基于人工势场法的AUV避障算法研究综述

简述了人工势场法的概念,分析了人工势场法的引力和斥力势场模型,指出了人工势场法在应用中存在的水下复杂环境问题、目标不可达问题、局部极小值问题;从考虑复杂障碍物因素和海流因素两方面阐述了水下复杂环境问题的研究现状,从对势场函数进行重新定义或对斥力势场函数进行修正两方面阐述了目标不可达问题的研究现状,从设置虚拟引导点等方面阐述了局部极小值问题的研究现状,并且阐述了几种组合避障算法的研究现状;从构造更完善的势场函数模型、考虑复杂海流因素影响、算法融合以及在算法中加入路径评价机制等方面对人工势场法未来的发展方向进行了展望。     

基于动态人工势场法移动机器人路径规划研究

考虑机器人与目标点的相对位置以及相对速度因素构建引力势场和引力函数,考虑机器人与障碍物之间的相对位置、相对速度以及相对加速度因素构建斥力势场和斥力函数。基于位置的“分而治之”策略,将机器人所处的环境分解成不同的情景,通过传感器获得周围环境信息,制定并执行情景-运动规则。建立复杂动态机器人仿真环境,验证改进后的算法在动态环境中机器人自动避障的可行性。以IN-RE机器人为实验平台,做动态环境下机器人自动避障路径规划实验,验证本文提出的动态人工势场法在动态环境中的可行性。     

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。     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

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.     

基于人工势场一遗传算法的机械避障方法研究

人工势场法是机器人避障规划中常用的方法,具有简单、实时性强的特点,但其存在目标不可达和局部极小值问题;文中针对机械臂的避障问题,首先利用人工势场法确定机械臂末端的避障轨迹,使用改进的斥力场克服势场法的目标不可达问题,利用随机逃离和沿等势线逃离相结合的方法解决局部极小值问题;其次针对机械臂末端避障轨迹中的每个点,采用遗传算法计算其对应的机械臂逆运动学解,在确保杆件不发生碰撞的情况下,充分保持关节角变化的柔顺性;仿真结果表明算法能够有效地实现机械臂的避障规划.     

基于模糊改进人工势场法的机器人避障方法研究

在内部密封、狭窄、多障碍的船舱环境中,障碍物的分布具有随机性和不确定性,对于移动机器人的避障方法而言,传统人工势场法存在目标不可达、局部极小值等问题.设计了一种基于模糊逻辑的改进人工势场法,在避障算法的局部极小值附近,基于模糊逻辑给予移动机器人辅助控制力,帮助机器人逃离局部极小值点,避免机器人在避障过程中陷入局部极小值点的问题,并且优化路径.仿真实验表明:在多障碍复杂环境下,该算法能实现机器人实时、安全的避障.     

结合光流和人工势场的风管机器人避障方法

风管清扫机器人是一种用来清扫中央空调通风管道内壁的机械手,工作环境恶劣、管道空间障碍复杂。风管清扫机器人的无碰撞运动对于实现其3D非重复接触和高速旋转刷的最优遍历清洗至关重要。以光流密度作为使用避障的光源,结合光流和人工势场法,以光流法进行障碍物检测,人工势场法进行避障规划,提出一种局部路径规划的障碍物检测及避障方法。实验结果表明,斥力势场矢量指向避开障碍物的方向,而且势场主要受障碍物的光流的影响,并由最近的障碍物来确定。通过与平衡策略方法对比,也验证了此方法的有效性。     

基于改进势场法的机器人路径规划

针对传统人工势场法存在引力过大、容易陷入局部极小值、目标不可达以及容易陷入陷阱区域等问题,提出了基于路径优化策略和参数优化的改进势场法。通过引力补偿增益系数来避免引力过大的问题;根据环境信息采取不同的虚拟目标点设置策略以逃离局部极小值点;设置观察距离以识别障碍物的分布情况,选择不同的路径优化策略来避免目标不可达问题,机器人通过提前旋转角度来切向远离陷阱区域或采用安全路径通过该区域;采用改进差分进化算法求解有约束最优化问题,使得人工势场法的初始化参数不再根据经验来设置。仿真实验结果表明,改进势场法可以有效解决机器人陷入局部极小值、目标不可达等问题,并可优化机器人的行驶路径,提高机器人移动的安全性。相比传统人工势场法,改进势场法的路径长度减少了17.5%。     

自适应斥力系数的无人机路径规划

使用人工势场法进行无人机路径规划时,往往存在目标不可达、运动轨迹迂回反复和路径长度过长等问题.传统的人工势场法不能根据环境具体信息对斥力系数进行调整,而现有的改进方法不能在自适应调整斥力系数的同时兼顾规划效果和规划时长.针对以上问题,提出了一种基于深度学习的无人机自适应斥力系数路径规划方法.首先通过融合遗传算法与人工势场法找出在特定环境下最合适的斥力系数样本集,其次利用该样本集训练残差神经网络,最后通过残差神经网络计算适应环境的斥力系数,进而使用人工势场法进行路径规划.仿真实验表明,该方法在一定程度上解决了人工势场法规划中目标不可达、运动轨迹迂回反复和路径长度过长等问题,规划效果和规划时长方面均有优异表现,能很好地满足无人机路径规划中对当前环境的自适应要求和快速规划的要求.     

