基于改进人工势场法的AUV全局路径规划

目的为了解决AUV(autonomous underwater vehicle)在传统人工势场法路径规划过程中存在的碰撞、目标不可达和局部极小值等问题,方法提出一种基于改进人工势场法(improved artificial potential field,IAPF)的AUV全局路径规划算法。首先为解决引力过大导致的碰撞问题,引入作用阈限制目标点的吸引力;然后在斥力场添加距离修正因子修正斥力函数,防止目标点离障碍物过近时,由于斥力大于引力引起目标不可达现象,同时考虑到障碍物大小的不等性会影响斥力的作用范围,对障碍物的最小安全距离进行修改;最后在此基础上添加外力,利用外力和势场力的共同作用使AUV沿切线方向行驶,从而摆脱局部极小点或陷阱区域。结果仿真实验结果表明,本文算法能够规划出一条最优路径,与同类算法相比,本文算法运行时间短,成功率高。结论本文提出的基于改进人工势场法的AUV全局路径规划算法,通过引入作用阈、距离修正因子、最小安全距离修正以及外力作用,有效解决了传统人工势场法在AUV路径规划中存在的碰撞、目标不可达和局部极小值等问题。

基于人工势场引力因子的机械臂避障规划算法

针对机械臂的安全避障问题,提出一种基于人工势场引力因子的机械臂最短避障路径规划模型。研究算法中各个参数对机械臂末端运动路径的影响;构建引力因子,提出一种基于引力因子的最短避障路径规划模型,利用梯度下降法求解机械臂末端的最短避障路径及其最优解;研究分析不同障碍物大小和位置的最短路径特征,以工业SCARA机器人的平面模型分析关节角度路径特征。实验结果表明,模型参数决定避障路径的弧度变化。所提算法能够适应障碍物位置和大小的变化,使机械臂末端以最短路径避障的同时,其运动轨迹可以与障碍物相切。

基于改进人工势场法的路径规划研究

针对传统的人工势场法在移动机器人路径规划中存在的目标不可达和局部极小值问题,提出了一种改进的人工势场法。首先,对目标点附近有障碍物时由于斥力较大,机器人难以到达目标点的问题,在势场中引入了安全距离因子,并对该参数进行了优化,从而使机器人与障碍物保持合适的距离,顺利到达目标点。其次,为解决局部极小值问题,引入了局部极小值判别条件,并在触发该条件时对局部极小区域进行绕行,使机器人顺利到达目标点。仿真结果表明,改进后的算法在不同数量的障碍物地图环境下运行,有较强的鲁棒性,所提出的算法可以使机器人在U型障碍物环境中绕过局部极小值区域,成功解决了移动机器人路径规划中的局部极小值问题。

应用人工势场算法的智能车路径规划

针对应用人工势场算法解决移动机器人路径规划问题时会陷入局部极小点,导致障碍物附近目标不可达的情形,提出了一种新的策略,利用几何方法重新规划路径使小车快速走出局部极小值区域后,再利用人工势场算法完成路径规划。在多障碍物环境中,与边缘探测法的实验对比结果表明:该方法可有效规划出避障路径。

具有势场启发因子的蚁群路径规划仿真

移动机器人路径规划是目前实验教学中学生最为感兴趣的创新实验项目之一。为在程序运行的不同阶段让蚁群算法和人工势场法发挥各自优势,利用人工势场法对蚁群算法进行了改进,引入势场启发因子,使改进后算法能够较为快速地规划出一条较优的全局路径,并在实验室环境下对改进算法进行了仿真分析与验证。该实验项目有效地训炼了学生的编程能力和培养了创新思维。

圆柱形静电分析器的数值模拟

对美国DMSP系列卫星载60°圆柱形分析器的性能进行了数值模拟：以同时过松弛迭代法解Laplace方程，得到分析器内的势分布，由荷电粒子在分析器势场中的运动轨道以及传输概率的MontCarlo积分得出分析器的各种响应和几何因子．变动与分析器几何相联系的输入量。

改进人工势场法在移动机器人路径规划中的应用

为解决传统人工势场法在路径规划中存在的缺陷,对目标不可达和局部极小点的情况进行了分析。将引力函数分段,避免引力过大而碰到障碍物的情况;通过引入机器人与目标点之间的距离因子,对斥力势场的生成和计算机制进行改进,以解决障碍物在目标点附近时的不可达问题。在已改进人工势场函数的基础上,提出一种用偏转角度来构建附加牵引力的方法以解决局部极小点问题。在MATLAB中对改进的算法进行了对比仿真实验,实验结果表明了该方法的有效性和可行性。

