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。     

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.     

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.     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

基于势场法的移动机器人避障路径规划

针对势场法所固有的几个缺陷,提出了一种基于势场法的移动机器人避障路径规划算法,并成功应用于未知复杂环境下移动机器人的路径规划中。仿真试验表明:提出的方法具有较强的路径规划能力,克服了传统势场法的缺点,具有较强的实用性。     

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。     

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.     

基于新人工势场函数的机器人动态避障规划

人工势场法是进行机器人路径规划时常用的方法,但若用圆锥曲线函数作为引力场数学模型时,在目标点会产生抖动问题.本文在分析抖动产生原因的基础上,增加一个指数项到引力场函数中,从而消除了奇异值点,避免了抖动现象.然后将一敏感度参数引入斥力场函数,以便灵活控制运动过程中机器人与障碍物距离的大小.通过对敏感度的调节,还可以克服传统势场法中目标点在斥力作用范围内时,机器人无法到达目标点的缺陷.最后给出新势场法的仿真.     

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。     

基于势场的运动路径规划

本文阐述了基于势场的三轮自治车(AV)运动路径规划,以由障碍物和目标产生的虚拟势场力作为 AV运动的驱动力.先讨论了势场力的存在条件包括距离条件和方向条件并提出了计算方法,然后讨论了把 AV 简化成杆的运动路径规划,包括 AV 及杆的运动机理、加权势场合力的求法及其控制作用和运动定位等问题.最后给出了仿真结果.本文首次将势场法应用于三轮 AV 的路径规划.     

动态环境中基于遗传算法的移动机器人路径规划的方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题．本文提出一种 基于遗传算法的移动机器人的路径规划方法．该方法采用实数编码的方法，有明确物理意义 的适应度函数，以加快实时的运算速度和提高运算精度．该方法充分挖掘可应用遗传算法解 决移动机器人动态路径规划的潜力．通过计算机仿真表明该控制方法具有良好的动态路径规 划能力．     

复杂环境中基于人工势场优化算法的最优路径规划

本文提出一种基于人工势场优化的路径规划方法.把人工势场的路径规划结果作为先验知识，对蚁群算法进行初始化，提高了蚁群算法的优化效率;另一方面，机器人的路径也同时得到优化，克服了人工势场法的局部极小问题．仿真实验结果表明，该方法在复杂环境中能有效地实现最优路径规划；并提供了一种把传统规划方法和统计优化相结合、提高规划效率的可行思路．     

ROBOT PATH PLANNING BASED ON MODIFIED GREY RELATIONAL ANALYSIS

In this paper, a simple searching approach integrated the nonlinear programming problem and the modified grey relational analysis is proposed to find the near-optimal and collision-free path for a robot, from an initial position to a goal position, in which the robot can be acted in the known or unknown workspace with multiple circular obstacles. The proposed find-path procedure consists of at least one trial. Each trial includes three main stages, i.e., a forward search stage, a backward search stage, and an inference stage. After all trials are completed, a decision-making stage is introduced to determine the near-optimal and collision-free path which is guaranteed to reach the goal. Besides, the presented method is applicable for the on-line applications and, furthermore, can solve the local minimal problems. Simulation results for circular obstacles demonstrate the performances of the proposed approach and its potential as an on-line path planner.     

动态环境中基于增强式学习的路径规划方法

本文结合机器人路径规划问题介绍了增强式学习方法 ,实现了动态环境中基于增强式学习的自适应路径规划 .增强式学习通过采用随机性的控制策略 ,实现策略的优化搜索和在线学习 .并采用具有模式增强输入的BP网络进行决策参数估计 ,加快学习的收敛 .仿真试验证明该方法能有效实现动态环境中机器人的避碰和导航     

基于混沌反控制的动态路径规划研究

针对移动机器人在动态环境中常遇到的非最优路径问题,提出了基于混沌反控制并具有一定预测能力的路径规划算法。算法结合神经网络和距离传播模型,无需先验知识并且能适应动态不确定环境。通过在关键位置控制机器人进行混沌运动,可以减少等距情况下随机选择所造成的非最优路径出现的几率。在目标振荡运动且速度快于机器人的情况下,通过分析目标的轨迹和方向可以预测目标的短期运动趋势,进而实现有效追踪。仿真结果表明该算法对于减少非最短路径和路径中的尖点具有一定的作用,对于追踪速度较快的目标也有较大的成功率。     

基于多路线追踪的机器人局部路径规划与实验

为了提高智能送餐机器人局部路径规划的稳定性和实用性,针对在机器人初始姿态与预设路径偏差较大时使用传统纯追踪模型受限的问题,使用多次追踪的方式对传统纯追踪模型算法进行改进。通过建立机器人简化模型,设计多条具有相切几何关系的追踪路线,达到减小前视距离取值的目的,解决了因前视距离取值不当引起的追踪抖动和追踪拟合程度下降的问题,并通过仿真和实验分析,验证了改进后算法的适用性和高效性。     

基于改进RRT-Connect算法的机械臂路径规划

针对RRT^*算法速度较慢问题,提出一种快速收敛至最优路径的最优双向快速扩展随机树(Optimal Bidirectional Rapidly-exploring Random Trees,Obi-RRT)算法。Obi-RRT使用改进的RRT-Connect算法快速得到较低成本路径,通过路径修剪得到关键点,围绕关键点提出三种采样空间并进行采样,通过不断更新关键点从而得到最优或接近最优的路径。平面和机械臂关节空间下的仿真实验表明,Obi-RRT算法运行时间仅为RRT^*算法的十分之一,并且路径成本更低。     

移动机器人的动态路径规划及控制

本文阐述了两类机器人的导航方法:第一类方法是,先生成整个路径,然后进行路径跟踪控制;第二类方法是所谓的势场方法,即利用人工势场直接进行运动控制.在此基础上,我们提出了用于移动机器人系统导航的动态路径规划-控制方法.系统根据环境信息对路径进行动态的生成与控制,从而与实际环境实现了闭环,增加了对系统的稳定性和对环境的适应能力.     

基于出租车轨迹数据的路径规划方法

传统的路径规划算法很大程度上是依赖于改进的加权最短路径算法,在大规模路网中效率较低而且没有考虑实际交通中的各种因素,得到的是理想情况下的最优路径。针对这种情况,根据出租车的轨迹数据提出一种路径规划方法,主要包括三个部分:首先,利用出租车数据挖掘司机在路径选择上的经验,提取经验轨迹形成经验轨迹集;然后,根据出租车在各经验路段各时段的速度和频次利用贝叶斯分类器对路网进行分层,构建分层路网;最后,使用分层路径规划算法实现层次路径规划。以北京市GPS数据为研究对象,将该方法与经典路径规划算法的结果进行比较。结果表明,该方法得到的路径可以综合考虑各种因素,得到实际行驶中的较快路径。