Simulation research for mobile robot path planning based on improved artificial potential field method recommended by the AsiaSim

Mobile robot path planning is an important research branch in the field of mobile robots.The main disadvantage of the traditional artificial potential field(APF)method is prone to local minima problems.Improved artificial potential field(IAPF)method is presented in this paper to solve the problem in the traditional APF method for robot path planning in different conditions.We introduce the distance between the robot and the target point to the function of the original repulsive force field and change the original direction of the repulsive force to avoid the trap problem caused by the local minimum point.The IAPF method is suitable for mobile robot path planning in the complicated environment.Simulation and experiment results at the robot platform illustrated the superiority of the modified IAPF method.

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。

基于全局导向的智能车辆路径规划融合算法研究

针对曲线道路的路径规划问题,本文提出一种基于全局导向人工势场法的路径规划融合算法。考虑持续转弯的弯曲道路工况,构建基于变形栅格的栅格地图;考虑道路环境中的行车风险,基于行车风险场理论优化A^(*)算法启发函数从而改进A^(*)算法。改进传统人工势场法的局限性及固有缺陷,在局部路径规划中考虑自车、环境车辆及障碍物的轮廓形状,引入全局导向路径进一步改进人工势场法。以改进A^(*)算法规划路径为全局最优导向路径,设计基于改进人工势场法的路径规划融合算法。仿真结果表明,提出的融合算法可以生成有效的行驶路径,与数据集提取的实车路径接近,且在障碍物环境中规划的路径安全高效,满足车辆的行驶要求。

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PIB-RRTstar的荔枝采摘机械臂运动规划方法

为解决非结构环境下,采摘机械臂路径规划时存在的效率低、采摘成功率不高的问题,提出一种结合人工势场法的四向搜索RRTstar算法。首先通过人工势场法对空间进行分割,获取空间分割点x_(split),进行四向搜索;其次结合人工势场法引导随机采样,提高采样节点质量;然后基于节点历史扩展信息,添加信息因子,实现自适应动态步长扩展。最后通过贪婪回溯对生成路径进行优化。通过二维模拟实验、6自由度机械臂下的仿真实验与采摘实验验证提出算法的有效性。二维仿真对比实验表明:相比于RRTstar算法,改进算法路径成本缩短2.01%,时间代价降低98.81%,迭代次数减少92.49%。在机器人操作系统(Robot operating system,ROS)中进行6自由度机械臂下的仿真实验,相比于RRTstar算法,规划时间减少93.17%,路径成本降低36.62%,扩展节点数减少97.00%。最后使用6自由度机械臂进行采摘实验,实验结果表明本文算法有效提升采摘成功率,采摘成功率达85%,并在结合姿态约束方法后,采摘成功率达95%。所提出的路径规划方法在路径规划时间上存在一定优势,采摘实验证明本文算法可提高荔枝采摘成功率。

考虑崎岖地形的月球车路径规划与跟踪控制研究

为优化月球车运动路径,避开月球陨石坑和高地等月面静态障碍物,以安全、高效抵达目标任务点,提出了一种结合A∗算法和人工势场法的融合算法。首先,利用A∗算法在栅格地图中生成从起点到终点的最优安全路径;然后,设计全局路径分割方法,按阶段进行基于人工势场法的局部路径规划,并基于Lyapunov稳定性理论设计了全局渐进稳定的轨迹跟踪控制律;最后,通过Blender软件制作仿真月表环境,并使用ROS Gazebo仿真平台进行轨迹跟踪仿真验证。仿真结果表明:提出的融合算法生成的移动路径相较于普通A∗算法路径更短,转折次数更少,并加入人工势场算法进行局部避障,极大提高了月球车运动安全性,验证了所提出算法的可行性和有效性。

基于改进APF-Informed-RRT^(*)的机械臂避障路径规划

针对Informed-RRT^(*)算法在避障路径规划中缺乏目的性和方向性,存在规划时间长、迭代效率低等问题,提出了结合人工势场法和Informed-RRT^(*)算法的避障规划算法。首先,针对传统人工势场法存在目标点不可达、易与障碍物碰撞的问题,提出了改进后的人工势场法,并将其融入Informed-RRT^(*)算法中,使随机树沿势场下降的方向生长,增强其方向性;其次,依据随机树与障碍物间的距离,提出了一种自适应生长步长策略,提高了对空间的探索能力;最后,引入贪心算法的思想,在生长时直接判断随机树能否直达目标点,提高了路径规划效率。在二维和三维环境下对改进后的算法与传统算法及其衍生算法进行对比实验,仿真结果表明改进后的Informed-RRT^(*)算法相较于原始算法规划的路径长度和规划耗时分别减少了17.42%和36.21%。

基于改进APF-FMT^(*)的农业机器人路径规划算法

【目的】解决农业机器人在复杂农业环境下全局路径规划耗时过长、路径最优解求解困难的问题。【方法】提出一种基于改进人工势场法的快速行进树算法(APF-FMT^(*))。首先,在引力势场中引入相对距离,根据与目标点的距离改变引力大小,克服了人工势场法距离目标点过远时引力过大的问题;然后,将FMT^(*)算法与改进人工势场法相结合,采用三阶B样条曲线对路径进行平滑处理;最后,建立3个农业工作地图进行仿真试验。【结果】仿真结果表明,与FMT^(*)、RRT^(*)和Informed-RRT^(*)3种算法对比,在地图Map1和Map2中,APF-FMT^(*)都能快速找到良好的解,且随样本数量增加获得的路径解得到改善,搜索时间比其他3种算法减少45%以上;在有狭小通道的Map3中,APF-FMT^(*)、FMT^(*)搜索时间比RRT^(*)和Informed-RRT^(*)减少75%以上,并且获得更好的解。【结论】本研究提出的APF-FMT^(*)算法不仅克服了FMT^(*)算法冗余探索问题,还有效地解决了人工势场法目标点不可达的问题,提高了农业机器人路径规划效率和作业安全性。

