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.     

足球机器人路径规划的改进型人工势场算法研究

传统人工势场法不能适应复杂动态环境且容易产生局部极小,论文提出了一种改进型的人工势场算法,该算法考虑了机器人和障碍物的速度、加速度等动态特性,对传统人工势场进行了有效的调节,使其能更好地适应动态复杂环境,对局部极小问题进行判定,通过改变斥力场和引力场的影响力来解决局部极小问题,将该优化算法运用到足球机器人仿真比赛中,结果表明基于改进型人工势场优化算法能够在动态对抗性的环境中有效地实现最优路径规划,弥补了传统人工势场的不足。     

基于改进人工势场法的足球机器人避碰控制

本文在分析足球机器人避碰的特点及传统人工势场法不足的基础上，提出了引入 障碍物的速度和加速度矢量的改进人工势场法，用于足球机器人的避碰控制．仿真实验表明 ，这种方法是可行的，并弥补了传统人工势场法的不足．     

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。     

动态环境下改进人工势场法的仓储机器人自主导航系统研究

为了解决仓储机器人在全动态环境中的自主导航问题,在分析自主导航技术基础上建立了机器人和动态障碍物的数学模型,搭建了以二维激光雷达为主的环境感知平台,提出了一种改进的人工势场法。在传统人工势场法中同时引入相对速度和相对加速度因素得到改进的人工势场模型,实现机器人在全动态环境中的自主移动。设计了无障碍物和多动态障碍物两种移动环境。经仿真验证,应用改进的人工势场法进行路径规划能高效地避开动态障碍物、跟踪动态目标,且运动路径光滑。     

基于动态模糊人工势场法的移动机器人路径规划

传统人工势场法在路径规划中存在局部极小值问题,而且不能满足动态环境中移动机器人路径规划对实时性、安全性和可达性的要求.针对传统人工势场法存在的问题,通过引入速度矢量,改势场力函数,并与模糊控制方法相结合,实时调节斥力势场系数,克服人工势场法的缺陷.在MATLAB平台中验证了方法的有效性,实验结果表明,该方法优于人工势场法模型的路径规划.     

新型势场模型及在实时运动规划中应用

针对复杂环境中移动机器人的实时运动规划问题,在传统人工势场法基础上,以机器人与动态障碍物的相对位置和相对速度为变量,构建了一种新型的位置和速度势场模型,提出了一种新的自适应势场法.通过变参数约束扰动法解决了势场法中的局部极小问题.实验结果表明,该方法能使机器人选择最佳避障策略实现主动避障,快速地摆脱动态障碍物,规划出光滑路径,从而提高避障效率,较好地解决了动态未知环境中的路径规划问题.     

复杂环境中基于人工势场优化算法的最优路径规划

本文提出一种基于人工势场优化的路径规划方法.把人工势场的路径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;另一方面，机器人的路径也同时得到优化，克服了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能有效地实现最优路径规划；并提供了一种把传统规划方法和统计优化相结合、提高规划效率的可行思路．     

基于势能场模型的RoboCup进攻策略

文中设定了一个势能场来描述比赛的情况。在这样的势能场中,球将向势能降低的方向运动。定义了3种势能场:第一种是对球场定义的;第二种是对每一个球员定义的;最后一种是前两种的结合。在实际中运用的是第一种。把这一方法提供给队员让他们用它来做出判断,他们将依靠判断势能的大小来决定球往哪踢。把这种策略与以往的基于逻辑准则的策略进行了比较,基于势能场的策略在很多情况下会做出更好的决定,在其他情况下也不会比以前的策略更差。     

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。     

改进人工势场法在机器人路径规划中的应用

为解决传统人工势场法用于机器人路径规划时会出现规划失败的问题,分析了由于局部极小点问题而导致规划失败的原因。在已改进人工势场函数的基础上,提出了通过增加虚拟目标点和原目标点共同对机器人产生引力的方法来解决传统人工势场法中出现的局部极小点问题。在Mobotsim中对算法的仿真结果表明了该方法的可行性和有效性。     

基于势场法的移动机器人路径规划仿真研究

针对势场法的障碍物附近目标不可达（GNRON）问题,采用改进斥力势场函数,把机器人和目标的相对距离考虑进去,从而确保目标点为整个势场的全局最小点,使得机器人能够顺利到达目标。针对局部极小引起的陷阱区域问题,提出了增加引导点的方法,使得机器人能够快速走出陷阱区域,向目标点移动。通过仿真实验,还实现了机器人在限定区域内漫游。改进后的势场法适用于复杂环境下的移动机器人路径规划。仿真结果证明了此方法的有效性。     

面向未知地图的六足机器人路径规划算法

针对移动机器人路径规划中无法准确得知全局地图的问题,提出了一种基于模糊规则和人工势场法的局部路径规划算法。首先,利用测距组与模糊规则,进行障碍物的形状分类,构建局部地图;其次,在人工势场法中引入了一种修正的斥力函数,基于局部地图,利用人工势场法进行局部路径规划;最后,随着机器人的运动,设置时间断点,以减少路径震荡。针对随机障碍物和凹凸障碍物的地图,分别采用传统人工势场法和改进的人工势场法进行仿真,其结果表明：在遇到随机障碍物时,相比传统人工势场法,改进的人工势场法能够显著减少与障碍物的碰撞;在遇到凹凸障碍物时,改进的人工势场法能够很好地完成路径规划的目标。所提算法对地形变化适应能力强,能够实现在未知地图下的六足机器人路径规划。     

基于改进人工势场模型的移动机器人路径规划

针对传统人工势场模型在移动机器人路径规划中存在局部极值的问题,提出了一种改进方法。该方法首先将传统势场模型转换成解空间中寻优的问题,再加入罚因子建立罚函数数学模型。新的势场模型能够有效的使得机器人成功逃逸局部极值点。最后通过MATLAB进行仿真实验,仿真实验结果证明该方法的有效性。     

基于人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法,具有反应速度快、计算量小和实时性等优点。但这种方法容易产生局部极点,导致机器人停止移动,达不到目标。文章利用传统的人工势场法对移动机器人避障行为进行了仿真实验并成功地规划出一条光滑路径,并对人工势场法研究现状进行了分析讨论。     

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.