改进人工势场算法的路径规划

人工势场法是一种适用于局部路径规划的算法,针对人工势场法存在的目标不可达、局部极小值等固有缺陷,提出了一种改进后的人工势场法。首先针对目标不可达问题,将引力影响因子添加到斥力场的生成中,改进斥力场函数,从而避免引力与斥力合力为零的情况。针对局部极小值问题,通过设立虚拟目标点来引入额外外力,打破机器人的平衡问题。通过与其他算法的对比实验,仿真结果显示,改进人工势场法规划的路径长度和消耗时间都更短,稳定性更强。

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。

APF与A*融合的多目标点路径规划算法

在智能餐厅环境下,针对移动机器人在多目标点路径规划时存在规划效率不高的问题,提出了一种基于A*算法与APF算法相结合的多目标点路径规划的方法。将多目标点路径规划问题转化成类旅行商问题,采用A*算法和人工势场法规划出多目标点的最优遍历顺序。首先,将若干个目标点用一个集合表示并应用在A*算法上面,实现A*算法多个目标点的路径规划;其次,引入人工势场法对多个目标点进行优先级判定,借助人工势场法计算各个目标点的势能值,之后利用人工势场法得到的势能值对目标点集进行排序,完成各个目标点之间的最优顺序;最后,对规划好的目标点集使用A*算法进行全局路径规划。为了验证该方法的有效性和先进性,将该算法进行消融实验,同时也与两种典型的多目标点规划算法进行对比。结果表明,该算法是有效的,能够在缩短路径规划时间和降低路径代价的同时规划出一条有效路径。

融合人工势场和RRT算法的水下机械臂自适应路径规划

针对RRT算法应用于复杂水下环境下机械臂三维空间动态避障运动规划过程中存在的规划效率低、内存消耗大、动态规避响应性差等问题,提出一种利用人工势场引导启发式动态约束采样的改进RRT算法。针对动态环境采用全局规划结合局部重新规划的方法以提高算法的实时性。仿真结果表明,所提算法在规划过程中收敛速度更快、规划路径平滑,机械臂作用角速度较平缓,对水下无规律动态障碍物规避效果较好。

Path planning for light-induced dielectrophoretic manipulation of micro-particles

To realize automatic manipulation of micro-particles by light-induced dielectrophoresis （LDEP）, a path-planning scheme based on the improved artificial potential field （APF） for micro light pattern movements is proposed. An algorithm combining guided target and point obstacle based on a new local minimum judging criterion is specially designed, which can solve the local minimum problems encountered by the traditional APF. Experiments of real-time particle manipulation based on this algorithm are implemented and the experimental results show that the proposed approach can overcome the local minimum problems of the traditional APF method, and it is validated to be highly stable for intensive particle obstacles during LDEP manipulation. Consequently, this method can realize real-time manipulation of micro-nano particles with safety, decrease the difficulty of manual manipulation, and thus improve the efficiency of manipulation of micro-particles.

基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题,文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界,设立虚拟目标点来摆脱局部最优,建立道路环境模型;为了根据周边环境和车辆状态进行实时规划,设计分层避撞路径规划控制器,将道路环境模型引入上层路径规划器的目标函数中,利用模型预测控制(model predictive control,MPC)的优化算法规划出局部避撞路径,再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明,该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径,保证车辆行驶的稳定性和安全性。

改进人工势场法的机械臂轨迹规划

针对传统人工势场法(APF)在机械臂避障路径规划过程中出现目标不可达和局部最小值问题,提出一种改进人工势场法算法。首先,使用人工势场法控制机械臂时陷入危险区域时,引入跳点搜索算法,寻找最优跳点作为下一迭代点,同时设强迫邻居为虚拟目标点,指引机械臂摆脱危险区域;其次,再使用人工势场法搜索;最后,引入3次均匀B样条曲线进一步优化最优解,进而生成一条平滑、无碰撞的路径。通过二维地图和机械臂避障实验,验证了改进算法的有效性和可行性。

