基于改进人工势场法的四旋翼无人机航迹规划算法

利用传统的人工势场法进行四旋翼无人机的航迹规划时,存在易陷入局部最小解的问题,从而使得四旋翼无人机不能按照预期要求到达目标位置,为了解决此问题,提出了一种改进的人工势场法.首先,在斥力势场函数中加入了航迹点和目标点之间的距离,同时引入了协调力,解决了传统人工势场法的极小值问题;其次,在三种U型槽障碍物环境中进行了所提算...     

结合预设航线的多旋翼无人机避障算法

针对现有多旋翼无人机使用人工势场法进行避障的研究中,仅考虑目标点的安全抵达,少有考虑按预设航线飞行的作业需求,通过在人工势场法中赋予航线"线势场",将多旋翼无人机的避障与航线飞行进行结合,使无人机避障之后能重回航线.针对传统势场法中的引力场并不适用于无人机,对引力场进行了改进.解决了引入"线势场"后容易导致无人机陷入局部极小点的问题,通过仿真验证了上述改进的效果.     

基于改进人工势场法的多机器人编队避障

为解决多机器人系统在编队过程中的避障以及成员之间避碰问题,提出了基于改进人工势场(IAPF)的避障以及基于一致性的编队控制方法。为分析机器人的运动学,建立了数学模型,构造了运动态势感知图(MSAM),使机器人能够更好地感知周围环境信息以做出最佳决策;为解决人工势场法中的局部最小值与目标不可达(GNRON)问题,建立了旋转势场;为避免机器人之间的碰撞,设定了排斥势函数与机器人优先级模型。使用基于一致性的编队原理,设计稳定的拓扑结构,对多机器人进行编队控制。为证明所提算法的有效性,设计了一系列的仿真实验,最终证得该方法可有效解决多机器人系统在编队过程中的避障以及避碰问题。     

基于改进人工势场法的机械手避障规划

针对三维环境中机械手在障碍物附近目标不可达问题和局部最小值问题,提出一种基于改进人工势场法的机械手避障方法.该方法以机械手末端所受合力的方向作为其运动方向,通过势场力的作用使机械手末端避开障碍物,解决障碍物附近目标不可达问题;采用X-Y平面内的角度偏移法,使机械手末端迅速跳出局部最小值,解决势场法的局部最小值问题;从而使机械手避开障碍物到达目标位置,并给出了机械手避障规划算法的具体实现步骤.将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的常规作业任务中,仿真实验结果表明,机械手末端沿着规划路径可跳出局部最小值,并避开障碍物,成功到达目标位置,验证了该算法的有效性.     

基于前馈控制人工势场法的无人机群系统设计

针对人工势场法中产生的振荡与停滞问题,提出一种前馈控制的改进方法.通过对上一状态的分析,计算出当前状态的期望值,再结合当前路径规划算法的解算值,得到当前状态的最终控制量,使得无人机(UAV)的行进路线更为平滑,局部最优问题也得到解决.为解决机群间的碰撞问题,对斥力场函数分层处理,并实时将它机作为障碍点.在群飞系统设计中...     

改进人工势场法的四旋翼路径跟随能力研究

为了提高四旋翼无人机航线任务飞行中的路径跟随能力和抗干扰能力,设计了一种基于改进人工势场法的路径跟随算法,该算法针对目前的人工势场法只能逼近目标点和避开障碍点、没有一个很好的路径跟随能力的缺点,通过增加目标航线上的点对无人机的吸引力来驱使无人机在逼近目标航点的同时能较好地跟随航线。构建了四旋翼无人机控制算法仿真,通过仿真无人机在飞航线的多种情况证明,所设计的路径跟随算法具有很强的抗干扰能力以及较高的控制效率。     

