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。

改进势场蚁群算法优化路径自动规划

针对势场与蚁群联合的自主路径规划存在局部最优解、初始路径选择随机导致效率不高及环境适应性差等问题,提出了基于自适应域和参数自适应设置的改进算法。算法首先基于自适应域改进势场目标不可达问题,并过滤震荡点以平滑路径;其次,通过状态转移函数和信息素更新等相关参数的自适应设置,提高算法在收敛效率和搜索能力上的平衡性,进而提高对障碍环境的适应性。实验结果表明,所提算法能够有效避免局部最优、目标不可达和复杂环境的适应性问题,在路径长度和效率上优于实验采用的已有算法,从而验证了算法的有效性。

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。

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。

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。

基于改进人工势场法的多智能体编队避障

针对随机障碍物环境下的多智能体编队避障问题,提出一种灰狼优化算法与人工势场法相结合的多智能体编队避障方法。首先,使用改进收敛因子的灰狼优化算法进行参数寻优,提升全局寻优能力,解决人工势场法中引力和斥力增益系数的经验取值存在局限性和编队系统避障速度慢的问题。其次,基于领航跟随法的编队结构,采取动态队形变换避障策略,解决编队过程中灵活性较差的问题。最后,设计编队效率函数,用于评估和验证避障过程中队形的稳定性和编队系统对环境的适应性。仿真结果表明,与其他人工势场法相比,使用所提方法进行编队避障后,收敛速度更快,队形更稳定,编队系统对环境的适应性更强。

基于语音识别处理的植保无人机航行路径控制研究

设计了基于HMM的语音识别处理算法,分析了植保无人机的结构与工作原理,并利用改进人工势场法对植保无人机的飞行控制和航行轨迹规划进行分析了研究。试验结果表明:语音控制控制准确度非常高,达到了90%及以上;植保无人机航行路径控制准确,能够成功避开障碍物,并动态规划最优飞行路径。

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.

基于领航-跟随法和人工势场法的巡检机器人编队

机器人编队技术正不断发展并逐步投入应用,为了提升巡检机器人的工作效率,提出了一种基于领航-跟随法和人工势场法的编队控制方法,保留了两方法的优点,使机器人编队在躲避障碍物的同时尽可能保持队形,通过施加随机扰动的方法改善人工势场法中容易出现的局部最小值问题。实验结果表明,提出的方法完成任务消耗的时间相较于领航-跟随法和基于行为法分别下降了28.5%和41.4%,在执行特定任务如协同围捕和依次排开时采用该方法的编队也能优秀完成。通过ROS(robot operating system)平台进行模拟环境仿真,进一步验证了方法的可行性。

基于海事规则和船舶操纵性的运动规划方法研究

文中提出了一种基于海事规则和船舶操纵性的运动规划方法.根据海事规则的要求,限制船舶转艏可行域.根据船舶推进器布局分析船舶操纵性能,并通过人工势场求取船舶转艏方向,采用计算势能的方式取代传统方法中计算合力的方式,计算船舶所需推力和转矩.将所求推力和转矩作用于船舶,得到一条包含速度和艏向信息的船舶运动轨迹.将并提出的方法与传统人工势场法进行仿真对比.结果表明:所提出的运动规划方法所规划的轨迹能够满足海事规则的要求,与传统人工势场法所规划的轨迹相比更加平滑,且满足船舶操纵性的要求,控制效果更好.

基于视野和速度引导的无人机集群避障算法

在未来的多无人机(unmanned aerial vehicle,UAV)空中作战中,无人机集群在未知空域中安全飞行是集群研究中的重要内容。针对无人机集群避障以及集群形态保持问题,提出了一种基于视野和速度引导(visual field and velocity guidance,VFVG)的集群避撞算法。基于视野法设计集群自适应通讯拓扑机制,结合远吸近斥势力原则及一致性方法,在保持集群形态的同时,加速了集群无人机个体间的避障信息的传递。在此基础上,提出将极限环与人工势场法相结合构造避障速度引导项,解决了集群遇障分群困难、避障徘徊停滞等问题。引入避障时间指标,验证了算法的避障效率。仿真结果表明,该方法能够使多无人机以良好的集群形态安全快速平稳地通过复杂障碍区域,有效提高了集群避障成功率和避障效率。

