改进人工势场法的移动机器人路径规划

针对传统人工势场法应用于移动机器人路径规划存在的缺陷,建立了改进的人工势场模型:使用势场强度代替力矢量进行路径规划;在障碍物的斥力势场中添加系数项,解决障碍物与目标点过近导致的目标不可达问题;考虑移动障碍物速度与机器人速度的影响,将速度信息引入到势场函数中;引入"填平势场"引导机器人走出局部极小点.在改进人工势场模型基...     

基于融合和人工势场的自主移动机器人路径规划研究

研究了动态不确定环境下自主移动机器人路径规划和运动控制问题．在时域上，建立了超声传感器数据预测模型，利用递推最小二乘法在线更新预测模型参数，通过将该预测模型的预测值与当前传感器实测值融合，提高了了超声数据的可靠性；考虑到空间分布的连续性，将相邻近的超声传感器信息融合进来，进一步提高了数据的实用性．由于人工势场法简单易实现的特点，被广泛应用在机器人自主避障中．借鉴预测控制原理，使用上述融合处理的超声数据，在每个滚动周期内运用改进的人工势场法解决了机器人避障问题．最后，在中国科学院自动化研究所自主开发的移动机器人CASIA-1上对算法进行了实验，实验结果验证了算法的可靠性。     

基于人工免疫势场法的移动机器人路径规划

针对人工势场法和基本遗传算法在解决移动机器人的路径规划问题时。容易产生目标不可达和局部极小值的问题,提出了1种基于人工免疫势场法的移动机器人路径规划算法(MRPP-AIPF).该算法将初始抗体群动态分配为记忆保留单元和临时抗体单元,通过交叉、变异和遗忘等算子进行进化操作,使较优抗体较早生成,提高了算法的收敛能力和保持抗体群的多样性.仿真实验表明,MRPP-AIPF算法属有效路径规划算法.     

基于融合和人工势场的自主移动机器人路径规划研究

研究了动态不确定环境下自主移动机器人路径规划和运动控制问题.在时域上,建立了超声传感器数据预测模型,利用递推最小二乘法在线更新预测模型参数,通过将该预测模型的预测值与当前传感器实测值融合,提高了了超声数据的可靠性;考虑到空间分布的连续性,将相邻近的超声传感器信息融合进来,进一步提高了数据的实用性.由于人工势场法简单易实现的特点,被广泛应用在机器人自主避障中.借鉴预测控制原理,使用上述融合处理的超声数据,在每个滚动周期内运用改进的人工势场法解决了机器人避障问题.最后,在中国科学院自动化研究所自主开发的移动机器人CASIA1上对算法进行了实验,实验结果验证了算法的可靠性.     

基于改进人工势场法的移动机器人路径规划

为解决传统人工势场法存在局部极小值问题而导致路径规划失败问题,提出了基于改进人工势场的角度偏移法,使机器人迅速逃离局部极小值点,成功规划出一条平滑无碰撞路径。仿真实验证明了该方法规划的有效性。     

模糊空间中基于人工势场的移动机器人运动规划

为了研究移动机器人的运动规划方案,提出使用指数形式的人工势场函数描述环境中的目标和障碍物。针对人工势场方案可能出现的局部极小问题提出了逃逸方法。随后提出一种模糊隶属度函数用来表示动态变化的障碍物模型,建立模糊表示的环境空间模型,并在这种模糊空间的基础上构建模糊人工势场函数,提出了一种适合于动态环境的实时优化路径规划算法,有利于解决未知、动态变化的不确定环境中的机器人路径规划问题。仿真结果表明,本文中提出的建模和规划方法是可行的。     

基于人工势场法的机器人路径规划

人工势场法是机器人路径规划算法中一种简单有效的方法.对改进势场函数的规划方法进行分析发现:该方法并不能很好解决局部极小问题,提出了添加附加控制力的方法,即当机器人所受的斥力与吸引力在一条直线上时,对机器人施加一个依赖于障碍物的控制力,使机器人尽快跳出局部极小点.仿真结果说明此方法是有效的.     

基于改进人工势场算法的CT扫描床路径规划算法

针对CT机扫描床与龙门扫描架协同工作过程中出现的运动干涉问题,提出一种改进的人工势场算法,解决传统人工势场算法对CT扫描床与扫描龙门架进行路径规划时目标不可达及陷入局部最优解的问题,从而使CT扫描床能按照预期要求到达预扫点位置。首先,在引力势场函数中加入扫描床与扫描龙门架最大影响范围的距离函数、在斥力势场函数中加入扫描床与目标点的距离函数,解决传统人工势场算法的目标不可达问题;然后,通过增设扫描床虚拟位置点解决局部最优解问题。Matlab仿真实验结果表明：改进的人工势场算法能在最大迭代次数内更好完成CT扫描床运动过程的动态避障,验证了改进算法的有效性。     

结合模糊逻辑和改进人工势场的局部路径规划

针对人工势场法的死点问题和较为复杂的局部障碍物环境,采取模糊逻辑与改进的人工势场相结合的方式,提出了一种结合模糊控制器与人工势场算法的并行避障处理结构。依据静态目标点位置与多路超声波传感器返回的障碍物距离信息,实行稳定环境的人工势场路径规划与危险环境的模糊控制,使移动机器人能够到达预定目标点。在Mobotsim仿真软件中验证了算法的可行性与有效性。     

一种人工势场路径规划改进算法的研究

针对人工势场法中局部最小问题产生的根源,提出一种在局部最小区域设置虚拟目标物的解决方法。不同的障碍物采用不同的策略设置虚拟目标物,打破局部最小区域的受力平衡,使得障碍物在虚拟目标物的引力作用下顺利走出局部最小点,到达目标。仿真试验验证了该方法的有效性。     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性．     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

移动机器人路径规划方法的研究与展望

路径规划是移动机器人技术研究的重要分支之一.介绍并分析了路径规划的分类,重点阐述了全局路径规划及局部路径规划的方法并指出了它们的优点与不足.最后对移动机器人路径规划技术未来的研究方向进行了展望.     

基于遗传算法的移动机器人多点路径规划

利用遗传算法解决了在复杂情况下机器人须经过多点并最终返回起点的路径规划问题.并根据实际情况,提出了相应的遗传编码方法,构造了相应的遗传算子.取得了很好的效果.     

基于遗传算法的移动机器人多点路径规划

利用遗传算法解决了在复杂情况下机器人须经过多点并最终返回起点的路径规划问题.并根据实际情况,提出了相应的遗传编码方法,构造了相应的遗传算子.取得了很好的效果.