基于改进人工势场法的机织机器人避障路径规划

针对机织机器人自动化作业时的避障问题,提出基于改进人工势场法的三维避障路径规划算法。利用改进人工势场法中斥力势场函数,引入修正系数,在机织机器人陷入局部极小值点时增加虚拟障碍物,破坏其在虚拟力下的平衡状态,解决了人工势场法无法到达目标位置和局部极小值点的问题。通过体素化网格方法和快速凸包算法处理障碍物点云数据,重建实际障碍物模型,提高了碰撞检测效率。仿真结果表明,以点云数据重建障碍物模型并采用改进人工势场算法规划出的避障路径使机织机器人成功到达目标位置,末端位置精度平均提高37%,并避免陷入局部极小值点。     

基于改进人工势场法的路径规划研究

针对传统的人工势场法在移动机器人路径规划中存在的目标不可达和局部极小值问题,提出了一种改进的人工势场法。首先,对目标点附近有障碍物时由于斥力较大,机器人难以到达目标点的问题,在势场中引入了安全距离因子,并对该参数进行了优化,从而使机器人与障碍物保持合适的距离,顺利到达目标点。其次,为解决局部极小值问题,引入了局部极小值判别条件,并在触发该条件时对局部极小区域进行绕行,使机器人顺利到达目标点。仿真结果表明,改进后的算法在不同数量的障碍物地图环境下运行,有较强的鲁棒性,所提出的算法可以使机器人在U型障碍物环境中绕过局部极小值区域,成功解决了移动机器人路径规划中的局部极小值问题。     

水下多障碍区域机器人的路线规划模型优化设计

水下多障碍区域中障碍物数量较多,且具有随机性和实时性的特点,传统模型依据起始点、目标点及障碍物顶点等建立可视图,一旦障碍物发生变化则需重新构图,无法适应障碍物的随机性,规划的机器人运行路线臃长,提出一种基于改进人工势场法的水下多障碍区域机器人路线规划模型,通过引力场与斥力场的负梯度描述引力和斥力,获取人工势场对机器人的作用力,建立人工势场模型。通过对人工势场斥力函数的优化设计,解决机器人障碍物附近目标不可达的问题;通过障碍物连接法解决人工势场模型的局部最小值问题,使机器人尽快走出局部最小值区域。实验结果表明,所提模型不仅能够有效避开障碍物,而且规划路径较短,效率高。     

基于混沌人工势场法的机器人路径规划

本文以人工势场法为基础,提出了一种基于混沌人工势场法的机器人路径规划方法,该方法解决了传统人工势场法存在局部最优点问题、在相近障碍物间不能发现路径、在障碍物前震荡、在狭窄通道中摆动等缺陷。仿真试验表明,该方法能有效的实现机器人路径规划。     

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.     

基于改进人工势场的水下机器人路径规划

针对传统人工势场法中的局部极小点问题,引入势场栅格对水下机器人的运动环境建模,基于障碍物对每个栅格节点的不同影响构建了改进的人工势场.通过累计水下机器人路径所经过的栅格点的势能与路径本身长度的势能,完成势能累计最小的最优路径的搜索.针对不同的栅格数目环境、多障碍物密集环境及目标点近距离接近障碍物的环境分别进行了规划仿真...     

基于改进势场法的移动机器人避障路径规划

分析了机器人路径规划方法中的人工势场法的不足,提出了改进势场法.该方法改进了斥力函数,增加了安全距离并将障碍物的影响距离根据障碍物的密集程度设置成一个动态值,并解决了抖动问题.针对局部极小问题采用虚拟障碍的概念,虚拟障碍是靠近局部极小点,用于把机器人从局部极小点区域驱逐出去,从而脱离局部极小并成功绕过障碍物到达目标点.改进势场法成功地应用于未知复杂环境下移动机器人的路径规划中,仿真实验证明了该方法的正确性和有效性.     

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。     

基于改进的人工势场法的机器人避障控制及其MATLAB实现

针对传统人工势场法存在局部极小点,而且容易导致路径规划失效的问题,通过改进的人工势场法,可以解决局部极小问题,使机器人尽快跳出局部极小点.从而有效地克服了机器人在障碍物附近出现的反复震荡或停止不前等问题,使机器人运动轨迹更平滑,从而更接近最优路径.仿真实验结果说明此方法有效.     