智能网联汽车超车路径规划方法

针对自动驾驶车辆超车路径规划的问题,本文提出改进的人工势场法并引入相对速度构建新的引力势场和斥力势场.建立道路边界势场规范行车区域,对障碍物的影响距离进行分段解决局部极值问题,将自动驾驶车辆动力学相关约束融入人工势场法建立超车路径行驶势场模型.选取重庆市内环快速路为试验路网原型,利用无人机以及定点摄像等数据采集方法进行实地调查,并采用MATLAB/Simulink,CarSim和PreScan进行联合仿真分析.实验结果表明:相比传统的人工势场法,在前车静止、前车匀速、前车减速这3种条件下的超车路径曲率分别降低了85.07%,62.69%和83.86%,横向加速度均小于0.13m/s^(2),改进后的路径规划算法可成功实现平稳超车,驾乘人员的舒适性上有显著提升.

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。

改进RRT^(*)-APF-DP融合算法的机械臂路径规划

针对基本的快速拓展随机树算法(rapidly-exploring random tree,RRT^(*))存在搜索随机性大、效率低、路径非最优的缺点,提出一种引入人工势场法算法(artificial potential field method,APF)和Douglas-Peucker算法的改进RRT^(*)-APF-DP路径规划算法.在RRT*算法的采样点生成阶段引入变采样范围偏置搜索与步长自适应调整策略,融合重新设计的APF算法的引力与斥力函数,增强路径扩展导向性与绕过障碍物能力.采用重采样策略改进DP算法,优化避障代价与控制点数量.实验结果表明,本算法规划的避障路径满足机械臂的运动要求,且算法规划的避障路径代价、规划时间和路径控制节点数均得到有效改善.

基于AIS轨迹和改进蚁群算法的船舶航线规划方法

在保证船舶航线安全的前提下,以最短航程为目标,提出基于AIS轨迹和改进蚁群算法的船舶航线规划方法。对船舶AIS数据进行预处理,去除船舶AIS数据中的冗余数据,完成船舶AIS数据提纯;采用基于粒子群与K均值混合聚类算法的核心转向点筛选与识别方法,筛选并识别船舶AIS数据中船舶航线核心转向点数据;通过基于改进蚁群算法的航线规划方法,以核心转向点数据为基础,构建航线网络,在此网络中,通过人工势场法对蚁群算法进行改进,对船舶航线进行寻优,实现船舶航线规划。经实验验证,本文方法能够规划出安全合理的船舶航线。

基于分布式参考校正的多机器人编队控制

针对避障、外部干扰和迟滞等实际的多机器人编队控制问题,提出了一种基于分布式参考校正的控制方法。通过采用人工势场法和干扰观测器,解决了非匹配不确定性的避障问题。定义不可达参考场景描述了多机器人在试图避开障碍物时的被动修正行为,并为每个机器人设计了分布式参考校正算法,减弱被动校正行为带来的不利影响,保证每个机器人位置跟踪误差的有界性。考虑已知的执行器迟滞效应,在电流控制律中添加了Bouc-Wen迟滞补偿器。利用Lyapunov稳定性理论验证了避障的有效性。最后,在MATLAB环境下基于多机器人系统进行了数值仿真和比较,以证明所提出的算法和控制器的有效性,实验结果表明该方法可以在具有外部干扰和迟滞等实际问题下形成稳定的多机器人编队控制,对路径上的障碍物进行无碰撞避障,提出的分布式参考校正算法减弱了被动校正行为,提高了系统的稳定性。

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。

基于改进D*Lite⁃APF算法的巡检机器人路径规划

针对巡检机器人在动态场景下路径规划存在非全局最优、路径不平滑及局部避障效果不佳的问题,提出一种将改进D*Lite算法和人工势场法融合的算法。首先优化D*Lite算法启发代价函数,提升规划效率,并引入Dubins曲线平滑生成的全局路径;其次改进人工势场法势场函数并添加随机半径扰动点,解决局部碰撞问题,提高避障性能;最后将两种优化算法有效融合,实现全局规划和局部避障。仿真实验结果表明,相较于单一D*Lite算法,融合算法在路径长度、时间花销、路径拐点及扩展节点数方面均表现更优,能在确保全局路径最优的情况下有效避障。

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。

复杂环境下基于改进Informed RRT*的无人机路径规划算法

针对无人机在复杂环境中进行路径规划时,快速搜索随机树(RRT)算法易出现规划时间长、路径冗余、狭窄空间中易陷入局部约束导致规划失败的问题,提出一种改进的Informed RRT*算法.首先,引入人工势场法使采样点按照势场下降的方式向目标点移动,以提高RRT树扩展的目的性和方向性.然后,考虑随机树在扩展过程中全局环境的复杂度,引入自适应步长调整策略以增加随机树在无障碍环境下的扩展速度,并在随机树扩展的过程中加入相关约束条件以确保生成路径的可行性.在找到第一条可达路径后,采用变化的椭圆或椭球采样域限制采样点选取和自适应步长的扩展范围,加快算法收敛到渐进最优的速度.最后,在复杂二维和三维环境下进行传统算法和改进算法的对比实验,仿真分析表明:改进算法可以在很少的迭代次数下找到更优的初始路径,更快地锁定椭圆或椭球采样域,从而给路径优化留出更多时间,算法规划效果更好.