基于改进人工势场法的救灾机器人路径规划

针对矿井障碍物复杂多变、救灾机器人采用传统人工势场法进行路径规划易陷入局部极小点的问题,提出一种基于改进人工势场法的救灾机器人路径规划方法。该方法通过在引力场中加入扰动场来改变引力场函数,使救灾机器人在陷入局部极小点时自主走出局部极小点;结合障碍填充法,通过对凹障碍物进行虚拟填充,形成新的障碍物并产生相应的斥力场函数,避免救灾机器人再次陷入局部极小点。仿真及测试结果验证了该方法的可行性及有效性。     

基于改进势场法的足球机器人避障路径规划

分析了势场法用于移动机器人路径规划中产生目标不可达问题的原因, 提出了改进的斥力势场函数, 将机器人与目标的相对距离考虑在内, 以确保总的势场力在目标位置全局最小. 改进的势场法应用于足球机器人避碰控制. 仿真与应用结果表明, 它能有效地解决在目标附近有障碍物时目标不可达问题.     

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.     

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。     

基于改进人工势场法的移动机器人路径规划

针对势场法的障碍物附近目标不可达的问题,改进了传统人工势场斥力函数,确保目标点是机器人的势场全局最小点,使得机器人顺利到达目标点。针对势场法的局部最小值问题,提出了一种连接局部最小值区域障碍物的方法,建立了机器人离散传感器模型,使机器人快速走出局部最小值区域。改进后的人工势场法适用于复杂室内环境下的机器人路径规划。仿真结果证明了该方法的有效性。     

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。     

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。     

动态环境下基于人工势场的移动机器人运动规划

分析了传统势场法在动态环境下的不足，并在此基础上引入了速度势场的概念，改进了传统的势场函数，推导出新的引力函数和斥力函数.在新的势场函数作用下机器人能够快速调整自身的速度大小和方向，使其快速脱离障碍物的威胁并能快速地到达目标或追踪目标.仿真实验验证了新的势场方法的有效性.     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

A Stable Switched-System Approach to Collision-Free Wheeled Mobile Robot Navigation

This paper presents a novel switched-system approach for obstacle avoidance by mobile robots. This approach does not suffer from common drawbacks of existing methods, such as needing prior knowledge of obstacles, or local minima or chattering in control laws. We define an attractive and an avoidance vector in obstacle-free and obstacle-avoidance regions, respectively. Next, we define an unified velocity vector, which represents either the attractive vector or the avoidance vector, and drives the robot away from the obstacle and ultimately towards the goal. The avoidance vector differs from the repulsive vector commonly used in potential field approaches, rather it is defined always perpendicular to such a repulsive vector and projects positively onto the attractive vector. The unified velocity vector enables the use of a common Lyapunov function in analyzing the stability of the system under arbitrary switching. Novel switching rules are proposed for obstacles that can be well bounded by a circle in the local subset of SE(2). To better handle large, non-circular obstacles, a separate switching signal is proposed. Through the choice of switching rule, we investigate the chattering problem that can hinder some switching controllers. We present two control laws, one with bounded inputs and one with no bounds on inputs. We prove both control schemes are asymptotically stable and guide the robot to the goal while avoiding obstacles. To verify the effectiveness of the proposed approach, as well as compare the control laws and switching rules, several simulations and experiments have been conducted.     

Autonomous mobile robot dynamic motion planning using hybrid fuzzy potential field

A new fuzzy-based potential field method is presented in this paper for autonomous mobile robot motion planning with dynamic environments including static or moving target and obstacles. Two fuzzy Mamdani and TSK models have been used to develop the total attractive and repulsive forces acting on the mobile robot. The attractive and repulsive forces were estimated using four inputs representing the relative position and velocity between the target and the robot in the x and y directions, in one hand, and between the obstacle and the robot, on the other hand. The proposed fuzzy potential field motion planning was investigated based on several conducted MATLAB simulation scenarios for robot motion planning within realistic dynamic environments. As it was noticed from these simulations that the proposed approach was able to provide the robot with collision-free path to softly land on the moving target and solve the local minimum problem within any stationary or dynamic environment compared to other potential field-based approaches.     

基于人工势场与IB-LBM的机器蛇水中2D避障控制算法

为了提高多冗余度、多自由度机器蛇水下环境运动适应能力,提出了基于人工势场与IB-LBM （immersed boundary method-lattice Boltzmann method）相结合的机器蛇水中2D智能避障算法.首先,采用格子Boltzmann方法描述2D水中障碍模型、构造统一形式.然后,运用浸入边界法,结合现有的蛇形曲线运动方程,在计入人工势场法引力和斥力作用的情况下,推导得到机器蛇2D水中避障模型.之后,通过改变障碍影响距离、机器蛇摆动振幅、摆动频率、障碍点斥力增益系数、雷诺数以及目标点引力增益系数等重要参数,研究机器蛇在不同情况下的避障效率和避障安全性.最后,通过多次仿真求取各项参数的最优值.仿真结果表明,在各项参数都最优时,该算法能使机器蛇快速、安全、有效地避开水下复杂环境中的静态障碍而到达目标点.该方法不仅能够充分研究机器蛇在水中的流固耦合特性,获得实时避障效果,而且能够利用已知的环境信息生成最优路径.     

无线城域网的前向差错控制方案

圆锥曲线密码算法是一种新型的公钥密码算法,其参数选择会直接影响密码算法的安全性.该文分析了由于圆锥曲线的参数选择不当造成圆锥曲线密码算法安全性降低的原因,并给出了有限域Fp及环Zn上产生安全圆锥曲线的方法.扩展了张明志提出的圆锥曲线群的定义,从而构造了适用于特征为2的有限域上圆锥曲线的方程.     

圆锥曲线公钥密码算法的参数选择

圆锥曲线密码算法是一种新型的公钥密码算法，其参数选择会直接影响密码算法的安全性。该文分析了由于圆锥曲线的参数选择不当造成圆锥曲线密码算法安全性降低的原因，并给出了有限域Fp及环Zn上产生安全圆锥曲线的方法。扩展了张明志提出的圆锥曲线群的定义，从而构造了适用于特征为2的有限域上圆锥曲线的方程。     

基于深度Q网络和人工势场的移动机器人路径规划研究

随着移动机器人在各个领域的研究与发展,人们对移动机器人路径规划的能力提出了更高的要求;为了解决传统的深度Q网络算法在未知环境下,应用于自主移动机器人路径规划时存在的收敛速度慢、训练前期产生较大迭代空间、迭代的次数多等问题,在传统DQN算法初始化Q值时,加入人工势场法的引力势场来协助初始化环境先验信息,进而可以引导移动机器人向目标点运动,来减少算法在最初几轮探索中形成的大批无效迭代,进而减少迭代次数,加快收敛速度;在栅格地图环境中应用pytorch框架验证加入初始引力势场的改进DQN算法路径规划效果;仿真实验结果表明,改进算法能在产生较小的迭代空间且较少的迭代次数后,快速有效地规划出一条从起点到目标点的最优路径。