基于动态模糊人工势场法的移动机器人路径规划

传统人工势场法在路径规划中存在局部极小值问题,而且不能满足动态环境中移动机器人路径规划对实时性、安全性和可达性的要求.针对传统人工势场法存在的问题,通过引入速度矢量,改势场力函数,并与模糊控制方法相结合,实时调节斥力势场系数,克服人工势场法的缺陷.在MATLAB平台中验证了方法的有效性,实验结果表明,该方法优于人工势场法模型的路径规划.     

基于混合势场法的移动机器人路径规划

针对目前移动机器人在路径规划中出现的问题,提出一种自主移动机器人路径规划的新方法——混合势场法。分析了人工势场法的不足,找出局部极小值点的形成原因;针对人工势场法中障碍物附近目标不可达问题,采用了在斥力场函数中加入斥力因子,使得机器人顺利到达目标点;针对陷入局部极小值和振荡的问题,提出了混合势场法,通过将势场法和可视图法结合起来,使得机器人走出局部极小值和振荡区域。最后,将混合势场法应用于室内移动机器人的路径规划中,仿真实验证明了该方法的有效性。     

移动机器人的实时路径规划研究与仿真

研究移动机器人的实时路径规划问题.为了实现移动机器人在动态不确定环境下实时地避开障碍物,安全到达目标点,提出一种人工势场法与指导性RRT算法结合的改进算法,利用人工势场法在初始环境中预规划一条初始路径.当有新的障碍物出现并且覆盖了初始路径时,启动实时规划.在新的障碍物周围确定合适的规划空间,可利用指导性RRT算法规划局部路径.最后,合并初始路径与局部路径,得出最终路径.仿真结果表明,改进的混合算法能够有效实现移动机器人的无碰撞实时规划,路径长度和规划时间有明显改善.     

一种基于量子染色体变异的移动机器人路径规划融合算法

为了解决机器人路径规划中的“局部最小”问题,提出了一种基于量子染色体变异的人工势场法和栅格法相融合的移动机器人路径规划算法.首先,对人工势场的斥力场进行改进,然后利用融合的人工势场法和栅格法对路径进行规划,产生初始化种群,最后利用量子比特对染色体编码、利用量子染色体变异对种群个体进行更新,完成最佳路径搜索.仿真实验表明,本文提出的融合算法能够有效地避开障碍物,稳定地产生移动机器人的最佳规划路径,提高了种群质量和收敛速度,适合于求解复杂优化问题,达到了预期效果.     

移动机器人未知环境避障研究

针对移动机器人的避障问题,以AS-R移动机器人为实验平台,提出了一种改进人工势场和模糊逻辑相结合的路径规划方法.对于未知障碍物环境采用人工势场法进行实时路径规划,对于动态近距离动态障碍物采用模糊逻辑方法引导机器人做出避障行为.为了有效将2种方法结合,根据传感器信息对于人工势场方法引入转角的信任度,机器人运行方向由上述2...     

基于激光雷达的机器人改进人工势场路径规划研究

人工势场法路径规划需要建立在已知环境下障碍物分布位置的基础之上,而激光雷达传感器可以用于未知环境下障碍物分布位置的探测和获取,因此可以将两者结合,从而解决移动机器人未知环境下路径规划问题。该课题建立在人工势场法理论基础之上,在Matlab中构建路径规划仿真图形用户界面,利用机载激光雷达传感器探测获取障碍物的位置分布信息,通过串口将数据传输至Matlab软件中并显示。在Matlab软件下编写人工势场路径规划的实现算法,进行仿真实验。实验结果表明,传统人工势场法路径规划存在的两个问题,分析原因后给出一种改进的人工势场法,并在之前的图形用户界面下继续进行仿真实验。仿真结果表明：改进的人工势场法有效地实现了路径优化的目标。     

基于模拟退火算法的人工势场法路径规划研究

针对传统人工势场法在路径规划中存在局部极值小点问题,使得移动机器人无法运动到目标点,提出一种基于模拟退火算法的人工势场法,其利用模拟退火算法在出现局部极小点的位置附近增设随机目标点,引导移动机器人逐渐逃离出局部极小点区域.最终通过Matlab仿真表明,所设计的方法能使移动机器人逃离局部极小点位置,成功到达目标点位置,并...     

面向未知地图的六足机器人路径规划算法

针对移动机器人路径规划中无法准确得知全局地图的问题,提出了一种基于模糊规则和人工势场法的局部路径规划算法。首先,利用测距组与模糊规则,进行障碍物的形状分类,构建局部地图;其次,在人工势场法中引入了一种修正的斥力函数,基于局部地图,利用人工势场法进行局部路径规划;最后,随着机器人的运动,设置时间断点,以减少路径震荡。针对随机障碍物和凹凸障碍物的地图,分别采用传统人工势场法和改进的人工势场法进行仿真,其结果表明：在遇到随机障碍物时,相比传统人工势场法,改进的人工势场法能够显著减少与障碍物的碰撞;在遇到凹凸障碍物时,改进的人工势场法能够很好地完成路径规划的目标。所提算法对地形变化适应能力强,能够实现在未知地图下的六足机器人路径规划。     

移动机器人的混合式路径规划算法研究

针对移动机器人在两个相邻的子工作区域中易陷入局部死区陷阱的问题,提出慎思层与反应层相结合的混合式路径规划算法。首先,在慎思层采用栅格法为移动机器人规划出全局较优路径序列,并为反应层提供子目标点。然后,在反应层采用人工势场法或行为分解法实现慎思层规划的路径,并对环境中的障碍物进行避障。仿真结果表明,混合式路径规划算法具有良好的规划效果。基于栅格法与人工势场法的混合式路径规划以及基于栅格法与行为分解法的混合式路径规划都能使移动机器人高效地到达目标点,有效地实现避障。移动机器人路径规划解决方案对室内移动机器人的导航和避障具有一定的借鉴意义。     

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。     

移动机器人的动态路径规划及控制

本文阐述了两类机器人的导航方法:第一类方法是,先生成整个路径,然后进行路径跟踪控制;第二类方法是所谓的势场方法,即利用人工势场直接进行运动控制.在此基础上,我们提出了用于移动机器人系统导航的动态路径规划-控制方法.系统根据环境信息对路径进行动态的生成与控制,从而与实际环境实现了闭环,增加了对系统的稳定性和对环境的适应能力.     

