模糊改进人工势场法移动机器人路径规划

针对人工势场法应用于机器人路径规划中存在的各种问题,提出一种模糊改进人工势场法。首先,建立斥力势场梯度等级,在解决目标不可达问题的同时,保证路径规划的安全性;其次,引入逃逸力,利用模糊算法推算出逃逸力大小,帮助移动机器人逃离局部最优陷阱;最后,在MATLAB环境下对常规改进人工势场法和模糊改进人工势场法进行了仿真实验,实验结果表明,模糊改进后的人工势场法能够解决目标不可达问题、局部最优问题,同时在避障安全性方面存在一定优势。     

基于改进人工势场法的搬运机器人避障算法研究

搬运机器人作为移动机器人中的一种,应用前景十分广泛。基于搬运机器人的避障问题,对人工势场法进行研究,针对人工势场法容易出现的局部极小值问题和目标不可达问题进行分析,通过引入虚拟障碍物模型,较好地解决了人工势场法的局部极小值问题;修改斥力模型修正了目标不可达问题。在MATLAB软件中对改进之后的算法进行仿真,验证了该算法的可行性。     

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。     

改进人工势场法的机械臂避障路径规划

针对人工势场法在机械臂避障路径规划中易陷入局部最小值等问题，提出一种改进人工势场法的机械臂避障路径规划方法。首先，对机械臂连杆及障碍物进行包络体建模，将避障碰撞检测问题转化为圆柱体与球体、圆柱体与长方体的最短距离求解；其次，提出在机械臂关节空间建立目标点的引力场和斥力场，在笛卡尔空间建立引力场相结合的算法，并采用快速随机搜索树法(RRT)解决传统人工势场法局部极小点的问题；最后，采用MATLAB开展仿真与实验，结果表明该算法规划目标位置平均误差为0.010 m,相较于传统的算法更接近于目标位置，可实现机械臂逃离局部极小点并完成避障路径规划。     

复杂动态环境下自主机器人路径规划研究

为了提高复杂动态环境下的机器人路径规划性能,文章提出了全局路径规划和局部路径规划相融合的混合路径规划方法。分析了A*算法原理,提出了加权A*算法,使用权值调节启发信息在评价函数中的作用;改进了人工势场法,解决了传统方法目标不可达和局部极值问题;将加权A*算法的全局路径规划和改进人工势场法的局部路径规划相融合,以全局规划路径的拐点作为局部路径规划的子目标点,提出了混合路径规划方法。经仿真验证,对于固定静态障碍物、临时堆放障碍物、动态障碍物三种情况,混合规划方法都能得到平滑的无碰最优路径。     

基于改进人工势场法的机械臂路径规划仿真

为解决六自由度机械臂在工作空间中的路径规划问题,提出一种改进的人工势场法与快速随机搜索树(RRT)算法相结合的规划方法。以发那科M-20iA工业机器人作为研究对象,选取其各连杆D-H参数并创建坐标系,分析其正运动学问题。然后采用包围球包络障碍物、圆柱体包围盒包络机械臂,将碰撞问题转化为球心到圆柱体中轴线最短距离的问题。接着改进势场法的势函数,并在机械臂进入局部极小点时改用RRT算法使机械臂跳出该点,之后继续采用势场法规划路径到达目标点。最后在MATLAB中对该改进算法进行仿真,仿真结果证明:该算法可以成功避障,保证机械臂平稳运行至目标处。     

势场力引导的蚁群算法在室内轨迹规划中的应用

单一的蚁群算法在路径搜索前期具有盲目性,导致收敛速度较慢,容易陷入局部最优;而传统的人工势场法在凹形障碍物时避障困难。将人工势场法与蚁群算法结合,提出一种由势场力引导的蚁群算法。算法将人工势场法中的力因素转化为一种蚁群算法里的信息素权值,能够在开始时加快蚁群算法的收敛速度,并随着迭代次数增加逐渐降低力因素对蚂蚁的影响,在陷入局部最优时通过回退降低了蚁群算法陷入局部最优的可能性。又增加了路径曲线距障碍物距离的设置,使其更贴近现实应用。最后使用该算法与其它类似势场蚁群算法进行了仿真比较,在条件一致的情况下,文中算法的收敛速度更快,路径距离更短。     