基于改进人工势场法的移动机器人局部路径规划

为解决传统人工势场法在移动机器人局部路径规划中存在的缺陷,提高其路径规划的性能,提出了改进的人工势场法。将引力作用阈值引入引力势场函数,解决引力过大问题;在斥力势场函数中引入目标点与移动机器人之间的距离,解决目标不可达问题;根据环境复杂度,提出了自适应速度调节机制;针对局部极小值问题,分别提出了APF-v1和APF-v2两种构建虚拟目标点的方法,引导移动机器人走出陷阱区域。最后在ROS机器人操作系统中对改进的算法进行了对比实验,结果表明,改进的算法可以克服目标不可达、局部极小值等问题,并且在计算量、路径规划时间和步数等方面具有一定的优越性。

一种改进人工势场的路径规划方法

针对传统势场法路径规划存在的问题,提出了一种改进人工势场的路径规划方法。针对目标点不可达问题,在传统斥力函数的基础上引入与目标点之间的距离因子;通过建立一个虚拟目标点的方法处理传统人工势场法的局部最小点问题。通过仿真实验,验证了改进的算法是有效的:机器人到达了目标点,并且路径是平滑的。

改进人工势场法的轨迹规划

为了解决传统人工势场法在路径规划中存在局部最小和目标不可达的问题,提出了一种改进的人工势场法。首先,引入障碍物的碰撞范围和使用角度定义障碍物的影响范围,排除机器人前进方向一定角度和距离外障碍物的影响;其次,为了解决目标不可达问题,基于目标点与机器人的距离改进斥力函数;最后,利用外接六边形在障碍物的碰撞范围外创造虚拟目标点,避免机器人陷入局部最小。基本环境和复杂环境下的实验结果表明:所提算法可以在一定程度上克服传统算法的缺陷,是一种有效的路径规划算法。

基于改进人工势场法的AUV路径规划研究

AUV是自主式水下潜航器,在水下环境作业等领域起着至关重要的作用。针对传统的人工势场法在AUV局部路径规划中有着易陷入局部极小值问题和目标不可达的问题,文章通过判断局部极小值条件后设置虚拟目标点来解决局部最小值问题,通过改变斥力势场来解决目标不可达问题。MATLAB仿真实验证明了改进的人工势场法在AUV局部路径规划中的可行性,并且解决了传统方法的缺点。

基于光流场技术的复杂背景下运动目标跟踪

针对光电经纬仪在飞机起飞着陆段跟踪角速度大、背景复杂的情况,根据小波多分辨率技术,提出利用小波分层组成低频图像金字塔,利用光流技术进行匹配解算,实现由粗到精的特征点匹配跟踪。通过对飞行试验视频图像进行事后自动跟踪试验,结果表明,该算法能够稳定可靠跟踪多特征点目标,具有鲁棒性。

人工势场法目标不可达的研究

针对传统人工势场法的缺陷,提出了一种新的改进方法来实现路径规划,更快的规划出一条平滑可行的路径,通过把人工势场法的斥力场函数作用域大小进行动态修改,成功抵达目标点,在目标点附近有障碍物时也能规划出可行路径,通过增加子目标点的方式来解决局部极小点问题,利用增加的子目标点的牵引力使移动机器人成功逃脱局部极小点,抵达目标点。最后仿真验证了改进的人工势场法可以更快的规划出路径,而且路径更加平滑。所提出的改进算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。

基于改进YOLO v3的肉牛多目标骨架提取方法

针对肉牛行为识别过程中,多目标骨架提取精度随目标数量增多而大幅降低的问题,提出了一种改进YOLO v3算法(Not classify RFB-YOLO v3,NC-YOLO v3),在主干网络后引入RFB(Receptive field block)扩大模型感受野,剔除分类模块提高检测效率,结合8SH(8Stacked Hourglass)算法实现实际养殖环境下的肉牛多目标检测与骨架提取。实验为肉牛骨架设置16个关键节点形成肉牛骨架点位信息,通过对图像多尺度和多方向训练提高检测精度。针对多目标骨架提取模型检测的关键点信息进行统计分析,提出一种对肉牛站立和卧倒行为识别的方法。实验结果表明:在目标检测方面,NC-YOLO v3模型的召回率可达99.00%,精度可达97.80%,平均精度可达97.18%。与原模型相比,平均精度提高4.13个百分点,去除的网络参数量为13.81 MB;在单牛骨架提取方面,采用8层堆叠的Hourglass网络检测关键点位置,平均精度均值可达90.75%;在多牛骨架提取方面,NC-YOLO v3构建的模型相对于YOLO v3构建的模型,平均精度均值提高4.11个百分点,达到66.05%。

