改进人工势场法在机器人路径规划中的应用

针对传统人工势场法中存在的一些局部极小点问题,提出了一种基于偏转角度的改进人工势场法。针对在传统的人工势场法中,障碍物在目标点附近使得机器人不能到达目标点问题,通过加入机器人与目标点之间距离参数的方法,使得移动机器人顺利到达指定目标点。对于机器人在行进过程中,产生局部极小点问题,即出现合力为零的时候,在机器人因受斥力和引力的作用下沿正常角度行驶时给其加入一个偏转角度,有效解决了路径规划失败的问题,规划出一条平滑无碰撞路径。通过仿真实验,可以验证算法改进的有效性。     

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。     

改进人工势场法在机器人路径规划中的应用

为解决传统人工势场法用于机器人路径规划时会出现规划失败的问题,分析了由于局部极小点问题而导致规划失败的原因。在已改进人工势场函数的基础上,提出了通过增加虚拟目标点和原目标点共同对机器人产生引力的方法来解决传统人工势场法中出现的局部极小点问题。在Mobotsim中对算法的仿真结果表明了该方法的可行性和有效性。     

基于改进人工势场的AGV路径规划算法

在老旧仓库中使用传统人工势场算法进行路径规划时, 原本出现频率极低的与远目标端障碍物相撞、目标点不可达、局部极小值等缺陷出现的频率极大提高. 为提升人工势场算法寻径的成功率, 本文提出了改进人工势场算法, 对上述3种缺陷进行了修正, 并使用Matlab模拟仿真验证了算法的有效性. 在改进人工势场算法中, 通过对引力与斥力的改进, 有效解决了与远目标端障碍物相撞及目标点不可达问题. 通过引入临时障碍物, 则有效解决了局部极小值问题. 在实验部分, 针对不同仿真环境, 我们以路径长度和程序运行时间作为评价指标, 对比了传统人工势场算法与改进人工势场算法的路径规划效果. 实验结果显示不论环境中是否存在缺陷, 改进人工势场算法总优于传统人工势场算法.     

基于虚拟目标的AGV局部路径规划研究

针对传统人工势场法对AGV(Automated Guided Vehicles)进行路径规划时,容易产生局部极小值的问题,提出了一种基于虚拟目标的人工势场路径规划方法.基本原理是AGV在行驶过程中,根据障碍的分布和目标的方位,动态地改变目标点的方位,即改变引力的方向,来避免引力和斥力的合力为零的情形发生,从而消除局部极小值产生的条件.设计了模糊逻辑控制器,用来预测合力为零的可能性.如果合力有可能为零,则计算为避免合力为零,目标方位的改变量.仿真结果表明,该方法能有效地解决局部极小值问题,为AGV规划出一条光滑的行驶路径.     

基于改进人工势场法的移动机器人路径规划

传统人工势场法处理机器人路径规划时，会出现陷入局部最小值乃至无法运动的问题以及障碍物附近目标不可达问题。针对传统算法的不足，提出一种改进的人工势场法。对引力场进行修改，添加最小引力势能，并在斥力场函数中引入当前点与目标点的欧氏距离，当搜索路径陷入局部最小值不可移动时采用变步长的模拟退火算法进行逃逸。在规划出来的路径上提出一种路径优化算法，对规划出来的路径进行平滑处理。仿真分析表明，改进后的算法能够在较为复杂的静态障碍环境中规划出一条无碰撞的平滑路径，证明了该算法的有效性。     

基于模糊人工势场法的智能全向车路径规划

针对于移动机器人在传统人工势场法路径规划中易于陷入局部最小点而无法抵达目标点的问题,同时考虑到实际环境中人工势场法相关参数的不确定性,提出了一种基于模糊人工势场法的动态路径规划方法。借助于专家经验进行模糊决策,调整移动机器人在各个时刻的合力大小和方向,进而解决斥力常数、引力方向偏角以及机器人行驶速度的不确定性问题。为了验证该方法的有效性,在智能全向车平台进行了应用,结果表明,智能全向车运动轨迹平滑,避免了实际应用中的震荡问题。     

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.     

足球机器人路径规划的改进型人工势场算法研究

传统人工势场法不能适应复杂动态环境且容易产生局部极小,论文提出了一种改进型的人工势场算法,该算法考虑了机器人和障碍物的速度、加速度等动态特性,对传统人工势场进行了有效的调节,使其能更好地适应动态复杂环境,对局部极小问题进行判定,通过改变斥力场和引力场的影响力来解决局部极小问题,将该优化算法运用到足球机器人仿真比赛中,结果表明基于改进型人工势场优化算法能够在动态对抗性的环境中有效地实现最优路径规划,弥补了传统人工势场的不足。     

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。     

Local minima-free design of artificial coordinating fields

In order to overcome the drawbacks of conventional artificial potential fields (APF) based methods for the motion planning problems of mobile robots in dynamic uncertain environments, an aruficial coordinating fields (ACF) based method has been proposed recently. This paper deals with the reachability problem of the ACF, that is, how to design and choose the parameters of the ACF and how the environment should be such that the robot can reach its goal without being trapped in local minima. Some sufficient conditions for these purposes are developed theoretically. Theoretical analyses show that, the ACF can effectively remove local minima in dynamic uncertain environments with V-shape or U-shape obstacles, and guide the mobile robot to reach its goal with some necessary environment constraints and based on the methods provided in this paper to properly choose the parameters of the ACF. Comparisons between the ACF and APF, and simulations are provided to illustrate the advantages of the ACF.     