基于改进势场法的无人机编队协同避障控制算法

为了解决多无人机存在的自碰撞与障碍碰撞及编队通信架构等问题,在二阶模型的编队系统基础上,提出一种由图论和人工势场理论相结合的分布式编队控制策略。依据运动学原理建立无人机模型,以固定无向的通信拓补结构为基础,引入分段思想、旋转力、机间势场力来改进势场合力函数,以解决可能出现的目标不可达、死锁、编队安全问题,精准实现编队避障、避碰与航迹预规划;根据一致性理论对无人机状态误差进行修正,设计编队协同避障控制律以实现期望状态一致与航迹规划;通过构造Hamilton函数与反证法进行稳定收敛性分析,证明所提出控制算法的收敛一致性。通过仿真结果表明,无人机编队能够有效进行避障并快速达到期望一致。     

基于改进人工势场法电力巡检无人机航迹规划

论文中结合无人机在电力巡检中的应用以及无人机巡线的方式,引入了理想巡检路径,提出了一种基于人工势场的无人机航迹规划避障的改进算法;根据电力巡检无人机的应用场景对势函数进行了调整,并且引入无人机在理想航迹投影点的引力场,当无人机陷入U型障碍物时调整无人机对障碍物感知的范围,使无人机摆脱U型障碍物.该改进算法不仅可以提高无人机巡线的效率,也可以解决部分局部极小问题.最后通过二维平面轨迹规划问题的数学仿真,验证了该方法的有效性.     

基于模糊改进人工势场法的机器人避障方法研究

在内部密封、狭窄、多障碍的船舱环境中,障碍物的分布具有随机性和不确定性,对于移动机器人的避障方法而言,传统人工势场法存在目标不可达、局部极小值等问题.设计了一种基于模糊逻辑的改进人工势场法,在避障算法的局部极小值附近,基于模糊逻辑给予移动机器人辅助控制力,帮助机器人逃离局部极小值点,避免机器人在避障过程中陷入局部极小值点的问题,并且优化路径.仿真实验表明:在多障碍复杂环境下,该算法能实现机器人实时、安全的避障.     

基于改进人工势场法的机器人避障及路径规划研究

在不确定和复杂的移动环境中,利用传统的人工势场法进行机器人避障很难满足对环境动态适应性的需要。提出了一种相对速度的改进的人工势场法,针对于传统的路径规划中局部最小值问题,提出设置中间目标点的方法,给机器人一个外力以避免其在局部最小点处停止或者徘徊,确保机器人能够逃出最小值陷阱并顺利到达目标位置。最后在Matlab平台上进行了仿真实验,实验结果表明,改进后的人工势场法能较好地实现动态环境下移动机器人的路径规划。     

基于新人工势场函数的机器人动态避障规划

人工势场法是进行机器人路径规划时常用的方法,但若用圆锥曲线函数作为引力场数学模型时,在目标点会产生抖动问题.本文在分析抖动产生原因的基础上,增加一个指数项到引力场函数中,从而消除了奇异值点,避免了抖动现象.然后将一敏感度参数引入斥力场函数,以便灵活控制运动过程中机器人与障碍物距离的大小.通过对敏感度的调节,还可以克服传统势场法中目标点在斥力作用范围内时,机器人无法到达目标点的缺陷.最后给出新势场法的仿真.     

基于改进人工势场法的机械臂避障路径规划

在对机械臂进行避障路径规划时,传统人工势场法依赖周围环境信息进行避障,针对障碍物精确信息较难获取,且形状不一,提出了采用椭球包围盒对障碍物进行建模,兼顾了包围盒的简单性和紧密性。同时,针对路径规划中容易陷入局部最优的问题,则提出了使用RRT（rapidly-exploring random tree）方法来解决这种问题,当路径规划陷入局部最优时,使用RRT算法自动生成并添加虚拟目标点,通过改变机械臂周围的环境从而达到跳出局部最优的目的。多次仿真实验表明,采用椭球包围盒建模并采用上述改进算法时,可以快速并且有效地规划出一条无障碍的路径。     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