基于速度矢量场的无人机实时动态航路规划

针对局域动态环境中无人机实时航路规划展开研究,提出了一种基于速度矢量场的二维动态实时航路规划方法。通过建立不同空间特征区域速度场模型,实现了速度场驱动下的无人机航路规划。文中采用虚拟目标点法解决了速度矢量场航路规划局部陷阱问题;采用探测步长法,实现了无人机机动约束的融合,解决了航路可飞性问题;在动态实时规划应用中,确立了环境信息更新方法,实现了对动态环境的描述。通过仿真验证,表明速度矢量场法能够根据动态环境信息及时规避威胁到达目标点,算法具有良好的完备性和实时性,适用于局域动态环境中的快速航迹规划。

基于改进势场法的机器人路径规划

针对传统人工势场法存在引力过大、容易陷入局部极小值、目标不可达以及容易陷入陷阱区域等问题,提出了基于路径优化策略和参数优化的改进势场法。通过引力补偿增益系数来避免引力过大的问题;根据环境信息采取不同的虚拟目标点设置策略以逃离局部极小值点;设置观察距离以识别障碍物的分布情况,选择不同的路径优化策略来避免目标不可达问题,机器人通过提前旋转角度来切向远离陷阱区域或采用安全路径通过该区域;采用改进差分进化算法求解有约束最优化问题,使得人工势场法的初始化参数不再根据经验来设置。仿真实验结果表明,改进势场法可以有效解决机器人陷入局部极小值、目标不可达等问题,并可优化机器人的行驶路径,提高机器人移动的安全性。相比传统人工势场法,改进势场法的路径长度减少了17.5%。

目标的位置信息场定位技术

对一种新的定位理念——目标位置信息场分析定位进行了阐述。新的定位理念认为,无论有源还是无源定位问题,均是研究怎样充分利用与目标位置相关的观测数据或观测参数所获得的信息,以及关于目标位置的先验信息,以获取目标的位置。这些信息构成了关于目标位置的信息场。从这个理念出发,可以建立更一般的定位概念模型,用以解决现在定位理论无法解决的目标数目未知、观测信息与目标关系不明确的定位问题。详细阐述了这种定位理念,并就空间二维测向多次观测定位、多站测向观测定位、空间多平台多目标测时差定位3种典型的无源观测情况,介绍了处理技术和处理效果,说明了这种处理技术的突出优势:可同时获得目标数目和多目标的精确位置。

爆炸场地震波对模拟目标振动响应的实验研究

不同当量的弹药产生的爆炸场地震波的震动特性具有很大差异,目标的响应不仅与激励相关,还与目标本身的结构特性有关.为了研究不同当量的弹对典型目标的地震波振动响应的影响规律,建立了基于钢结构典型目标测试装置,分析了典型目标的振动响应特性;采用加速度传感器对不同当量弹药进行了地震波振动测试,分析了典型目标对不同当量的体爆轰和点爆轰弹药的响应特性,探讨了不同当量的体爆轰和点爆轰在时域和频率特性的异同点,对研究目标防护措施及爆炸场地震波毁伤效应具有参考价值.

基于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在路径规划过程中容易陷入陷阱区域和局部极小点的问题,提出了一种改进人工势场法。首先,提出安全距离概念,避免了不必要的路径,从而解决了路径过长和算法运行时间过长问题;然后,为避免机器人陷入局部极小点和陷阱区域,在算法中引入预测距离,使得算法可以在机器人陷入局部极小点或陷阱区域之前做出反应;最后,通过合理设置虚拟目标点,引导机器人避开局部极小点和陷阱区域。实验结果表明,改进算法可以有效解决传统算法容易陷入局部极小点和陷阱区域的问题;同时,相较于传统人工势场法,所提算法规划出的路径长度减少了5.2%,计算速度提高了405.56%。

一种改进的多机器人路径规划自适应人工势场法

在研究多机器人路径规划传统方法的基础上,提出了一种改进的自适应人工势场法.该方法通过设置虚拟目标点来解决传统人工势场法易陷入局部极小点的问题,同时根据各个机器人所承担的任务和速度,采用自适应优先权策略来实现机器人之间的自适应避障.仿真实验验证了该方法的有效性和可行性.