基于改进人工势场法的多机器人编队避障

为解决多机器人系统在编队过程中的避障以及成员之间避碰问题,提出了基于改进人工势场(IAPF)的避障以及基于一致性的编队控制方法。为分析机器人的运动学,建立了数学模型,构造了运动态势感知图(MSAM),使机器人能够更好地感知周围环境信息以做出最佳决策;为解决人工势场法中的局部最小值与目标不可达(GNRON)问题,建立了旋转势场;为避免机器人之间的碰撞,设定了排斥势函数与机器人优先级模型。使用基于一致性的编队原理,设计稳定的拓扑结构,对多机器人进行编队控制。为证明所提算法的有效性,设计了一系列的仿真实验,最终证得该方法可有效解决多机器人系统在编队过程中的避障以及避碰问题。     

基于模糊人工势场法的多智能体编队控制及避障方法

针对动态环境中多智能体编队控制及避障问题,提出了一种基于模糊人工势场法的编队方法。首先,在领航跟随法的框架下控制编队队形,在动态队形变换策略的异构模式下,使用人工势场法为多智能体编队中每个智能体规划避障路径;其次,利用模糊控制器控制跟随智能体追踪领航智能体,同时保持跟随智能体之间与领航智能体的相对距离,遇到未知障碍物时,及时保持多智能体编队之间的队形并避免碰撞障碍物。针对人工势场法在引力增量系数和斥力增量系数设置的局限性,利用模糊控制器选择出适应环境的增量系数。Matlab仿真实验结果表明,该方法能够有效地解决复杂环境下多智能体编队控制及避障问题,使用效率函数对实验数据进行分析,验证了所优化方法的合理性和有效性。     

基于人工势场法的多智能体编队避障方法

编队避障问题是多智能体编队研究的关键问题之一。针对动态环境中多智能体编队避障问题,提出了一种基于人工势场法（APF）与布谷鸟搜索算法（CS）相结合的编队避障方法。首先,在动态队形变换策略的异构模式下,利用APF为多智能体编队中每个智能体规划避障;然后,针对APF在引力增量系数和斥力增量系数设置的局限性,利用CS中的莱维飞行机制思想,来随机搜索得到适应环境的增量系数。Matlab仿真实验结果表明,所提方法能够有效地解决复杂环境下多智能体编队避障问题,使用效率函数对实验数据进行评价及分析,验证了所优化方法的合理性和有效性。     

改进人工势场模型的多UCAV突防轨迹决策

在考虑编队成员安全性因素的条件下,为解决人工势场模型用于多UCAV突防轨迹决策时的缺陷,提出了基于法向代替法的逃逸策略,使UCAV能对死区进行规避。建立了战场栅格化模型及UCAV离散运动模型,分析了编队成员间的相对位置关系。考虑到UCAV与邻机的安全性,在突防势场模型中构建了间距势能场,设计了UCAV突防轨迹规划策略。数值仿真验证了建立的模型和设计的轨迹规划策略的有效性。     

基于改进势场法的无人机编队协同避障控制算法

为了解决多无人机存在的自碰撞与障碍碰撞及编队通信架构等问题,在二阶模型的编队系统基础上,提出一种由图论和人工势场理论相结合的分布式编队控制策略。依据运动学原理建立无人机模型,以固定无向的通信拓补结构为基础,引入分段思想、旋转力、机间势场力来改进势场合力函数,以解决可能出现的目标不可达、死锁、编队安全问题,精准实现编队避障、避碰与航迹预规划;根据一致性理论对无人机状态误差进行修正,设计编队协同避障控制律以实现期望状态一致与航迹规划;通过构造Hamilton函数与反证法进行稳定收敛性分析,证明所提出控制算法的收敛一致性。通过仿真结果表明,无人机编队能够有效进行避障并快速达到期望一致。     

基于势场法的智能移动机器人导航控制

论文引用物理学中“能量场”的概念对机器人周围障碍物距离信息的定性环境进行描述,衍生出一种导航控制算法──势场法。实验证明它具有良好的实时性和鲁棒性,尤其是它引导人们从机器人行为模式的高度,去认识导航控制,由此提出的“感知—动作”反射式行为,用这种方法进行导航是一种可行的方法。势场法的特点是计算简单、开销小、速度快,适合于底层实时控制。在室外的复杂环境中势场法仍有较好的导航效果。     

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.     

