基于融合改进双向RRT与人工势场法路径规划

由于快速扩展随机树(RRT)算法在路径规划中存在速度慢,计算量大和效率低等问题,提出一种双向快速扩展随机树(RRT)算法与人工势场法(APF)相结合的路径规划。首先,利用人工势场法(APF)进行局部路径规划,提供运动路径。其次,使用改进的快速扩展随机树算法选择临时目标点,用以解决路径规划时陷入最小值的问题,将人工势场法(APF)引入双向RRT算法中。将局部路径规划与全局路径规划相结合,缩短运行时间和路径长度,基于仿真实验表明,该方法在运行时间、路径长度和迭代次数等方面都得到显著提高。     

基于改进RRT-Connect算法的路径规划研究

传统移动机器人的路径规划算法环境障碍建模复杂且容易陷入局部最小值，而基于采样的快速扩展随机树(RRT)算法通过随机节点快速扩展路径搜索效率低。RRT-Connect算法在RRT算法基础上提升了搜索效率，但存在路径曲折的问题。为此，在RRT-Connect算法基础上通过加入人工势场引导增长方法和目标偏置采样方法，改进算法规划路径的平滑性和速度。为验证改进算法的有效性，与RRT算法、RRT-Connect算法在不同复杂度环境中的执行性能进行比较。仿真实验的结果表明，改进算法在三种不同环境下的路径规划时间和路径规划长度以及标准差稳定性方面均优于其他两种算法。     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该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,同时克服了传统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,对机器人的路径规划效果令人满意.     

改进人工势场法的无人机避障路径规划

为了解决人工势场法目标不可达、局部极小值陷阱及路径长度过长问题,提出一种基于传统人工势场法的无人机避障路径规划改进算法。通过将相对距离引入到斥力势场函数中解决目标不可达问题;将调控力引入传统人工势场法中解决局部极小值陷阱问题;将检测因子引入传统人工势场法中排除无效斥力影响,优化无人机避障路径,减小路径长度。最终仿真实验结果表明,改进算法有效解决了目标不可达、局部极小值陷阱、路径长度长问题,减小路径长度9%～15%。该算法相比于传统人工势场法,有效提高了避障效率。     

改进RRT移动机器人路径规划算法

以RRT算法规划路径过程中碰撞检测函数得到的碰撞点坐标作为人工势场法中的障碍物坐标,在树枝扩展函数中引入向合力方向移动机制,再从目标点向起始点搜索最终路径的过程中加入"改线"机制。仿真实验表明,改进算法较传统RRT算法得出的路径长度减少了16%,采样点减少了74%。     

基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

改进人工势场法和ID-BFS融合算法的无人艇路径规划研究

为解决传统人工势场法在无人艇路径规划中存在的问题,提出一种改进人工势场法和ID-BFS算法的融合算法。针对目标不可达问题,在斥力势场函数中添加目标点距离因子进行修正;针对局部极小值问题,提出一种利用虚拟目标点配合ID-BFS算法进行局部路径修正的方法;针对环境中存在大型不规则障碍物的情况,增加障碍物边界斥力模型,在障碍物实际边界处提供斥力,使算法不会穿越障碍物边界。作者结合类真实规划场景对算法进行仿真实验。试验结果表明,文中算法有效解决了传统算法存在的弊端:引入距离修正因子解决了目标不可达问题;基于虚拟目标点和融合ID-BFS算法的局部路径搜索法对局部极小值有一定的规避和逃离作用;添加障碍物边界斥力模型提高了算法在复杂环境下的适应性,并可以做到在复杂环境下的实时规划效果。     

基于改进人工势场法的车辆局部路径规划研究

针对人工势场法应用于结构化道路中的汽车主动避障领域存在规划能力,路径平滑度不足以及易陷入局部最优的问题。本文提出了一种结合人工势场法和五次多项式避障轨迹的路径规划算法,满足汽车避障时的安全性、实时性要求。通过引入五次多项式势场边界,结合汽车与障碍物的运动状态设计边界参数,提高路径平滑度和安全性。通过设置随动目标点优化引力模型,调节因子优化势场函数,可消除局部最小点。利用车辆动力学仿真软件Carsim/Simulink搭建仿真环境,并使用Stanley方法进行路径跟踪。仿真结果表明,所提出的算法可在动、静态环境中有效的规划出满足汽车行驶要求的避障路径。该算法为汽车避撞时的局部路径规划提供了参考依据。     

基于改进人工势场法的船舶路径规划与跟踪控制

为了研究船舶可以从起始位置按预先规划好的航线准确且安全地自动抵达目的地的问题,本文提出了基于改进人工势场法的船舶路径规划与跟踪控制方法。采用模拟退火算法优化传统人工势场法的斥力函数,有效解决了传统人工势场法目标不可达和容易陷入局部极小值的缺陷。将规划的优化路径作为船舶运动控制系统的期望输入,基于内外环控制思想设计船舶运动学跟踪控制率,较好地解决了欠驱动船舶路径跟踪问题。在船舶动力学子系统中,利用神经网络逼近动力学子系统中的未建模动态及外部干扰,所设计的神经网络滑模跟踪控制器能够有效跟踪运动学子系统的引导率信号,同时解决了传统人工势场法在进行路径规划时不能统筹考虑外界通航环境干扰的缺陷。仿真实验验证了本文所提出的基于改进人工势场算法的船舶路径规划与跟踪控制的有效性。     

