多移动机器人混合避障算法的编队策略

针对多移动机器人系统在未知静态障碍物环境下的编队避障问题,提出了一种多移动机器人混合避障算法的编队策略,使多移动机器人系统在整个运行过程中保证系统内不发生碰撞,并且在未知静态障碍物环境中能最大程度地保持队形进行有效避障,以及能够在较短时间到达指定目标点。该编队策略基于领航跟随法和人工势场法,将系统内机器人划分为领航机器人及跟随机器人,并根据各自角色任务的差异,对其采用了不同改进方法的人工势场法进行避障,形成一种混合避障算法,其中针对领航机器人提出了LAPF(leader artificial potential field)避障算法,该算法改进了传统人工势场法的斥力函数,解决了传统人工势场法极易陷入局部极值困境的问题,并有效缩短了避障过程所用时间。为保证整个系统运行过程及避障行为之后能够恢复队形保持系统稳定性,该编队策略利用一致性模型控制机器人的速度,使领航机器人与跟随机器人的状态趋于一致,进而保持队形。仿真结果验证了LAPF算法及该多移动机器人混合避障算法编队策略的有效性。     

基于改进势场的无人机编队恢复与一致性仿真

针对多无人机编队防撞、编队恢复及位置和速度收敛一致性问题,提出以改进势场原理与一致性理论为基础的分布式协同编队控制算法。建立静态障碍物模型、无人机质点模型与二阶系统动态模型;定义含协调因子和通信权重的机间协调势场函数,实现防撞和队形恢复的控制目标;在基本一致性协议中引入编队中心参考向量、期望速度和速度镇定项,实现位置和速度的收敛一致性;结合改进的一致性协议与改进势场作用下的合加速度设计协同编队控制算法,并由Hamilton函数证明该算法的稳定收敛性。仿真结果表明：该方法可以实现防撞、队形恢复及位置与速度收敛一致的控制目标。     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

基于层次分解策略无人机编队避障方法

针对危险模式下无人机编队问题,提出基于层次分解策略的编队避障方法.通过构建Voronoi图,利用K路径算法为各无人机找到多条备选航路;然后建立协同函数,为各无人机规划出既能满足时间协同要求,又能满足整体代价最优(次优)的障碍物规避航迹.并设计了无人机编队的通行规则,解决了无人机在避障飞行过程中有可能产生的碰撞冲突问题.仿真结果验证了算法的有效性.     

基于激光传感器的动态拟合避障控制与仿真

考虑未知动态环境下机器人系统的运动规划问题,提出了一种避障规划策略.针对一类圆形动态障碍,机器人通过激光传感器采样获得障碍边缘,采用最小二乘法对障碍边缘进行拟合.经过多次估计动态中心位置和大小,获取障碍物的相对速度和方向.综合考虑机器人、动态障碍以及目标点间的相对关系,确定机器人的最优运动方向,以保证机器人安全运行和任务完成.在此基础上,进一步给出了多机器人系统在未知动态环境下的编队控制策略.所提出的避障控制策略通过仿真实验进行了验证.     

基于一致性协议的多无人机协同围捕控制方法

针对无人机对运动目标的协同围捕问题, 设计了一种快速协同围捕控制算法。首先, 基于人工势场法设计了无人机与目标的动态博弈关系, 使得目标的运动更加趋近于现实场景下逃跑者的行为模式。其次, 利用无人机与目标的速度关系, 将二维阿波罗尼奥斯圆扩展为三维阿波罗尼奥斯球, 通过阿波罗尼奥斯球设计了无人机编队围捕队形。然后, 将无人机获取的目标信息引入到一致性协议, 以此来完成无人机编队对目标的协同编队围捕, 并引入二跳网络加快围捕队形收敛, 提高了无人机编队的任务执行效率。最终, 通过仿真实验证明了该控制算法的有效性。     

基于虚拟子目标联合边界力的编队避障算法

针对复杂环境条件下无人机（unmanned aerial vehicle,UAV）集群编队系统中领航-跟随集群的编队控制和人工势场法中的避障问题，提出了一种基于虚拟子目标联合边界力（joint virtual sub-target and boundary force, JVBF）的无人机集群编队避障算法。采用基于虚拟子目标的领航-跟随法并优化修正力函数来实现无人机集群的队形控制，以达到帮助跟随无人机快速恢复队形的目的；采用基于边界力的人工势场法负责局部路径规划，解决无人机目标不可达和狭窄通道内振荡的缺点。仿真结果表明，所提算法相较于传统算法具有更高的编队队形一致性和时间效率。     

动态环境下基于子目标的移动机器人路径规划方法

在移动机器人路径规划领域中,沿墙行走策略是解决人工势场法局部极小问题的一种简单但有效的方法。然而,已有的沿墙行走方法往往只适用于静态环境。为了在解决人工势场法局部极小问题的同时,保证其在动态环境中的有效性,本文对沿墙行走方法进行了改进,提出了一种基于子目标的方法,利用机器人周边的动态斥力势场调节沿墙运动的距离,通过设置子目标引导机器人躲避运动障碍物。仿真研究验证了该方法的有效性。     