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。     

基于模糊神经网络势场法的机器人动态路径规划

针对机器人局部路径规划的特点和传统人工势场理论存在不足的问题,采用改进的斥力势场函数,将机器人与目标的相对距离和速度考虑在内以解决局部最小值问题。引入神经网络模糊系统,兼顾了系统的鲁棒性和快速性,并在应用实例中得到了有效的验证。     

基于改进人工势场法的智能无人车路径规划仿真研究

传统的人工势场法由于存在局部极小值问题,使智能无人车无法到达目标点。本文提出一种角度偏移的改进人工势场方法来进行避障的路径规划。介绍传统人工势场模型,详细介绍改进人工势场方法,并且对改进人工势场法进行仿真,实验证明方法的有效性。     

复杂环境下基于势场原理的路径规划方法

针对势场原理所固有的几个缺陷:在相近障碍物间不能发现路径;在狭窄通道中摆动;在障碍物前振荡;存在陷阱区域;当目标附近有障碍物时无法达到目标点,提出了改进办法.改进后的势场法适用于未知复杂环境下移动机器人的路径规划,并具备一定的学习能力.仿真实验验证了该方法的有效性.     

基于路径预测人工势场法的自动跟随小车路径规划

针对自动跟随小车实际工作环境下目标点和障碍物具有可移动特征,在传统人工势场法的基础上提出一种具有动态路径预测功能的路径规划方法。通过实时采集和计算小车、目标点和障碍物的距离、运动速度和方向,预测未来三者之间可能的位置关系。根据目标点预测结果采用人工势场法确定接近目标点路径,根据预测的障碍点运行轨迹确定绕过障碍点的路径。将基于路径预测人工势场法与传统人工势场法进行仿真对比,结果表明该方法在跟随效率和避障能力上具有显著的提高。     

基于改进势场法的足球机器人路径规划系统

人工势场法是机器人路径规划中应用较多的一种方法,但方法在障碍物较多时由于势场合力不容易控制而常常出现避障失败现象.足球机器人比赛系统场上障碍物情况复杂,尤其是在边界附近和禁区附近,传统势场法较难胜任.根据足球机器人比赛平台特点和赛场上较常出现的情况,重点对边界附近和禁区附近的机器人路径规划进行分析研究,根据比赛平台的特点将周围环境的物理特点转化成特定的数学表达式,糅合到传统势场函数公式中进行改进处理,从而构造出能够适应足球场地环境的人工势场路径规划系统.仿真实验结果证明该方法是有效的.     

基于改进人工势场法的机器人避障及路径规划研究

在不确定和复杂的移动环境中,利用传统的人工势场法进行机器人避障很难满足对环境动态适应性的需要。提出了一种相对速度的改进的人工势场法,针对于传统的路径规划中局部最小值问题,提出设置中间目标点的方法,给机器人一个外力以避免其在局部最小点处停止或者徘徊,确保机器人能够逃出最小值陷阱并顺利到达目标位置。最后在Matlab平台上进行了仿真实验,实验结果表明,改进后的人工势场法能较好地实现动态环境下移动机器人的路径规划。     

基于改进人工势场法的移动机器人导航控制

传统人工势场法在移动机器人导航过程中存在局部极小值,障碍物周围震荡等问题。针对采用传统人工势场法实现移动机器人导航过程中存在的问题,本文引入旋转力改进人工势场法,同时运用细菌觅食混合粒子群算法（BF-PSO）对移动机器人导航过程中的控制器参数及势场函数增益系数进行离线优化。运用优化参数进行基于改进人工势场法的移动机器人导航的仿真,仿真结果表明BF-PSO算法对移动机器人导航具有较好的优化效果。     

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.     

Study on Robot Path Planning Based on an Improved Artificial Potential Field Method

The method of artificial potential field has obvious advantages among the robot path planning methods including simple structure, small amount of calculation and relatively mature in theory. This paper puts forward the ＂Integral method＂ focusing on solving the problem of local minimization. The method analyses the distribution of obstructions in a given environment and regards adjacent obstacles as a whole, By changing the parameters of the repulsive force field, robots can quickly get out of the minimum point and move to the target point. This paper uses the Simurosot platform to carry on the simulation experiment on the improved artificial potential field method, which projects a feasible path successfully and verifies this method.     

基于改进人工势场法的机器人动态追踪与避障

针对移动机器人对动态目标的追踪和对拦截型障碍物的避障问题,将势场法进行改进,提出了辅助斥力环方法,改变了传统势场法中斥力的作用方式和机器人的避障策略,使其在动态环境下处理避障问题更加灵活有效.仿真研究验证了此方法的有效性.     

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.