基于人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法,具有反应速度快、计算量小和实时性等优点。但这种方法容易产生局部极点,导致机器人停止移动,达不到目标。文章利用传统的人工势场法对移动机器人避障行为进行了仿真实验并成功地规划出一条光滑路径,并对人工势场法研究现状进行了分析讨论。     

基于改进人工势场和一致性协议的协同避障算法

协同避障是无人机（UAV）系统的关键技术之一,而UAV集群避障期间存在队形丢失、任务失效和能源消耗增加等问题。为解决这些问题,提出了一种基于改进人工势场和一致性协议的协同避障算法。首先,根据多旋翼UAV的控制律来设计保持速度、位置一致的控制协议,并采用归一化和高阶指数缩放变换人工势场力,从而解决势场力变化幅度过大导致的振荡失效问题;然后,引入人工势场力调整一致性协议期望编队,从而解决人工势场法与一致性协议组合算法的控制冲突问题。在复杂障碍环境下,所提算法与编队划分避障算法、动态窗口避障算法进行对比仿真的结果表明,所提算法的队形平均损失程度分别下降82.60%、64.38%,任务平均失效程度分别下降98.66%、86.01%,飞行路径总长度分别下降9.95%、17.63%。可见,所提算法适用于多障碍复杂飞行环境。     

基于改进势场法的机械臂动态避障规划

本文针对刚性机械臂提出了一种基于改进势场法的动态避障规划算法.势场产生只作用于机械臂末端的引力和作用于机械臂与障碍物最近点的排斥力,并依据动力学定律分别产生吸引速度和排斥速度.本文直接在笛卡尔空间中构造基于目标速度的吸引速度,使机械臂能够追踪动态目标;构造方向依据障碍物速度变化的排斥速度,使机械臂连杆也具备避开动态障碍的能力.最终两种速度在机械臂关节空间合成,为机械臂规划一条无碰路径并控制机械臂追踪动态目标.仿真结果证明了该方法的有效性.     

基于改进人工势场法的无人机路径规划算法

针对传统的人工势场(APF)法无法适应复杂环境而陷入局部停滞状态、路径不够平滑等不足,提出了改进的人工势场法。首先,该算法对威胁的连通性进行分析,借鉴几何拓扑学思想得到可行解域。其次,该算法在可行解域内进行航迹点预规划。预规划基于威胁分布的全局性信息,弥补人工势场法易陷入局部最小而无法找到可行路径的不足。最后,该算法改进人工势场法引力函数,通过多次迭代,并进行曲率检查以获得足够平滑的可飞路径。仿真结果表明改进算法能够满足无人机路径规划的要求,且简便可行,具有较强寻优能力及适应性。     

基于人工势场一遗传算法的机械避障方法研究

人工势场法是机器人避障规划中常用的方法,具有简单、实时性强的特点,但其存在目标不可达和局部极小值问题;文中针对机械臂的避障问题,首先利用人工势场法确定机械臂末端的避障轨迹,使用改进的斥力场克服势场法的目标不可达问题,利用随机逃离和沿等势线逃离相结合的方法解决局部极小值问题;其次针对机械臂末端避障轨迹中的每个点,采用遗传算法计算其对应的机械臂逆运动学解,在确保杆件不发生碰撞的情况下,充分保持关节角变化的柔顺性;仿真结果表明算法能够有效地实现机械臂的避障规划.     

基于神经网络和人工势场的滚动规划

针对多障碍动态环境,论文提出了一种新的路径安全评价方法,并在此基础上提出了基于神经网络和人工势场法的滚动规划方法。与以往的全局规划相比,减少了全局中无关信息干扰,增加了规划效率;与以往的滚动规划相比,增加了移动机器人的预测能力,减少了碰撞的可能性。仿真实验表明,这种规划方法能有效地解决多障碍动态变化的时变环境中的路径规划问题。