混合遗传算法在机器人路径规划中的应用

针对传统智能算法在多障碍物环境下求解路径时存在忽视路径安全性，易陷入局部最优解等问题，提出一种融合粒子群算法(PSO)、遗传算法(GA)和人工势场法(APF)的混合遗传算法(PA-GA)。首先，改进障碍物参数和算法的适应度函数，引入防碰撞距离与安全距离，保证路径安全性；其次，通过动态调整粒子群算法中的惯性权重增强粒子的搜索能力，加快算法收敛；然后，引入分群策略、等级交叉策略和人工势场法来改进遗传算法的交叉变异操作，依靠自适应调整交叉变异概率加快收敛速度；最后，将改进后的算法融合，保证混合算法在全局和局部的寻优能力。仿真结果显示，PA-GA算法具备了较强的寻优能力，且路径检索结果更好，收敛速率也更快。     

基于模糊算法的水下机器人路径规划研究

针对水下机器人的工作环境的复杂性与不确定性,为了提高自主式水下机器人与外部环境交互及自主航行的能力,结合视线导航原理与模糊控制算法,提出一种未知环境下水下机器人的局部路径规划策略,可实现机器人的实时避障功能。利用测距声呐、短基线系统对环境进行探测,得到一定范围内的障碍物与目标信息,通过模糊控制器实时调整水下机器人的运动偏转角度,有效地避开障碍物,达到预定目标点。最后通过MATLAB进行仿真,构建一个仿真实验平台,交互式设置障碍物的数量、大小、形状、位置等初始信息,机器人运用该算法在多障碍物、不同路障环境下,都能较好地实现机器人避障,验证了算法的有效性。     

基于改进人工势场法的机械臂路径规划北大核心

针对传统人工势场法对机械臂进行路径规划时存在局部最小值等问题,对人工势场法进行改进。首先,建立机械臂碰撞模型,确保实现有效碰撞检测;其次,重新定义传统算法的引力斥力函数,解决引力过大而斥力作用弱化导致碰撞以及障碍物与目标点距离过小造成目标不可达的问题;最后,提出一种基于椭圆模型的策略跳出算法局部最小值陷阱和局部震荡,最后进行了仿真验证。结果表明,改进后的人工势场法简单可靠,避免了原算法的局部最小等问题,能快速有效地实现机械臂避障路径规划。     

改进的APF算法在采摘机械手运动规划中的应用

针对六连杆采摘机械手运动规划的实时性，基于传统的人工势场(APF)算法，提出改进的人工势场(IAPF)优化算法。采用初等变换序列方法对机械手进行运动学建模，运用该模型可方便地得到机械手上各点相对于基底坐标系的雅可比矩阵。IAPF算法在APF算法原有的引力势场计算模型的基础上，加入了Sigmoid函数，以使得路径规划算法收敛，在斥力势场中引入了反S的Sigmoid函数，防止出现斥力爆炸现象。IAPF算法避免了传统算法的局部最小缺陷和目标不可达问题，同时有效地减少机械手运动规划的计算时间和关节误差。并通过实验验证了所提优化算法在采摘机械手避障运动规划中的实时性和准确性。     

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AGV路径规划算法研究

针对传统人工势场法路径规划中存在的局部极小值和目标不可达问题,提出了一种面向AGV路径规划的改进人工势场法。该算法将道路边界障碍化,对障碍物密集区域的障碍物进行连锁处理,在斥力函数中引入目标点与AGV间的距离因数,在局部极小值点附近合适位置增加虚拟障碍物。仿真结果表明：改进算法可以有效解决局部极小值问题和目标不可达问题,同时使AGV避开障碍物陷阱成功到达目标点。     

基于改进动态窗口法的移动机器人避障研究

动态窗口法(Dynamic Window Approach, DWA)是一种移动机器人速度采样的局部避障算法,基于DWA算法的移动机器人避障存在时间长以及在密集障碍物区无法选择最佳路径的缺点。基于此,提出一种改进的DWA算法,对移动机器人避障效果进行优化。首先根据单线激光雷达观测到的障碍物的方位信息以及设计的计算准则确定较优方位角范围,然后选取出较优方位角范围内的轨迹,最后对这些轨迹进行评价,确定最优轨迹对应的执行速度。MATLAB仿真结果表明:改进的DWA避障算法不仅能够使机器人以合理的运行轨迹选择较优角度区域通过密集障碍物区,而且在一定程度上减少了需要评价的轨迹数目,运行效率有所提高。     

