基于模拟退火算法的割草机器人的避障研究

局部路径规划是割草机器人关键问题之一,针对该问题目前运用较多的是人工势场法,但传统的人工势场法往往存在局部极小点,因此,本文提出采用填平势场与模拟退火算法相结合的解决策略,求解势场强度的最小值作为下一行走目标,多个序列目标构成优化路径,引导机器人脱离局部极小点,绕过障碍物到达目标点。仿真结果表明:该算法不仅有效地克服了局部极小点,且优化了机器人的行走路径、降低了路径的复杂度。     

一种改进人工势场法的机械臂路径规划方法

针对人工势场法算法存在复杂障碍物环境中易陷入局部最小值无法运动的问题,本文提出了一种适用于静态环境中机械臂路径规划改进的人工势场法,通过在引力场中添加引力安全阈值,在斥力场中添加路径搜索当前点与目标点的欧式距离,引入自适应大步长的模拟退火算法对局部最小值进行逃逸。首先,修改势场函数模型;然后,当搜索路径陷入局部最小值时,采用自适应大步长的模拟退火算法往障碍物最少的空间逃逸;最后,在规划出来的路径上提出一种冗余节点删除策略与拐点消除算法,对规划出来的路径进行平滑处理。仿真和实验验证了本文提出的六自由度机械臂避障路径规划策略有效性。     

改进人工势场的机器人路径规划

为了克服人工势场法的缺陷、提高其路径规划性能,提出了改进的人工势场法。分析了人工势场法原理,针对其目标不可达问题,将机器人与目标点距离引入到斥力场函数,得到了改进的斥力场函数;针对局部最小值问题,引入逃逸力;为进一步提高算法性能,使用遗传算法优化参数设置,使得规划路径更加平滑;根据环境复杂度,提出了自适应步长调节算法。使用仿真实验对改进算法进行了验证,结果表明,改进算法可以克服传统算法目标不可达、局部最小值问题,而且改进算法路径更加平滑,自适应步长算法在路径规划中行走61步到达目标,固定步长法行走145步到达目标,充分说明了改进算法的优越性。     

结合模糊决策与势场栅格的智能小车路径规划

针对智能小车在路径规划过程中环境建模和人工势场法存在的问题,建立了栅格法与势场法相结合的路径规划方法,并对结合后的势场栅格路径规划方法的缺陷和不足进行了改进。首先,在斥力场函数中引入影响因子,促使在目标点附近的斥力场能够迅速减小,从而解决障碍物附近目标不可达和振荡的问题;其次,将模糊决策和势场栅格法进行有机结合,考虑航向角,建立了势场值和航向角的隶属度函数,选择隶属度函数值最大的栅格作为路径点,有效地提高了路径的平滑性。论文通过matlab对改进前后的算法进行了仿真实验,结果表明该方法实时性好,路径平滑,充分体现了其有效性和优越性。     

一种改进的势场法路径规划算法

在应用传统人工势场法的移动机器人路径规划问题中,机器人对移动障碍物避障效率较低,路径中存在局部极小点。针对这些缺陷,构建了一种基于势流理论的势场模型。在该模型中,势流理论中的概念与路径规划中的概念一一对应,修正函数解决了势流理论中与路径规划问题的矛盾之处,如点汇处速度无穷大等。为了保证对移动障碍物避障的可靠性,应用茹科夫斯基变换对势场分布及函数进行了改进。模型经改进后,为解决局部极小问题,本文进一步使用了点涡的概念,此后又加入虚拟点源以优化轨迹。最后,讨论了多障碍物势场加权叠加方法。仿真实验中,在多种避障情景下对比了改进前后的势场法。仿真结果表明,改进势场能够引导机器人对移动障碍物进行灵活避障,在避免局部极小点时较传统方法更为有效。     

基于模糊人工势场法的移动机器人路径规划

针对复杂环境下移动机器人的路径规划问题,提出模糊逻辑和人工势场法相融合的路径规划方法。对传统人工势场法进行了改进,针对人工势场法中的局部最小问题,提出了设置虚拟障碍点的方法,仿真验证效果可行;把通过人工势场法得到的相关数据作为模糊控制器的输入,融合了二者的优点,该算法计算量小且实时性高,设计的模糊控制器负责对机器人的航向角和速度进行实时的调整修正,弥补了人工势场法忽略机器人自身几何信息缺陷的同时,保障了路径规划的可靠性和平滑性,提高了系统的稳定性和鲁棒性。MATLAB仿真结果表明,该算法具有可行性和高效性。     

工业移动机器人路径规划讨论分析

人工势场法在路径规划期间容易因为势场局部区域存在的最小点和限制等问题,从而使得移动机器人难以根据预先规定的路径运行,为此需要根据现实工作中复杂的障碍物摆放位置,重新设定移动机器人路径规划方案,使得移动机器人可以在复杂的环境下,依然可以自由移动,为了完成这个目标,本文将根据移动机器人行进存在的问题,改进人工势场法,明确规定前进方向向量,并使用计算机根据斥力生成条件,调整局部最小点以及陷阱区域,完善路径规划机制,使得移动机器人有判断能力,可以在虚拟目标点指引作用下,摆脱势场局部最小点。改进后的人工势场法变得异常重要,本文将以as-r移动机器人为例分析改进人工势场法自主移动机器人路径规划,使移动机器人在移动期间,免受地面阻碍物的干扰,提升路径规划效率。     

