一种改进的势场法路径规划算法

在应用传统人工势场法的移动机器人路径规划问题中,机器人对移动障碍物避障效率较低,路径中存在局部极小点。针对这些缺陷,构建了一种基于势流理论的势场模型。在该模型中,势流理论中的概念与路径规划中的概念一一对应,修正函数解决了势流理论中与路径规划问题的矛盾之处,如点汇处速度无穷大等。为了保证对移动障碍物避障的可靠性,应用茹科夫斯基变换对势场分布及函数进行了改进。模型经改进后,为解决局部极小问题,本文进一步使用了点涡的概念,此后又加入虚拟点源以优化轨迹。最后,讨论了多障碍物势场加权叠加方法。仿真实验中,在多种避障情景下对比了改进前后的势场法。仿真结果表明,改进势场能够引导机器人对移动障碍物进行灵活避障,在避免局部极小点时较传统方法更为有效。     

基于ROS平台机器人导航避障系统设计与开发

基于ROS工业机器人开源平台,应用C++语言进行了移动机器人导航避障系统的设计与开发。选用激光雷达作为位置传感器,融合视觉里程计、轮式里程计和IMU里程计三大里程计数据,采用传统定位与SLAM算法创建地图,应用AMCL算法准确确定移动机器人位置;对移动机器人使用A~*算法进行全局路径规划、DWA算法进行局部路径规划,并且使用模糊BUG2算法作为核心算法实现局部避障器融入ROS规划系统中,应用C++语言开发程序,在移动机器人Robotino在地图上的两个点进行导航和避障测试。结果表明,只要合理设置机器人和障碍物之间相对运动速度,机器人可以规划出一条躲避缓慢移动障碍物、全局较优路径。     

未知环境的移动机器人路径规划研究

为了提高移动机器人在未知环境中的路径规划的性能,提出了改进人工势场法.首先分析了传统人工势场法的优缺点,据此,提出了一种由模糊智能控制与改进人工势场法相结合算法.由模糊算法对静态障碍物进行避障,并改进引力函数将目标点速度、加速度信息加入其中对目标点进行跟踪,从而实现自动避障和路径规划.通过实验仿真对比可知,此算法在存在障碍物环境中,移动机器人可以寻得较短的路径和较快的时间,安全无碰撞的到达目标点,该算法的准确度可达96％.     

基于改进遗传算法的室内移动机器人路径规划

将一种改进的遗传算法应用到室内移动机器人的路径规划中。能够克服机器人运动路径穿越障碍物,算法收敛速度慢,容易陷入局部最优等缺点。根据环境先验知识从种群数目筛选、适应度函数的确定、遗传操作等方面进行了改进,加快了算法的搜索进程和演化效率。提出了一种将环境中大障碍物分割并多圆化处理的方法,并根据障碍物与机器人每步运动轨迹间的位置关系来设计遗传算法的适应度函数,扩充了可行区域并有效避免机器人和障碍物发生碰撞。应用此算法可以获得移动机器人从起点到终点的全局最优路径,在MATLAB软件中仿真得到的结果证明,改进的遗传算法搜索质量高、进化和收敛速度快,得到的最优路径能够有效指导移动机器人完成室内的避障移动任务。     

工业移动机器人路径规划讨论分析

人工势场法在路径规划期间容易因为势场局部区域存在的最小点和限制等问题,从而使得移动机器人难以根据预先规定的路径运行,为此需要根据现实工作中复杂的障碍物摆放位置,重新设定移动机器人路径规划方案,使得移动机器人可以在复杂的环境下,依然可以自由移动,为了完成这个目标,本文将根据移动机器人行进存在的问题,改进人工势场法,明确规定前进方向向量,并使用计算机根据斥力生成条件,调整局部最小点以及陷阱区域,完善路径规划机制,使得移动机器人有判断能力,可以在虚拟目标点指引作用下,摆脱势场局部最小点。改进后的人工势场法变得异常重要,本文将以as-r移动机器人为例分析改进人工势场法自主移动机器人路径规划,使移动机器人在移动期间,免受地面阻碍物的干扰,提升路径规划效率。     