动态环境下基于IVS算法的多机器人路径规划北大核心

针对动态环境下的多机器人路径规划问题,采用改进虚拟弹簧算法(improved virtual spring algorithm,IVS)解决路径优化过程中局部最小值和障碍物附近目标不可达问题(GNRON)。首先,基于栅格法建立网络交互动态力学模型,描述多机器人系统网络结构;其次,以最优路径和最短时间为目标,基于机器人编队控制,提出IVS算法,同时建立有效的启发式规则,并根据动态障碍物自身的运动属性,重新规划一条障碍物少的路径;最后,采用MATLAB将本文方法与传统虚拟弹簧算法和动态A*算法进行仿真对比分析,验证IVS算法在解决多移动机器人路径规划问题上具有搜索效率高、避障能力强和环境适应性好的优势。     

基于路网的车辆路径规划融合算法究

针对室外区域非结构化道路环境,为了同时解决全局路径规划问题和局部路径规划问题,提出一种基于Floyd算法、A*算法和人工势场法的路径规划融合算法。采用A*算法规划可行路径,基于Floyd全局最优距离和权重数据递归求出最优路径;改进人工势场法,设计分段力场结合自适应角度函数,规划避障路径;基于三次多项式曲线拟合得到满足动力学约束的行车轨迹。采用MATLAB/Simulink进行路径规划仿真,结果表明：路径规划融合算法根据前方检测环境能准确规划出全局绕路轨迹和局部避障轨迹,单次规划时间分别为1.14 ms和45 ms,满足实时性要求。实车实验结果表明仿真结果准确,验证了实路径规划融合算法的有效性和算法的鲁棒性     

动态环境中多移动机器人路径规划的一种新方法

动态环境下,多移动机器人路径规划是一个具有挑战性的课题,文章提出了一种新的人工势场法（APF）,在这个方法里,机器人在目标点和静态障碍物的影响下到达目标位置,当两个或更多的机器人在安全的距离范围内相遇时,机器人将依据它们所承担的任务,速率和大小决定它们的优先权,具有高的优先权的机器人将首先通过交叉点,如果具有同样的优先权,机器人之间随机的产生优先顺序,通过此方式可以避免彼此碰撞,仿真结果证明此方法是有效的。     

基于改进的势场函数的移动机器人路径规划

当用势场法对移动机器人进行路径规划时，如果目标在障碍物的影响范围之内，利用现有的热场函数，则机器人永远也到达不了目标。本文对热场函数作了改进，新的势场函数把机器人与目标之间的相对距离也考虑进去，从而确保目标点为整个热场的全局最小点，使得移动机器人能够顺利到达目标。     

模糊神经网络信息融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器信息融合方法,并将其用于自主移动机器人导航避障.采用多个超声波及红外传感器探测障碍物的距离和方向,用CCD摄像机来跟踪目标.经过模糊神经网络信息融合后,实现了机器人对障碍物和环境类型的识别以及无冲突的运动.试验表明,该方法能够实现机器人的安全避障.     

融合改进Dijkstra算法和动态窗口法的移动机器人路径规划

为解决移动机器人在智能制造车间的全局路径规划和局部动态避障问题,提出一种融合改进的Dijkstra算法和改进的DWA算法,对传统Dijkstra算法的路径进行平滑优化,使得路径轨迹更加平滑,动态改变DWA算法中速度评价权重函数,提高避障效率。仿真结果表明,改进Dijkstra算法路径平滑优化后,平均路程缩短比例为0.65%,平均偏航角震荡次数减少了67.70%,改进后的DWA算法运行路程缩小9.68%,路径转折次数降低了33%,运行时间缩短3.88%。基于改进的Dijkstra算法和改进的DWA算法提出一种融合算法,仿真和样机实验结果表明：面对静态、动态障碍物,机器人运行线速度平缓,轨迹光滑,角速度波动明显,证明机器人运动稳定,实时调整方位,具有良好的避障能力。并且多次机器人循环定点实验中机器人纵向(X轴方向)平均误差≤30 mm,横向(Y轴)平均误差≤30 mm,定位精度满足工业需求。