无人机陷入局部极小值的问题,建立自膨胀函数;当无人机陷入局部极小值时,针对无人机与目标点的距离为膨胀提供方向。通过改变自膨胀系数增大最近障碍物对无人机产生的斥力从而改变无人机受力形式,解决无人机陷入最优解的问题。仿真实验结果表明,改进后的人工势场法多次改变了无人机陷入最优点的情况,能够解决人工势场法无人机陷入局部极小值无法自主脱离的问题。

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。

自适应斥力系数的无人机路径规划

使用人工势场法进行无人机路径规划时,往往存在目标不可达、运动轨迹迂回反复和路径长度过长等问题.传统的人工势场法不能根据环境具体信息对斥力系数进行调整,而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长.针对以上问题,提出了一种基于深度学习的无人机自适应斥力系数路径规划方法.首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集,其次利用该样本集训练残差神经网络,最后通过残差神经网络计算适应环境的斥力系数,进而使用人工势场法进行路径规划.仿真实验表明,该方法在一定程度上解决了人工势场法规划中目标不可达、运动轨迹迂回反复和路径长度过长等问题,规划效果和规划时长方面均有优异表现,能很好地满足无人机路径规划中对当前环境的自适应要求和快速规划的要求.

改进人工势场法的移动机器人路径规划

针对传统人工势场法应用于移动机器人路径规划存在的局部极小等缺陷,提出了改进的人工势场模型:以四幅典型环境场景为例,分析了人工势场法中局部极小点问题的成因;引入斥力偏转模型,引导机器人在路径规划时避开局部极小点;引入斥力增益系数函数,进一步优化路径规划中航向改变过大的问题;建立规划路径评价模型,对提出的改进人工势场模型下路径规划的优劣给出量化评价。该模型通过修正斥力方向,减小了规划路径的长度以及曲度,降低了对机器人机动性能的要求。仿真结果表明,该模型在解决部分局部极小问题的同时,提高了规划路径的质量,较好解决了静态环境下机器人的路径规划问题。

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。

基于改进A^(*)-人工势场法的城市物流无人机路径规划

针对城市低空物流无人机的路径规划问题进行了研究。首先,采用栅格法设置三维飞行环境,综合考虑无人机自身性能和运行场景,以航行总代价最小为目标函数,构建多约束条件下的物流无人机路径规划模型。然后,设计一种改进A^(*)-人工势场相结合的算法进行模型的快速求解,在改进A*算法的代价函数中加入栅格危险度和有效载荷惩罚系数以提高安全性、降低成本,并在人工势场法中引入了偏航引力增益系数以解决局部陷阱。最后,开展了仿真计算与结果分析。研究结果表明:所构建模型可以实现预期效果,所设计的改进A*-人工势场算法具有规划时间少,所得路径航程短、能耗低、避障平滑、安全系数高等优点。

基于布谷鸟搜索算法的多智能体自动避障方法

提出基于布谷鸟搜索算法的多智能体自动避障方法,提高多智能体的避障效果。基于人工势场法原理确定多智能体受到的引力、斥力及增益系数,通过布谷鸟个体优劣排序确定不同飞行方式以及设定权重系数实现布谷鸟搜索算法的改进,利用改进后的布谷鸟搜索算法优化人工势场法的引力、斥力增益系数,为各智能体提供避障路线规划,利用队形伸缩因子、环境适应度函数选择合适编队队形,实现多智能体的自动避障。实验结果表明:该方法可根据动态环中障碍物的分布,规划避障路线,并采取适合的编队队形完成自动避障,且对不同目标避障跟踪时,时间方差均值均低于0.15,具有突出避障效果。

三阶多机器人协同编队动态避障控制

针对智能水下机器人编队在三维复杂环境中的避障和一致性控制问题,提出了协同编队动态避障控制算法。建立了基于动态障碍物运动速度的自适应斥力增益项,并将其引入斥力势场函数中,使机器人安全规避静态及动态障碍物,定义了基于机间势场增益项和机间通信权重的机间势场函数,解决机器人易自撞、脱离编队的问题;将机器人在势场作用下的合加速度引入一致性协议中,结合改进势场与一致性理论设计编队协同避障控制器;通过Lyapunov函数方法证明了稳定性。仿真结果表明:多机器人在该算法下能安全避障并实现位置、速度的一致性。