基于改进人工势场的移动机器人路径规划

介绍了传统人工势场法在静态环境中的应用,分析了此方法在动态环境中的不足,在此不足的基础上引入了速度势场的概念,改进了传统的人工势场函数,得出了新的引力函数和斥力函数;新的引力函数和斥力函数考虑了机器人、目标点、障碍物的速度特性,使机器人能更好适应动态环境;在新的势场函数作用下,机器人能快速调整自身速度大小和方向,使其快速脱离障碍物的威胁并快速、准确到达或追踪目标;仿真实验结果验证了新的人工势场函数的有效性.     

New repulsive potential functions with angle distributions for local path planning

This paper presents new repulsive potential functions (RPFs) for point robot path planning. In this scheme, the RPF for path planning has a different magnitude at each direction of a RPF based on the angle between a goal and an obstacle, unlike a conventional RPF in which the same magnitude at each direction is obtained. In doing so, the RPF attempts to overcome some of the typical problems that may arise with the conventional RPF. In particular, this paper presents a set of analyses for designing potential functions to avoid local minima for a number of representative scenarios. Specifically, the following cases are addressed: (i) a non-reachable goal problem (a case in which the potential of the goal is overwhelmed by the potential of an obstacle), (ii) an obstacle collision problem (a case in which the potential of the obstacle is overwhelmed by the potential of the goal) and (iii) a narrow passage problem (a case in which the potential of the goal is overwhelmed by the potential of two obstacles). The proposed RPF scheme eliminates the non-feasible area for the three cases by the help of an angle-varying magnitude between a goal and an obstacle. The example results show that the proposed RPF scheme can effectively construct a path-planning system with the capability of reaching a goal and avoiding obstacles despite possible local minima.     

复杂环境下改进APF的机器人路径规划

针对移动机器人在有大型障碍物和运动空间相对狭窄的复杂环境中,人工势场法（APF）容易出现反复震荡、路径规划时间较长以及大型障碍物附近避障困难的问题,提出了在结合边缘探测法的APF路径规划基础上,加入自适应动态步长调整算法来克服APF的上述缺陷,实现移动机器人在复杂环境下的平滑路径规划,在确保路径近似最优的同时提高APF算法的收敛速度和路经规划的避障性能。实验结果证明了上述方法的有效性。     

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.     

结合Winner-Take-All的足球机器人控制策略研究

在足球机器人运动过程中,足球机器人处于一个实时对抗的复杂环境中,这就需要机器人有较高的实时运动过程应对能力。需要对每个关键时刻,例如：多机器人抢球过程、单机器人控球过程等,做出合理的应对措施。许多策略的研究都只注重单机器人控球过程的路径规划,没有考虑到多机器人竞争的过程,导致足球机器人整个运动过程中的一些关键步骤的缺失,丧失了完整性,忽略了实时的对抗性。拟采用新的策略解决上述问题：第一步是将采用WTA（Winner Take All）竞争模型去有效的解决多机器人竞争问题;第二步将采用一种改进的APF（Artificial Potential Field）路径规划法来进行避障。解决了传统APF算法的弊端,提高了效率。通过仿真实验,验证了理论的正确性,也验证了所提理论的科学性和实用性,为以后在其他科学领域的实践奠定了基础。     

基于势场法的移动机器人路径规划仿真研究

针对势场法的障碍物附近目标不可达(GNRON)问题,采用改进斥力势场函数,把机器人和目标的相对距离考虑进去,从而确保目标点为整个势场的全局最小点,使得机器人能够顺利到达目标。针对局部极小引起的陷阱区域问题,提出了增加引导点的方法,使得机器人能够快速走出陷阱区域,向目标点移动。通过仿真实验,还实现了机器人在限定区域内漫游。改进后的势场法适用于复杂环境下的移动机器人路径规划。仿真结果证明了此方法的有效性。     

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。     

改进人工势场法的移动机器人避障轨迹研究

针对传统人工势场法在多障碍物复杂环境的全局路径规划中出现的目标不可达、易陷入陷阱区域以及局部极小点问题,提出一种简化障碍物预测碰撞人工势场法（simplified obstacles and predict collision of artificial potential field method,SOPC-APF）,算法引入预测碰撞思想,在机器人未进入陷阱区域或者极小点问题前做出决策;对于多障碍物的斥力与目标点的引力产生的合力使机器人陷入震荡,提出简化障碍物,即简化为影响范围内目标点一侧的受限障碍物;针对目标不可达问题,在碰撞预测基础上,设定虚拟目标点,经改进的斥力函数引导机器人快速生成一条平滑、平稳、无碰撞的路径。通过与传统算法、改进APF算法以及改进蚁群算法的仿真对比实验表明,SOPC-APF有效解决了人工势场法不适用于多障碍物复杂环境的问题,以及传统算法容易陷入陷阱区域和局部极小点问题。