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。     

人工势场法在移动机器人路径规划中的改进

随着智慧工厂的逐渐发展, 移动机器人在工厂中的应用越来越广泛, 但是在工厂中障碍物较多, 使用传统人工势场法容易产生目标不可达以及局部最小值等问题. 本文针对传统人工势场法在路径规划中出现的目标不可达以及局部最优解进行改进. 首先针对目标不可达的情况, 采用新斥力势场函数, 通过对原人工势场法中的斥力势场函数增加影响函数, 从而解决目标不可达; 其次针对局部最优解, 采用人工势场法与模拟退火法相结合的方法, 利用模拟退火法中的增设子目标点, 打破平衡状态, 从而走出障碍物. 最后通过Matlab对比, 本文算法在10个障碍物中比其他文献中算法的行驶时间提升6.70%, 路径长度减少9.20%. 本文算法在20个障碍物中比其他文献中算法的行驶时间提升9.10%, 路径长度减少12.10%.     

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

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。     

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.     

改进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过程中易陷入势场局部最小点和陷阱区域,面对较为复杂的障碍物环绕环境也难以规划出完整路径。针对这个问题,提出了一种改进人工势场法。引入机器人前进的方向向量,对斥力的生成和计算机制进行了调整以解决其处于局部最小点情况下无法继续规划路径的问题;添加了判断机制以识别周边环境状况,当机器人处于陷阱区域等复杂环境下时设立虚拟目标点以引导其向外运动从而摆脱陷阱区域。结果表明,改进算法可以有效解决传统算法容易出现的路径规划中断情况;同时与传统算法相比,其在随机障碍物环境中的规划路径长度减少,有效提高了路径规划效率。     

移动机器人路径规划的模糊人工势场法研究

静态环境下的路径规划是移动机器人领域非常重要的研究课题。人工势场法由于算法简单、计算量小、运算速度快、实时性好等特点,在移动机器人路径规划中得到了广泛应用,但人工势场法也存在目标不可达和局部极小值问题。针对人工势场法存在的不足,将模糊控制思想引入到移动机器人的路径规划中来,对移动机器人的偏转角进行精确控制。仿真实验结果证明了所提方法的有效性。     

非完整移动机器人的人工势场法路径规划

基于人工势场的移动机器人路径规划方法在最近20多年里受到了广泛关注.然而研究者主要将目光集中于解决其各种理论问题,在研究中大都将机器人看作无约束的质点或刚体,通常无法直接应用于受到非完整约束限制的轮式移动机器人.针对人工势场法在轮式移动机器人上的实现问题,本文对两种已有实现方法进行了理论分析,指出其存在目标不可达的隐患和无法在不同环境下兼顾路径规划性能的问题,并提出一种基于模糊规则的新方法,通过在不同的情况下调整控制方式和参数解决前述问题.仿真研究表明,该方法在保证目标可达的前提下能够在多种环境中获得更好的总体规划性能.     

改进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.分析了传统的人工势场法由于局部最小问题而导致规划失败的原因.提出了一种改进的势场函数,并对改进势场函数的规划方法进行分析,发现该方法并不能完全解决局部极小问题.通过在改进势场函数基础上采用添加附加控制力的方法,使机器人尽快跳出局部极小点.仿真结果表明,该方法是有效的.     

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。     

人工势场法在足球机器人路径规划中的应用

针对目前人工势场法在足球机器人比赛平台中应用的一些不足和缺陷,综述了人工势场法原理和几种不同的势函数表示方法,阐述了目前国内外对该方法的各种改进算法和与其他方法相结合的应用;在分析足球机器人比赛平台动态不确定性特点的基础上,重点研究人工势场法在足球机器人比赛平台中的应用和改进,此基础上分析和总结了各种方法的优缺点和目前存在的问题,提出对今后工作的几点展望和下一步工作方向.     

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。     

基于人工势场法与入侵杂草法路径规划研究

针对移动机器人路径规划研究中,移动机器人路径规划易陷入局部极小值,缺乏全局指导性及路径规划效率不高,甚至目的地不可达的问题,这里给出相应的研究方法。通过合理布局超声波探头位置,利用改进人工势场法进行移动机器人的路径规划;对移动机器人陷入局部极小值点的问题,采用入侵杂草算法在全局内有指导性的产生最优子目的地,并根据子目的地重新分配空间内的引力势,引导移动机器人摆脱"陷阱"。Matlab仿真实验表明,本文提出的路径规划算法不仅在一般环境中,而且在相对复杂的环也能引导陷入局部极小值点的移动机准确、安全到达指定目的地。为此算法主要参数选取匹配合理时,可对路径进行优化。该算法在解决局部极小值点的问题具有较高全局指导性。     

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。     

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.