模糊控制在移动机器人路径规划中的应用

针对移动机器人最优路径规划问题,设计了一种模糊智能控制方法。利用超声波传感器对机器人周围环境进行探测,得到关于障碍物和目标的信息。通过设计模糊控制器,把得到的障碍与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好地避障,并且解决了模糊算法存在的死锁问题,从而实现了移动机器人的路径规划。仿真实验结果表明了模糊算法优于人工势场法,具有有效性和可行性。     

Optimisation-based verification process of obstacle avoidance systems for unicycle-like mobile robots

This paper presents an optimisation-based verification process for obstacle avoidance systems of a unicycle-like mobile robot. It is a novel approach for the collision avoidance verification process. Local and global optimisation based verification processes are developed to find the worst-case parameters and the worst-case distance between the robot and an obstacle. The kinematic and dynamic model of the unicycle-like mobile robot is first introduced with force and torque as the inputs. The design of the control system is split into two parts. One is velocity and rotation using the robot dynamics, and the other is the incremental motion planning for robot kinematics. The artificial potential field method is chosen as a path planning and obstacle avoidance candidate technique for verification study as it is simple and widely used. Different optimisation algorithms are applied and compared for the purpose of verification. It is shown that even for a simple case study where only mass and inertia variations are considered, a local optimization based verification method may fail to identify the worst case. Two global optimisation methods have been investigated: genetic algorithms (GAs) and GLOBAL algorithms. Both of these methods successfully find the worst case. The verification process confirms that the obstacle avoidance algorithm functions correctly in the presence of all the possible parameter variations.     

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。     

一种新基于混沌优化算法的机器人路径规划方法

提出了一种基于混沌优化算法的机器人路径规划方法,即混沌人工势场法，该方法能够在动态环境下实时、有效地产生避碰局部最优路径,避免了传统人工势场法容易陷入局部最优和在比较靠近的两个障碍物之间找不到通道的缺陷.仿真试验表明:提出的方法具有较强的路径规划能力，克服了传统人工势场法的缺点,具有较强的实用性.     

改进人工势场法的洗浴机器人擦洗路径规划

针对洗浴机器人末端执行器与人体直接接触擦洗的自主导航问题进行了研究,提出一种基于人体点云的改进人工势场法三维覆盖路径规划算法。首先,在传统人工势场法基础上增设障碍物引力势场,使机器人能够贴近障碍物表面向目标点移动,并且通过添加虚拟目标点的方法克服了凹陷区域产生的局部极小值问题。然后,将人体点云切段分割后投影至平面,结合改进的人工势场法完成对人体表面的覆盖路径规划。以人体模型点云为对象进行仿真实验及对比,结果表明提出算法可以快速有效地完成基于人体点云的三维覆盖擦洗路径规划。     

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.     

未知环境下单目视觉移动机器人路径规划

针对室内未知环境下的避障和局部路径规划,提出了一种单目移动机器人路径规划算法,该算法通过对环境图像的自适应阈值分割,获取障碍物与地面交线轮廓点集。通过对现有几种单目测距方法的分析比较,提出一种改进的空间几何约束单目视觉测距计算方法,并依据单目测距的几何关系建立了图像坐标系与机器人坐标系的映射,绘建了一定比例的局部地图。在局部地图上通过改进的人工势场算法为机器人规划路径,改进的人工势场算法解决了传统算法目标点不可到达的问题。通过MATLAB进行仿真实验,结果表明该方法可以规划出有效合理的路径。     

克服V型障碍陷阱的激光雷达机器人分层避撞方法

激光雷达以其高的角度和距离分辨率被广泛地应用于移动机器人的障碍规避,但其固有的探测特性易使机器人陷入V型障碍陷阱,并增大路径代价.为此,通过深入分析激光雷达精度与距离的特性关系,提出按照探测精度将探测区域划分为模糊规避区、精确规避区和应急规避区,进而建立一种分层障碍规避方法.为模糊规避区设计神经网络障碍规避算法,同时在精确规避区采用边界点追踪法避撞.仿真实验表明,所提出方法相较于传统的激光雷达避撞方法,不仅能够使机器人避免误入V型陷阱,而且可以产生更小的路径代价.     

基于改进人工势场法的物流无人配送车路径规划

传统人工势场法在面对多障环境时易陷入局部最优,导致路径长度和拐点数量增多从而严重降低配送效率。为此,考虑复杂环境多障密集和离散分布特征,结合相对位置检测策略和边界条件判断决策,采用自主虚拟圆作用域设计,修正路径长度和拐点数量缺陷;进一步地,基于模型预测理论,建立四轮转向车辆稳定性控制器,实现理想模型路径的精准跟踪控制;采用MATLAB软件进行模拟避障实验,并与传统算法路径搜索关键要素特征进行对比仿真。研究结果表明,所提出的改进人工势场算法相比于传统算法,全局拐点数量减少10个,路径缩短21.06%,跟踪偏差率低于6%。通过研究,解决了车辆多障环境适配及避障安全性问题,实现了指定轨迹的平稳、安全配送,为无人配送车规划算法的改进提供了理论指导。