基于分层监测域人工势场法的无人驾驶车辆路径规划

针对传统人工势场法在路径规划中存在易陷入局部极小值点、障碍物附近目标点不可达以及固定步长下易发生碰撞的问题,提出一种基于分层监测域的自适应人工势场法(APFLMD)。设计了分层监测域模型,通过建立安全避障范围,实现无人驾驶车辆速度的自适应变化,以提高车辆的避障能力。为避免无人驾驶车辆陷入局部极小值点区域,利用路径点的聚集情况实现局部极小值点的检测。设计了等势圈切线点,并结合二次贝塞尔曲线对路径进行优化,且目标点位于斥力等势圈内部时,提出一种虚拟随机引导策略,以帮助车辆逃离局部极小值点。最后,在斥力场函数中添加距离因子以解决障碍物附近目标点不可达问题。仿真结果表明,在复杂环境下APFLMD算法相较于对比算法,可分别降低49.23%的车辆行驶时间、19.4%的路径长度和车辆能耗以及82.12%的路径平滑度。

基于双向A^(*)-APF算法的船舶路径规划研究

为解决目前船舶路径规划算法中存在的全局非最优解和局部最优解等问题,在双向A^(*)算法的基础上加入了优化函数PathOptimization和IsClear,以去除冗余拐点,缩短全局路径距离;在人工势场法(artificial potential field,APF)的基础上,设定离散化步长函数、斥力感应阈值和临时终点,以避免局部最优解和震荡问题;实现两种算法的融合算法(双向A^(*)-APF算法),在MATLAB模拟的相同栅格图中,对比算法改进前后的模拟试验数据。结果表明,融合算法平均减少了50%的冗余拐点,平均减少了47.5%的算法搜索时间,平均缩短了7%的路径距离,能够同时安全规避动态障碍物和静态障碍物。研究表明,双向A^(*)-APF算法可用于解决船舶路径全局非最优解和局部最优解等问题。

基于MPC的智能车辆路径规划与跟踪控制

针对在障碍物环境下的避障路径动态规划效果较差,以及在面对复杂工况和曲率较大的路况时,跟踪控制的效果仍然不理想等问题,本文以智能车辆为研究对象,提出了一种模型预测控制(MPC)结合人工势场(APF)算法的路径规划跟踪系统。将改进的势场模型函数引入到MPC的目标函数和约束中,设计了基于MPC和APF的避障路径动态规划器。。运用模糊控制对MPC的车辆横向路径跟踪控制器的权重系数进行优化。仿真结果表明:在干燥路面下,与MPC控制器相比,模糊MPC路径跟踪控制器的最大横向偏差减少19.14%。在湿润路面下,模糊MPC控制器最大横向偏差减少0.55 m。基于MATLAB/Simulink与Carsim软件搭建避障路径规划与跟踪控制联合仿真模型,选择动态障碍物不同速度进行障碍物路径动态规划及跟踪控制仿真试验。实验结果表明:跟踪规划路径过程中的最大横向偏差约为0.170 m,说明规划的避障路径能够安全有效地避开障碍物。

基于改进人工势场法的医疗配送机器人路径规划

随着科技的高速发展和近几年新冠疫情的影响,医疗配送机器人开始逐步出现在各大医疗机构中,然而传统医疗配送机器人在使用人工势场算法进行路径规划时存在局部最优解和目标不可达问题。因此,针对局部最优解问题,提出了设计虚拟目标点的方法,将机器人从局部最优状态解救出来;针对目标不可达问题,在障碍物斥力势场函数中引入了目标距离函数对障碍物斥力进行限制,从而解决目标不可达问题。最后将该方法在多种复杂环境中与传统算法进行比较验证,实验结果表明,该改进算法能够解决传统算法存在的局部最优解和目标不可达问题,在算法效率上也提高了5%~9%,并且能够有效运用于实际场景。