改进人工势场法的室内移动机器人的局部规划研究

针对室内的复杂环境情况下,人工势场法在避障过程中移动机器人容易陷入局部最优导致停止或振荡和目标点无法到达问题,提出一种改进的人工势场法。改进斥力函数使得移动机器人更加安全可靠地达到目标点。进一步考虑到室内环境存在一定玻璃障碍物以及多障碍物情况会使得机器人在障碍物附近出现的反复震荡或停止不前现象,提出一种基于目标点与机器人的判断是否陷入局部最优的阈值因子,加入机器人安全半径,建立边界虚拟拉点的方法,解决局部最优问题,同时引入自适应逃脱步长因子,加快逃脱效率。通过实验结果证明,改进后的人工势场法可以克服目标不可达问题、局部极小值问题。

基于势场蚁群算法的机器人全局路径规划

研究了智能移动机器人的全局路径规划算法改进问题.结合蚁群算法的全局性与人工势场的确定性优势,提出一种势场蚁群算法.即在基本蚁群算法迭代初期,通过人工势场法影响蚂蚁的信息素量,从而提升寻找最优路径的效率.基于栅格模型,设计了算法的执行步骤.此外,分析了不同的信息素启发因子和信息素挥发系数对算法路径长度、迭代次数和收敛速度的影响.最后仿真验证了该算法优于基本蚁群算法,也得出了信息素启发因子参数选择的合理范围.

基于改进入工势场算法的无入船路径规划

无人船的路径规划技术是保证无人船能够有效执行任务、独立自主完成路径跟踪、轨迹跟踪,并在航行中自动规避障碍物、优化航行路径的关键技术。针对无人船出港口的实际过程,主要解决传统的人工势场法存在的目标不可达问题和局部极小值问题,在Krogh算法的基础上提出了新的人工势场函数,并增加了逃逸力因数。无人船出港的仿真实验验证了改进人工势场算法的有效性,与传统人工势场法的对比结果表明,改进后的人工势场法应用于无人船的航行轨迹规划规避障碍物更加灵活,规划的航行轨迹更加符合实际航行需求。

基于改进势场与蚁群算法的机器人路径规划法

针对经典势场与蚁群联合机器人路径规划算法,易陷入局部最优、路径震荡且对不同复杂障碍物环境适应性差等问题,提出了基于改进的势场与蚁群算法的机器人路径规划算法。算法首先利用斥力距离值引入和增设虚拟子目标点改进经典人工势场算法,以优化其目标不可达和局部欠优问题,并通过过滤振荡点平滑最优路径,其次在改进势场优化蚁群初始路径筛选基础上,通过挥发因子的自适应设置与全局搜索策略的改进,提高蚁群算法对不同复杂障碍环境的适应性和全局最优路径的有效性。实验结果表明,所提算法能够有效避免经典算法的局部最优问题,路径较为平滑,对不同障碍物环境具有较好的适应性,全局搜索能力和收敛速度优于实验采用的已有算法,从而验证了该算法的有效性。

基于改进人工势场法的多无人车编队路径规划

为了解决传统人工势场法在路径规划上存在的目标不可达和局部极小值问题,提出一种改进的人工势场法算法,用于采用领航-跟随法的多无人车编队路径规划。针对目标不可达问题,建立无人车到达目标点附近的动力学模型,研究目标点附近的人工势场的建立规则。当目标点附近出现障碍物时,通过在障碍物斥力场函数中加入距离影响因子,从而使无人车能够抵达目标点。经过改进后的斥力场函数,可以使无人车编队在2%的误差允许范围内,认为可以到达目标点。针对局部极小值问题,引入动态法向力,其方向根据领航车和跟随车的不同而进行分类,从而消除无人车陷入极小值的问题。MATLAB仿真结果表明,通过与传统人工势场法进行比较,改进方法可以有效避免无人车陷入局部极小值,无法到达目标点。大大减少无人车回归编队的时间,使无人车编队的路径更加平滑,并且可以将效率提高25%。提出的改进势场法可以有效解决传统人工势场法的目标不可达和局部极小值问题,使多无人车编队能够规划出较为平滑稳定的路线,保持编队队形并抵达目标点,验证了改进算法在多无人车编队路径规划上的可行性,为无人车编队的进一步路径优化奠定基础。