改进人工势场法的移动机器人路径规划分析

由于传统人工势场法存在目标不可达和局部极小值点问题,在有多个障碍物的环境下非常容易导致无法路径规划。对人工势场法的特点进行了分析,提出了采用激光传感器测距模型和Wi-Fi定位算法构建路径规划的环境;对于障碍物与目标点过于接近而引起的斥力势场和引力势场同时增大继而出现的目标不可达问题,采用在斥力势场函数中增加一个距离因子的方法来使机器人能准确找到目标点;当障碍物处在机器人与目标点之间时,机器人很容易陷入局部极小值点的情况,采用旋转斥力一定角度的方法使机器人逃离极小值点,绕开障碍物而迅速向目标点移动。仿真实验证明了该方法能够成功规划出一条平滑无碰撞的路径。     

解决路径规划局部极小问题的势场栅格法

路径规划作为移动机器人顺利完成作业任务的前提,成为了机器人控制领域的研究重点和热点问题。人工势场法以其简洁性和有效性在路径规划中普遍应用,然而由于移动机器人对周围环境信息感知的局限性,容易导致局部极小问题的出现。针对此问题,提出了解决路径规划局部极小问题的势场栅格法。首先对机器人的工作环境进行栅格划分,然后应用改进后的人工势场法为每个栅格赋予势场值,机器人通过搜索势场值的下降方向不断接近目标点,接着采用赋最大值法对局部极小区域的栅格重新赋值,降低搜索的盲目性,使机器人以最优路径到达目标地点。对相同环境下的传统算法与改进算法进行仿真实验对比,结果表明无论是在有、无极小区域,或是目标点在障碍物附近,改进后的算法均可以成功规划出路径,且有效解决了传统人工势场法所面临的局部极小问题。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

基于改进人工势场法的移动机器人局部路径规划的研究

本文介绍了一种常用的移动机器人局部路径规划方法—人工势场法,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,综述了解决该问题的方法,在此基础上重点介绍了一种通过改变斥力势场函数来解决局部最小问题的改进方法,并给出了仿真结果。     

A new technique to escape local minimum in artificial potential field based path planning

The artificial potential field (APF) methods provide simple and efficient motion planners for practical purposes. However, these methods have a local minimum problem, which can trap an object before reaching its goal. The local minimum problem is sometimes inevitable when an object moves in unknown environments, because the object cannot predict local minima before it detects obstacles forming the local minima. The avoidance of local minima has been an active research topic in the potential field based path planing. In this study, we propose a new concept using a virtual obstacle to escape local minima that occur in local path planning. A virtual obstacle is located around local minima to repel an object from local minima. We also propose the discrete modeling method for the modeling of arbitrary shaped objects used in this approach. This modeling method is adaptable for real-time path planning because it is reliable and provides lower complexity.     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

基于改进 RRT ∗ 算法的智能轮椅全局路径规划研究

现实环境中智能轮椅大多数处在复杂场景下工作,其自主导航时对路径安全性等要求较高。 渐进最优随机搜索树 RRT ∗ 算法 基本满足移动机器人最优路径规划,但由于智能轮椅本体较大,容易与环境较近接触,因此可对环境模型进行膨胀并定义不同搜索步 长,使其规划出的路径远离障碍物。 其次为保证用户在使用智能轮椅导航时能够获得更高的舒适性,更高效的到达目的地,而借用启 发式约束采样思想和人工势场中引力场思想修剪此算法规划时的冗余节点,从而减小系统运行内存,随后结合轮椅的最小转弯半径, 提出最小段路径曲率约束策略和三次 B 样条曲线算法对路径进行平滑处理,使其更加适合轮椅行驶。 最终在 MATLAB 和 Gazebo 仿真 平台对改进前后算法对比实验,并将本文算法应用与智能轮椅实体上,试验结果表明,该算法能够有效解决智能轮椅全局路径规划问 题,能够明显提升全局路径规划效率,具有一定安全性,可为其移动机器人领域提供有效参考。     

关于移动机器人路径最优化问题

针对移动机器人路径规划的人工神经网络算法所存在的问题,提出应用局部路径修正和路径“张紧”法加以改进,以便适应多个障碍物的不同要求,在复杂环境下实现规划路最优化,并证验其有效性。实践表明,应用该方法改进的新算法效果十分显著,能够确保路径无碰撞,计算速度远高于原算法,快速得到最优化路径,并使路径长度有一定程度的缩短,在保证路径平滑性和兼顾快速性的前提下,解决了碰撞和路径最短问题,有效地实现了路径规划最优化。     

基于危险指数最小化的机器人安全路径规划

为防止机器人在运动过程中与人相撞,提高机器人运动的安全性,本文提出一种基于危险指数最小化的机器人安全路径规划方法。该方法将危险指数与改进人工势场法融入到机器人的安全路径规划中。在人机共处的非结构化环境中,首先计算出机器人的危险指数,并以危险指数最小化为目标规划机器人的路径。建立了三自由度机器人与人共处仿真模型,通过路径规划仿真,结果表明,基于危险指数最小化的机器人安全路径规划,可以有效确保机器人工作环境中人的安全性。     

关于足球机器人路径规划中人工势场法的研究

人工势场法是一种简单有效的路径规划算法.本文阐述了目前国内外对该方法的各种改进算法和与其它方法相结合的应用,并在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的工作方向.     

基于模拟退火-人工势场法的足球机器人路径规划研究

人工势场 (Artificial Potential Field,APF )法是一种简单有效的路径规划算法。本文继承了人工势场法的基本思想 ,首先针对障碍物附近目标不可达问题 (GNRON)修正了斥力势函数 ,并利用模拟退火算法解决了人工势场法的局部极小点问题 ,将这种改进的人工势场法应用于足球机器人领域 ,仿真实验表明此方法是有效的