带拖线阵的水面无人艇局部路径规划算法

针对带有拖线阵的水面无人艇(unmanned surface vessel, USV)局部路径规划问题,提出了一种基于虚拟斥力场的改进人工势场法。首先,对USV和拖线阵进行建模,分析带有拖线阵USV的避障和缆阵有效张力过大问题;然后,通过增加虚拟斥力场改进人工势场法,在USV艇体有效避障的基础上,增加拖线阵位置安全裕度;最后,兼顾缆体的强度安全,实现带有拖线阵的USV整体有效避障。仿真和海上试验结果表明,所设计的方法能够综合保障USV及其拖线阵的航行安全。     

全局未知环境下智能群体群集运动与避障控制

研究了在全局环境未知且存在静态障碍物的情况下,智能群体的群集运动控制问题.模型在人工势能结合速度一致策略的基础上,利用了滚动窗口的方法实时产生虚拟领航者引导群体向目标位置运行;并利用极限环方法解决了群体避障问题.基于滚动窗口方法构造的虚拟领航者,充分地利用了实时测得的局部环境信息,具有自适应性;极限环方法避障使得群体能够平滑地绕过障碍物,克服了传统人工势场法避障的局部最小问题.     

基于碰撞预测的无碰撞航路规划

人工势场法作为路径规划的一种算法,由于其数学描述简洁且易于执行,所得路径较短且平滑,在许多工程领域中被广泛使用.由于势函数斥力作用仅考虑机器人与障碍物的距离,这就使航路规划在障碍物附近无差别的采取避碰措施,这就导致无谓避碰行为的出现,极大影响航路规划的效率,且容易出现狭窄通道无法识别以及由周边多个障碍物的合斥力造成的局部极小值问题.针对无谓避碰行为,提出碰撞危险度评估模型和障碍物影响距离确定模型,针对局部极小值和航路点震荡问题,提出虚拟障碍物法和过滤震荡点法,以此构成基于碰撞预测的航路规划法.仿真结果表明该方法能够有效的避免无谓避碰行为,且无局部极小值和航路点震荡问题,所得路径也较短.     

基于速度障碍圆弧法的UAV自主避障规划研究

提高复杂环境下无人飞行器(unmanned aerial vehicle, UAV)自主避障能力成为亟待解决的关键问题。针对现有避障算法忽略“潜在危险”障碍的影响和对多障碍避碰复杂的问题,建立障碍物威胁分级模型,提出一种速度障碍圆弧法,该方法通过速度障碍圆弧参数量化了威胁障碍的影响。同时,给出了速度障碍圆弧参数的系统计算方法,考虑了复杂环境下UAV与威胁障碍之间不同相对位置和相对速度情况。基于速度障碍圆弧法给出相应的避碰算法。以路径规划为实例对避碰算法进行了仿真验证,仿真结果验证了算法的有效性和实用性。     

基于改进人工势场法的无人机航迹规划

针对传统人工势场(traditional artificial potential field, TAPF)方法在无人机航迹规划时航迹摆动幅度较大且容易陷入局部极小值的问题, 提出了一种改进人工势场法。首先在TAPF方法的基础上, 引入角度与速度调节因子, 模拟更真实的无人机飞行轨迹; 然后再引入辅助避障力, 实现避障的同时平滑轨迹; 最后对改进航迹规划算法与TAPF方法进行仿真实验。结果表明, 相较于传统算法, 改进后的航迹规划算法在航迹平滑性上有显著提升, 并且有效地避开了局部最小值点。     

基于碰撞危险度的无陷阱动态航路规划

由于人工势场法中障碍物的影响距离通常为一个固定值,不可避免地导致无谓避碰行为的出现,极大影响航路规划的效率。本文在动态环境下,针对无谓避碰行为,提出碰撞危险度评估模型和障碍物影响距离确定模型;针对障碍物在目标附近目标不可及问题(goals nonreachable with obstacles nearby,GNRON),提出能够区别评估障碍物的时间碰撞危险度模型;针对陷阱问题,提出虚拟障碍物法,以此构成基于碰撞危险度的无陷阱动态航路规划法。仿真结果表明该方法能够有效避免无谓避碰行为和陷阱问题的发生,且无GNRON问题,所得路径也较短且平滑。     

一种动态不确定环境下UAV自主避障算法

在动态不确定环境下,考虑威胁障碍物的机动性和无人飞行器(unmanned aerial vehicle, UAV)携带传感器的探测误差,可有效地提高UAV执行任务的安全性和可靠性。本文在速度障碍法的基础上,将动态不确定性通过威胁障碍速度矢量方向角的偏差进行表示,并建立了动态不确定性速度障碍模型(dynamic velocity obstacle model, DVOM);为量化动态不确定环境下威胁障碍物的影响,基于速度障碍圆弧法,给出了DVOM速度障碍圆弧法,并在此基础上,提出了一种动态不确定环境下UAV自主避障算法。最后,以Pythagorean Hodograph (PH)曲线路径规划为例对考虑动态不确定性的UAV自主避障算法进行了验证,仿真结果验证了算法的有效性和可行性。