基于旋转势场法的双足机器人避障路径规划方法

针对双足机器人在实际环境中运动时难以实时规避障碍物的问题,本文提出了基于旋转势场法的避障路径规划方法。该方法将足迹规划思想引入基于势场法的局部实时路径规划中,通过设计新的障碍物旋转势场来解决传统势场法的局部极小值问题,进而利用旋转势场和足迹规划间的映射关系实现双足机器人的实时避障运动。将该算法应用到一台双足机器人上进行实验验证,现场设定障碍物使路径更接近实际作业环境,机器人顺利完成了U型场地的避障,验证了该方法的有效性。     

基于人工势场法机器人小车避障的研究

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定、平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进行了规划并进行计算机仿真.仿真结果表明,该人工势场法能有效地实现机器人小车的避障功能.     

复杂动态环境下基于侧滑力的局部路径规划

研究了复杂动态环境下具有局部感知能力的移动机器人路径规划问题.针对传统势场法避障在拥塞环境下存在局部振荡的问题,提出虚拟侧滑力的方法,障碍物对机器人产生侧滑排斥力,而非传统的反向排斥力,并由力来直接引导机器人运动.静态障碍物的侧滑力计算与障碍物距离、朝向及目标点朝向有关；动态障碍物的侧滑力计算应考虑其速度信息.为解决局部最小问题,对机器人已走路径进行跟踪监督,当机器人路径在一段时间内出现重复时,确认其已处于陷阱状态,继而采用沿墙走的策略来摆脱陷阱.仿真结果验证了算法在复杂动态环境下的实时性和有效性.     

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Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.     

复杂局部地形中的实时路径规划算法设计

针对复杂局部环境中机器人实时自主导航问题,设计了“双向搜索多边形构造算法”和“基于势场函数的机器人运动控制器”．“双向搜索多边形构造算法”能够在机器人被障碍物包围的环境下搜索出障碍物的包围多边形,从而获取基于障碍的最优行进路径;“基于势场函数的机器人运动控制器”是一个多变量控制器,输入矢量由吸引势场函数和排斥势场函数组成,输出矢量由速度和转角组成,该控制器控制机器人实际运动,使机器人能够有效躲避障碍物并逐步趋向目标点;控制器还设定了机器人运动的基本速度,解决势场为零时引起的局部极小化问题．与“沿墙走算法”、“人工势场法”等方法的实验比较表明,本文算法能够获得更好的优化性和实时性,具有更加广泛的实际应用范围．     

改进人工势场法的路径规划算法研究

针对基于传统人工势场法的机器人路径规划存在局部极小点的问题,提出了一种修改斥力方向和自主建立虚拟目标牵引点相结合的路径规划算法。该算法在修改斥力方向算法中设置了一个临界值,在机器人行走的过程中,若机器人与障碍物的距离大于临界值,机器人路径规划就采用修改斥力方向的算法,当机器人与障碍物的距离小于临界值时,机器人路径规划算法就从修改斥力方向算法转入自主建立虚拟目标牵引点算法。改进后的算法很好地解决了传统人工势场法的局部极小点问题,仿真结果证明了改进后算法的有效性。     

机器人BP神经网络避障控制模型构建及仿真

针对传统BP神经网络在未知环境下机器人路径规划及避障算法中存在权值调节收敛速度慢、易陷入局部极小点、网络结构不稳定等问题,基于权值调节收敛速度与学习率之间的关系,通过引入调节因子及设置参数kinc和kdec对传统BP神经算法进行了改进,实现了学习率的大小动态调节,优化了权值的收敛.利用改进后BP神经网络算法,给出了一种新型机器人二级BP神经网络避障控制模型.仿真结果表明:该模型用于障碍物实时识别及机器人快速避障时有效可行,障碍物识别率达到80.5%~99.5%,避障路径趋近最优直线路径.     

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...     

未知环境下机器人避障及动态目标追踪

针对传统人工势场法在避障及其动态目标追踪过程中产生的机器人陷入局部极小值点、无法到达目标、避障追踪路径产生震荡等问题,对传统人工势场法的引力公式和斥力分力方向进行了重新定义.在引力公式中加入速度差与加速度差因子,将斥力分力方向重新定义为与引力方向夹角不大于90°的方向,并且将该优化思想与现有的改进人工势场法进行了对比分析.结果表明,该算法可行且提高了机器人避障和动态目标追踪的灵活性以及对恶劣环境的适应能力.     

清洁机器人避障系统的路径规划算法研究

清洁机器人的路径规划,可使机器人依照设计路线行走,做到真正的全自动化。采用迂回式路径规划作为全覆盖路径的基础路径,建立了能耗分析方法以确定清洁机器人的行走方向。该规划方式几乎能达到全程覆盖率。又提出了从单个障碍物到多个障碍物的避障路径规划的具体实施步骤。试验模拟表明,该方法有效。     

记忆运动方向的机器人避障算法

在一般的避障环境中,Tangentbug算法表现的非常鲁棒,但当避障环境中有对称障碍物的时候,Tangentbug算法容易产生路径的死循环,从而导致终点不可到达.然而在机器人避障过程中,对称障碍物是非常常见的.针对这个问题,提出了基于记忆机器人运动方向的Tangentbug算法.该算法中,机器人每经过一个位置点,就把当前位置点和选择的运动方向记录下来,为后面的更新运动方向做好准备.首先,机器人扫描到障碍物时计算出机器人与障碍物的相遇方向;其次,根据障碍物的边缘,统计局部地图信息,得到局部切线图,找到离终点和当前点距离和最近的点作为机器人的下一个目标点,得到机器人的运动方向;然后,在机器人绕行障碍物时结合记忆的运动方向和局部切线图产生的最小距离和更新下一步运动方向.在整个避障过程中,不停的更新相遇方向和运动方向,最终实现机器人的直行和绕行,从而到达终点.通过大量实验验证,实验结果表明该算法不仅可以实现机器人在对称障碍物环境中顺利到达终点,也可以在非对称障碍物环境中达到终点,验证了该算法的有效性和鲁棒性.     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该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,同时克服了传统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,对机器人的路径规划效果令人满意.     

多机器人路径规划中的一种混合算法

针对动态环境中多移动机器人路径规划问题,将协同进化算法和改进人工势场法相结合,提出了一种全局路径规划和局部路径规划有效结合的新方法。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

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.