Control of leader–follower formation and path planning of mobile robots using Asexual Reproduction Optimization (ARO)

This paper presents the optimal path of nonholonomic multi robots with coherent formation in a leader–follower structure in the presence of obstacles using Asexual Reproduction Optimization (ARO). The robots path planning based on potential field method are accomplished and a novel formation controller for mobile robots based on potential field method is proposed. The efficiency of the proposed method is verified through simulation and experimental studies by applying them to control the formation of four e-Pucks robots (low-cost mobile robot platform). Also the proposed method is compared with Simulated Annealing, Improved Harmony Search and Cuckoo Optimization Algorithm methods and the experimental results, higher performance and fast convergence time to the best solution of the ARO demonstrated that this optimization method is appropriate for real time control application.     

一种基于改进人工蜂群算法的机器人实时路径规划方法

在移动机器人控制领域,路径规划是最重要并具有挑战性的问题之一。本文首先采用栅格法对环境进行建模,然后提出一种改进的人工蜂群算法用于机器人的路径规划。在该算法中,为了提高人工蜂群算法的收敛速度,提出自适应的搜索方式,并采用精英保留选择策略以避免机器人路径规划陷入局部最优。仿真实验结果表明,所提算法在机器人路径规划上的可行性与有效性。     

移动机器人动态人工势场路径规划方法研究

针对传统人工势场法在多障碍物环境中进行路径规划存在局部极小值,以及动态环境中移动机器人无法实时路径规划等问题,提出一种动态模糊控制的改进人工势场法,通过在势场力函数中引入速度矢量项,并采用模糊控制方法实时调节斥力场系数,从而实现在动态多障碍物的环境下机器人快速、实时、自适应的路径规划.仿真结果表明,该方法有效可行,在典型位置关系及特殊运动状态下均可获得良好的路径规划性能.

Abstract：

For traditional artificial potential field (APF) method,the local minima problem exists and can not satisfy the requirement of real-time for path planning of mobile robots in the multi-obstacle dynamic environment. A new APF method based on dynamic fuzzy control is proposed in this paper. The potential field force function is modified by introducing the velocity vector. The coefficients of potential field of repulsive force are adjusted by fuzzy control method. A fast real-time self-adaptive path planning method with dynamic multi-obstacle is realized. The simulation results show that the method is effective and feasible, and can get much better performance of path planning in typical location relationship and special motion relationship.     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader—following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader—following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader—following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader—following算法可以用于机器人的避障控制。     

基于ACS算法的移动机器人实时全局最优路径规划

以Ant Colony System（ACS）算法为基础提出了一种新的移动机器人实时全局最优路径规划方法.这种方法包括三个步骤:第一步是采用链接图理论建立移动机器人的自由空间模型，第二步是采用Dijkstra算法搜索出一条无碰撞次优路径，第三步是采用ACS算法对这条次优路径的位置进行优化，从而得到移动机器人的全局最优路径.计算机仿真实验的结果表明所提出的方法是有效的，可用于对移动机器人进行实时路径规划.仿真结果也证实了所提出的方法在收敛速度、解的波动性、动态收敛特征以及计算效率等方面都具有比采用精英保留遗传算法的移动机器人路径规划方法更好的性能.     

基于改进人工势场法的移动机器人路径规划

基于传统人工势场法的机器人路径规划存在障碍物附近目标不可达和局部极小点的问题。在研究该问题产生原因的基础上,提出了一种基于改进人工势场法的移动机器人路径规划算法。该算法在斥力函数中引入了机器人和目标点之间的距离,在极小点附近自主建立虚拟目标牵引点并隔离原有目标点,解决了传统人工势场法的局部极小点问题,使机器人到达了目标点。仿真结果说明了改进后算法的有效性。     

基于分层搜索的移动机器人路径优化

分析比较了经典的全局路径规划算法,针对移动机器人运动路径规划的优化问题,将A*、人工势场、栅格等多种算法的优势加以综合考虑,提出一种基于栅格的分层搜索概念。该方法采用栅格法进行建模,以分层搜索为核心思想,外层采用A*算法将复杂的图元模糊化以简化环境,内层则采用人工势场算法将具体的栅格还原以解模糊,具有一定的理论意义与应用前景。其仿真实验表明,该方法能达到较好的路径规划效率和实时性。     

基于模糊控制器的移动机器人路径规划仿真

目前移动机器人系统已经被广泛研究,机器人的避碰控制策略也多种多样.主要借鉴模糊控制的思想来解决移动机器人路径规划中的避碰问题,实现机器人在障碍物环境中快速、准确的找到一条无碰撞的路径,最终达到目标点.首先介绍了模糊控制的理论基础,然后对路径规划算法进行了推导,在总结经验建立模糊规则的基础上,运用模糊推理,构造出一张实践效果较好的控制响应表,仿真结果表明了该算法应用于移动机器人路径规划具有正确性、实用性和智能性等,该方法计算量小,运算速度快,提高了机器人控制的速度.     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索,提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模,将滚动窗口的概念引入到局部路径规划,由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．