基于人工势场法的机器人路径规划

人工势场法是机器人路径规划算法中一种简单有效的方法.对改进势场函数的规划方法进行分析发现:该方法并不能很好解决局部极小问题,提出了添加附加控制力的方法,即当机器人所受的斥力与吸引力在一条直线上时,对机器人施加一个依赖于障碍物的控制力,使机器人尽快跳出局部极小点.仿真结果说明此方法是有效的.     

基于改进人工势场法的移动机器人路径规划

为解决传统人工势场法存在局部极小值问题而导致路径规划失败问题,提出了基于改进人工势场的角度偏移法,使机器人迅速逃离局部极小值点,成功规划出一条平滑无碰撞路径。仿真实验证明了该方法规划的有效性。     

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...     

基于改进人工势场算法的CT扫描床路径规划算法

针对CT机扫描床与龙门扫描架协同工作过程中出现的运动干涉问题,提出一种改进的人工势场算法,解决传统人工势场算法对CT扫描床与扫描龙门架进行路径规划时目标不可达及陷入局部最优解的问题,从而使CT扫描床能按照预期要求到达预扫点位置。首先,在引力势场函数中加入扫描床与扫描龙门架最大影响范围的距离函数、在斥力势场函数中加入扫描床与目标点的距离函数,解决传统人工势场算法的目标不可达问题;然后,通过增设扫描床虚拟位置点解决局部最优解问题。Matlab仿真实验结果表明：改进的人工势场算法能在最大迭代次数内更好完成CT扫描床运动过程的动态避障,验证了改进算法的有效性。     

基于改进人工势场法的放牧路径规划方法研究——以苏尼特草原为例

实验采用一种基于改进人工势场法的放牧路径规划方案,首先通过构建不同斥力函数对不同程度过牧等级的草原区域进行区别避障,之后分别引入A星算法和RRT算法与人工势场法结合;结果表明：人工势场法结合RRT算法效率较低,且有寻路失败的可能性;而人工势场法结合A星算法有较大的优势,说明利用人工势场法结合A星算法可以有效避开过度放牧区域,合理规划放牧路径,提高放牧效率并节省劳动力,可促进草原生态恢复保持生态平衡.     

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多机动态改航路径规划

危险天气会影响航班的正常飞行,因此需要研究危险天气影响下的航班改航路径规划的问题。改进了传统人工势场法中的斥力势函数,将航空器与其对应的目标点之间的距离以及航空器与障碍物的运动速度考虑在内,建立了改进人工势场法的多机动态改航路径规划模型。该模型解决了航空器因受力不为零而徘徊运动的现象,并且适应动态运行环境。算例验证了该模型的有效性和可行性。     

基于融合和人工势场的自主移动机器人路径规划研究

研究了动态不确定环境下自主移动机器人路径规划和运动控制问题．在时域上，建立了超声传感器数据预测模型，利用递推最小二乘法在线更新预测模型参数，通过将该预测模型的预测值与当前传感器实测值融合，提高了了超声数据的可靠性；考虑到空间分布的连续性，将相邻近的超声传感器信息融合进来，进一步提高了数据的实用性．由于人工势场法简单易实现的特点，被广泛应用在机器人自主避障中．借鉴预测控制原理，使用上述融合处理的超声数据，在每个滚动周期内运用改进的人工势场法解决了机器人避障问题．最后，在中国科学院自动化研究所自主开发的移动机器人CASIA-1上对算法进行了实验，实验结果验证了算法的可靠性。     

基于主动安全的改进人工势场局部路径规划研究

局部路径规划是智能驾驶车辆主动安全保障的关键.为解决传统人工势场方法存在的局部极小值与目标不可达的理论问题,基于毫米波雷达对障碍物方位角 θ0的测定功能,引入实验车与障碍物距离作为斥力调节因子,确保目标点附近的斥力不至于过大,同时引入方向角为 θ(>θ0)并受控于目标距离k·S(M,Mg)的目标引力的附加力,使实验车确...     

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.     

基于矢量势场法的机器人足球路径规划

基于传统人工势场方法,提出了在适应于障碍物和目标都动态变化的机器人路径规划方法。针对机器人足球的特点,在每个时间周期中,球场上的障碍物和边界对机器人产生排斥的位置矢量,球对机器人产生吸引的位置矢量和角度矢量,机器人在这些矢量的作用下,可以产生下一个时刻的路径点,最终每个时刻的路径点形成了机器人的路径。仿真结果表明,所提出的路径规划方法能够满足机器人在动态环境中实时路径规划的要求     

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。     

动态环境下基于改进人工势场法的机器人运动规划

提出了一种用于动态环境下的改进的人工势场法，该方法主要从两方面对传统人工势场法进行了改进：使用基于势场强度方法来取代矢量合成方法；将障碍物的运动信息引入到排斥势函数中，使传统的静态势场变为动态势场．通过这种方法可以使机器人对移动障碍物的避碰更有效。     

一种人工势场路径规划改进算法的研究

针对人工势场法中局部最小问题产生的根源,提出一种在局部最小区域设置虚拟目标物的解决方法。不同的障碍物采用不同的策略设置虚拟目标物,打破局部最小区域的受力平衡,使得障碍物在虚拟目标物的引力作用下顺利走出局部最小点,到达目标。仿真试验验证了该方法的有效性。     

基于融合和人工势场的自主移动机器人路径规划研究

研究了动态不确定环境下自主移动机器人路径规划和运动控制问题.在时域上,建立了超声传感器数据预测模型,利用递推最小二乘法在线更新预测模型参数,通过将该预测模型的预测值与当前传感器实测值融合,提高了了超声数据的可靠性;考虑到空间分布的连续性,将相邻近的超声传感器信息融合进来,进一步提高了数据的实用性.由于人工势场法简单易实现的特点,被广泛应用在机器人自主避障中.借鉴预测控制原理,使用上述融合处理的超声数据,在每个滚动周期内运用改进的人工势场法解决了机器人避障问题.最后,在中国科学院自动化研究所自主开发的移动机器人CASIA1上对算法进行了实验,实验结果验证了算法的可靠性.     

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。     

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。     

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。     

基于势场栅格法的机器人全局路径规划

综合势场法和栅格法的优点，提出了一个新的全局路径规划方法——势场栅格法、算法在避免局部最优点和降低计算量方面，有着良好的效果；并且可以自动确定栅格粒度．最后，文章分析了影响算法精度的因素，仿真试验表明此算法有良好的可行性和有效性．     

欠驱动船舶简捷鲁棒自适应路径跟踪控制

为了进一步解决模型存在任意不确定性和外界环境干扰的欠驱动船舶路径跟踪控制问题,在Backstepping方法基础上,引入非线性函数逼近技术对模型中任意不确定因素进行补偿控制。考虑到"计算膨胀"和控制实时性问题,引入动态面控制和最小参数学习方法的设计思想,充分利用欠驱动船舶模型内部结构特征,将用于非线性函数逼近的神经网络权重压缩为4个参数进行在线学习。该算法具有形式简捷、学习参数少、易于工程实现的特点,仿真实例验证了所提出控制策略的有效性。