解决路径规划局部极小问题的势场栅格法

路径规划作为移动机器人顺利完成作业任务的前提,成为了机器人控制领域的研究重点和热点问题。人工势场法以其简洁性和有效性在路径规划中普遍应用,然而由于移动机器人对周围环境信息感知的局限性,容易导致局部极小问题的出现。针对此问题,提出了解决路径规划局部极小问题的势场栅格法。首先对机器人的工作环境进行栅格划分,然后应用改进后的人工势场法为每个栅格赋予势场值,机器人通过搜索势场值的下降方向不断接近目标点,接着采用赋最大值法对局部极小区域的栅格重新赋值,降低搜索的盲目性,使机器人以最优路径到达目标地点。对相同环境下的传统算法与改进算法进行仿真实验对比,结果表明无论是在有、无极小区域,或是目标点在障碍物附近,改进后的算法均可以成功规划出路径,且有效解决了传统人工势场法所面临的局部极小问题。     

一种有效的移动机器人行为融合避障方法

移动机器人避障路径规划问题一直是移动机器人自主导航问题的关键。现有的避障路径规划算法多数针对某一指定目标寻优过程,经常出现为了获得最优解或最优路径而导致死锁或震荡现象。引进多目标优化理论,提出一种基于动态区间权重的多目标优化避障算法,该算法把避障过程划分为3种动作行为融合过程,通过赋予行为函数不同的权重,实时动态改变不同动作行为的输出比率。不是获得当前时刻最优解或最优路径,而是仅获得当前时刻的最有效解、最满意路径。从理论上分析并证明多行为输出避障导航系统的有效性和鲁棒性。试验表明该算法可以在确保移动机器人避障过程的实时性和鲁棒性前提下有效地提高避障过程的灵活性和安全性。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

基于模糊逻辑的机器人路径规划

提出了一种基于模糊逻辑的移动机器人路径规划算法,并对算法进行了运动仿真,仿真结果表明,对不同的路障能较好地实现机器人的避障,解决了人工势场法中局部极小的问题,避开了传统算法中存在对移动机器人定位精度要求高的约束。     

基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法

针对电网巡检机器人存在避障能力低下和路径规划不合理的问题,研究基于时间栅格法和最优搜索的电网巡检机器人避障路径规划方法.利用时间栅格法标识工作空间内障碍物,构建机器人电网巡检环境信息,通过最优搜索避障路径算法,全局规划机器人到达目标点的路径,结合改进势场法,通过调整斥力和引力势函数,计算合力实现机器人的局部避障及避障路径规划,形成全局和局部相结合的避障方法.试验结果表明,躲避静态障碍物和动态障碍物的平均躲避成功率分别为 ９８．３７％ 和 ９６． １２％ ,避障路径规划平均耗时为 １.５６ s ,具备快速、高效、精准的避障及路径规划能力,可提升机器人的动静态障碍物避障能力和路径规划效率.     

操作机器人的行为动力学避障路径规划

将移动机器人行为动力学理论扩展到操作机器人三维空间,并应用到机器人路径规划中。在机器人动力系统中,将操作机器人末端执行器到达的目标位置作为吸引子,将所需绕过的障碍物作为排斥子,分别建立了趋向目标点和避障的行为动力学模型,并将两种行为耦合构成机器人整体的竞争动力学模型。仿真和实验结果表明:在行为动力学方程的控制下,末端执行器在避开障碍物的同时,安全有效的到达了目标点,证明了文中方法的有效性。     

未知环境下的变形移动机器人路径规划

为提高移动机器人在未知环境下的避障能力及导航能力,提出了基于变形以及模糊算法的路径规划方法。变形移动机器人利用超声波传感器对静态未知环境进行检测,得到障碍物以及目标的位置信息,采取适当的变形措施以及在模糊控制的基础上调整自己的运动方向,最终实现避障和最优路径规划。仿真及实物实验结果表明,此方法能使变形机器人与环境实现交互调整,能使机器人通过变形以及避障结合的方式实现有效避障,提高了路径规划的优良性。     

基于蚁群算法工业机械手路径规划研究

具有路径规划的工业机械手是智能制造的发展趋势,为了提高工业机械手在复杂环境下移动到指定区域的精度问题,在本文中我们使用蚁群算法(ACO)来综合优化复杂的路径规划问题。根据四自由度机械手具体结构和障碍物避障特征,进行障碍物建模。在蚁群算法全局搜索易于实现、结构简单等特点的基础上实现机械手避开障碍物到达目标。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四自由度机械手实时避障任务中,同时利用仿真平台对所提方法进行仿真,仿真和实验研究结果表明此方法简单,实时性好,能够有效地避开障碍物,成功到达目标位置。     