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。     

复杂多场景下机械臂避障运动规划方法研究

为提高工业机械臂在狭窄通道、多障碍物等复杂多场景下避障运动规划的成功率和效率,建立了基于圆柱体和球体包围盒机械臂与障碍物之间的碰撞检测模型,并提出了一种基于启发式概率融合人工势场法的改进型RRT^*算法(P-artificial potential field-RRT^*,PAPF-RRT^*)。采样上引入概率目标偏向与随机采样点优选策略,对采样点进行位置优选约束,增强采样导向性和质量;为改变传统新节点扩展方向和特殊环境下局部最优问题,融合人工势场法的目标引力与障碍物斥力和自适应步长,使算法在APF产生的合力范围下实时引导新节点扩展方向和步长大小,降低过度的探索和碰撞区域扩展;对冗余节点进行删除,并采用三次B样条插值优化,提高机械臂轨迹的柔顺性。仿真结果表明,所提算法较传统RRT*算法在平均路径搜索时间上降低了56.75%,路径长度缩短了17.74%。导入机械臂模型后可视化仿真结果证明,所提算法可使机械臂成功避障且快速平稳运行到目标点。     

复杂环境下解决势场法局部极小问题的路径规划方法

多年来势场法路径规划的局部极小问题就一直被广泛关注,针对人工势场法所固有的缺陷提出了一种改进的移动机器人路径规划方法.方法利用膨胀与腐蚀算法对机器人的工作空间进行预处理,来优化工作环境,并使用改进的势场法进行机器人导航,以改善其运动轨迹;另外通过设置子目标点使陷入局部极小的机器人快速"逃离"极小状态.仿真结果表明本文算法在复杂环境下解决机器人路径规划的局部极小问题是有效的.     

基于人工势场法的机器人避障算法

提出了基于人工势场的机器人轨迹规划算法,根据人工势场法原理,将机器人轨迹规划的人工势场算法分为3层进行设计。为了检测避障程序能否正常运行,对其进行了仿真分析。结果证实,基于人工势场法的机器人轨迹规划算法具备较精确的移动轨迹。     

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...     

改进人工势场法的路径规划算法研究

针对基于传统人工势场法的机器人路径规划存在局部极小点的问题,提出了一种修改斥力方向和自主建立虚拟目标牵引点相结合的路径规划算法。该算法在修改斥力方向算法中设置了一个临界值,在机器人行走的过程中,若机器人与障碍物的距离大于临界值,机器人路径规划就采用修改斥力方向的算法,当机器人与障碍物的距离小于临界值时,机器人路径规划算法就从修改斥力方向算法转入自主建立虚拟目标牵引点算法。改进后的算法很好地解决了传统人工势场法的局部极小点问题,仿真结果证明了改进后算法的有效性。     

基于人工势场与细胞自动机的移动机器人路径规划算法

提出了一种基于细胞自动机（Cellular Automata,CA）和人工势场的全向移动机器人路径规划算法,并通过一个4层的细胞自动机模型实现了该算法。通过构造扩张的障碍占位网格地图可在规划算法中将机器人简化为一个点,然后通过建立数值化的障碍人工势场图来考虑障碍物的局部影响,并使用CA模型得到距离传播图,最后通过搜索势场超曲面的最小值获得从起始点到目标点的最优无碰撞路径。仿真结果表明,提出的算法可以获得最优无碰撞路径,最优路径足够光滑且与障碍有较大的安全距离,便于全向移动机器人跟踪。     

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.     

基于混合遗传粒子群优化算法的层次路径规划方法

路径规划是移动机器人研究领域的一个重要基础性问题。针对单独使用某一路径规划算法存在着搜索速度慢,或易陷入局部极值的问题,提出了一种基于混合遗传粒子群优化算法的层次路径规划方法。该方法的主要步骤包括:一是采用三角形法进行空间环境路径建模;二是结合人工势场法的改进遗传算法设计初次路径规划;三是运用粒子群优化算法对初次路径规划的结果进行优化以实现更可靠的最优路径。通过实例仿真测试,结果显示所设计的方法能够融合各算法的优点,快速有效地找到最优路径。     

基于区域采样随机树的客车局部路径规划算法

为解决结构化道路环境下自动驾驶客车的路径规划问题,针对双车道避障工况提出了一种区域采样随机树RS-RRT算法。在采样阶段,集成高斯分布采样和局部偏向性采样来提高路径规划算法的搜索效率。在随机树扩展阶段,考虑了客车和障碍物的实际尺寸,利用分离轴定律(SAT)实时检测客车和周围障碍物的碰撞风险。在后处理阶段,结合安全性和舒适性的目标,融合了驾驶共识、安全距离模型和路径平滑算法对规划的路径进行修正。为验证RSRRT算法的有效性,搭建了商用车电液转向系统硬件在环试验台,利用TruckSim构建仿真场景,通过MATLAB和TruckSim的联合仿真实现算法的验证。试验结果表明:与基本RRT和目标偏向性RRT(Goal-biasing RRT)相比,本文算法在节点数量、路径长度和运行时间上均有优势,生成的路径满足客车动力学和路径跟踪要求。