基于虚拟力场法的移动机器人避障研究

针对移动机器人,提出了一种基于虚拟力场法的位置闭环避障方法。该方法简易、直观,使机器人在移动过程中能够检测到未知的障碍物并避开它,实现机器人朝着目标点移动。通过实验验证了这种方法的效果良好。     

基于深度强化学习的工业机器人避障路径规划方法

常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低。提出基于深度强化学习的工业机器人避障路径规划方法。利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径。选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的简单场景和复杂场景,实验结果表明,设计方法减少了避障路径规划时间和长度,提高了规划成功率。     

移动机器人的最优轨迹跟踪控制研究

针对移动机器人在复杂环境下的路径规划与轨迹跟踪控制,提出了一种最优轨迹跟踪控制方法。首先,通过理论分析给出了移动机器人的运动学模型和对避障问题的描述,推导出了位置与姿态方程以及目标函数表达式;其次,介绍了萤火虫算法的寻优机制,并采用广义方向学习策略来改进原算法的性能;同时,引入NUBRS曲线来光滑处理局部路径,缩短总路径长度;进而,将移动机器人系统分成位置与姿态两个控制环,分别设计PD控制律来实现其稳定的轨迹跟踪控制;最后,通过仿真与实验验证了所提方法的有效性,结果表明:(1)改进后的萤火虫算法能够为移动机器人规划出一条避障且可行走的轨迹;(2)基于PD控制策略,移动机器人能够有效地实现轨迹跟踪。     

基于障碍物STL模型的移动机器人避障方法研究

提出了一种移动机器人的避障方法。首先获得障碍物的主要外形数据并得到其STL模型,再按照所预设的安全距离对STL模型进行偏置;然后通过投影得到STL偏置模型的工作平面上的最大二维轮廓;最后采用数形结合法获取起始点与目标点之间避开投影区域的最短距离,实现机器人避障路径规划。以一个典型的障碍物投影轮廓为例,仿真实验验证了该方法的可靠性。     

一种改进人工势场法的机械臂路径规划方法

针对人工势场法算法存在复杂障碍物环境中易陷入局部最小值无法运动的问题,本文提出了一种适用于静态环境中机械臂路径规划改进的人工势场法,通过在引力场中添加引力安全阈值,在斥力场中添加路径搜索当前点与目标点的欧式距离,引入自适应大步长的模拟退火算法对局部最小值进行逃逸。首先,修改势场函数模型;然后,当搜索路径陷入局部最小值时,采用自适应大步长的模拟退火算法往障碍物最少的空间逃逸;最后,在规划出来的路径上提出一种冗余节点删除策略与拐点消除算法,对规划出来的路径进行平滑处理。仿真和实验验证了本文提出的六自由度机械臂避障路径规划策略有效性。     

人工势场法路径规划的一种优化方法

针对应用传统的人工势场法进行路径规划时存在的局部极小点问题以及路径复杂问题,提出了一种优化方法.在对所有障碍物进行势场运算前,先运用"连锁"网络的方法对障碍物进行适当统筹规划,达到优化避障路径的目的.仿真实验验证了该方法的有效性.     

基于改进 A∗ 算法与动态窗口法融合的 机器人随机避障方法研究

针对机器人在存在随机障碍物环境中采用A~*算法规划路径会出现碰撞或路径规划失败的问题,提出了一种将改进A~*算法与动态窗口法相融合的机器人随机避障方法。在改进A~*算法中,首先优化了搜索点选取策略和评价函数,提高了A~*算法的搜索效率;然后提出冗余点删除策略,剔除路径中的冗余节点,并在每两个相邻节点间采用动态窗口法进行局部规划,确保在全局最优路径基础之上,实时随机避障,使机器人顺利到达目标点。实验结果表明,改进A~*算法较传统A~*算法平均可减少4.39%的路径长度和65.56%的计算时长,融合动态窗口法后,能在全局路径基础上修正局部路径,实现随机避障,验证了该算法的有效性。