基于改进人工势场-模糊算法的路径规划算法研究

针对传统人工势场法解决移动机器人路径规划问题时存在局部最优和目标不可达的问题,提出了一种改进斥力的人工势场法与模糊算法相结合的路径规划算法。在斥力场中加入机器人与目标点欧几里德距离的对数函数,形成新的人工势场,并加入机器人、障碍物和目标位置坐标判据式。分别将人工势场引力与斥力的角度差、合力差作为模糊输入,借助专家经验进行决策,得到输出模糊力,进而调整机器人各时刻合力大小和方向。解决了传统人工势场法中出现的局部最优和目标不可达问题,减小了路径轨迹波动幅度,且在凹型槽障碍物中无徘徊。为了验证该方法的有效性,通过MATLAB软件进行仿真实验,结果表明机器人运动轨迹平滑,能较好避开障碍物到达目标点。     

复杂环境下移动机器人路径规划算法

对复杂环境下移动机器人全局和局部路径规划问题进行研究,提出一种全局-局部混合模式的路径规划方法.首先,对全局运动空间进行建模,运用全局模式规划一条从起点到终点的全局路径;然后,针对空间中影响机器人运动的移动物体,通过位置、速度分析碰撞的可能性,从而进行局部路径规划;最后,基于MATLAB仿真平台,将文中方法与经典人工势场法、改进人工势场法进行对比实验.实验结果表明:文中方法在机器人路径规划任务中的总时长和总长度均优于其他两种方法.     

基于人工势场的机器人动态路径规划新方法

针对传统机器人路径规划方法仅考虑静态环境的问题,建立了一种基于人工势场的移动机器人动态路径规划新方法.移动机器人运动环境通常是复杂多变的,在动态环境下,目标点、障碍物可能都是运动的,另外,存在运动轨迹未知的随机障碍物等,针对移动环境的动态情况,在传统人工势场法相对位置势场的基础上引入相对速度势场,充分利用量子粒子群算法,对引力势场和斥力势场的增益系数进行一定的优化.以量子粒子群的优化算法进行快速全局搜索,结合人工势场操作,对引力场和斥力场增益系数进行优化,该方法易于实时快速地对机器人进行控制.仿真结果表明,基于量子粒子群算法的人工势场法的路径规划模型能够得到平滑、安全的路径,具有较高的性能.该方法可以有效地实现机器人的动态路径规划.     

基于改进人工势场的智能车动态避障算法

针对传统人工势场法在动态环境中易与障碍物发生碰撞的问题,采用了一种适用于动态环境的改进型人工势场法。通过进行局部极小值检测并增设虚拟子目标点,解决了传统人工势场法存在的局部最优问题;通过引入智能车和目标点的相对距离因子对障碍物的斥力势场进行调控,使目标点处的合力势场为全局最小值,减少了障碍物在目标点附近对智能车的影响,使智能车顺利到达目标点;通过在斥力势场函数中引入障碍物相对速度势场和道路边界势场,解决了动态障碍物条件下人工势场法经常面临的碰撞问题。仿真实验结果显示,改进后的人工势场算法可以在动态障碍物环境中规划出一条安全可靠的行驶路径。     

改进的足球机器人局部极小值的研究

针对传统人工势场法在足球机器人路径规划中的局限,提出通过改造斥力模型,从而解决算法在静态路径规划中存在的局部极小值问题.通过引入速度势场产生速度斥力,从而解决算法不适应动态环境和动态环境存在的局部极小值问题.仿真验证了算法的有效性.     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

移动机器人避障路径规划改进人工势场法

针对路径规划中的大型障碍物,机器人、障碍物与目标点三者一线,以及局部最小值等困难问题,提出了相应的改进人工势场算法。针对大型障碍物问题,采用障碍物边界斥力算法改进传统人工势场斥力函数,确保算法的实用性。针对机器人、障碍物与目标点三者在同一条直线时目标不可达问题,应用虚拟子目标引力算法,确保目标点是机器人的势场全局最小点,使得机器人能顺利到达目标点。针对在障碍物环境下的局部最小值问题,采用区域隔离障碍物的方法,使机器人快速走出局部最小值区域。仿真结果验证了改进算法的有效性。     

基于改进人工势场法的移动机器人局部路径规划

为解决传统人工势场法在移动机器人局部路径规划中存在的缺陷,提高其路径规划的性能,提出了改进的人工势场法。将引力作用阈值引入引力势场函数,解决引力过大问题;在斥力势场函数中引入目标点与移动机器人之间的距离,解决目标不可达问题;根据环境复杂度,提出了自适应速度调节机制;针对局部极小值问题,分别提出了APF-v1和APF-v2两种构建虚拟目标点的方法,引导移动机器人走出陷阱区域。最后在ROS机器人操作系统中对改进的算法进行了对比实验,结果表明,改进的算法可以克服目标不可达、局部极小值等问题,并且在计算量、路径规划时间和步数等方面具有一定的优越性。     

多障碍环境中基于增强式学习的势场优化和机器人路径规划

该文把增强式学习方法应用于多障碍环境中机器人路径规划,并将增强式学习和路径规划结合,通过工作空间势场的自适应优化学习,实现机器人的全局路径规划,即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比,该方法避免了势场中局部极小点所引起的陷阱区域,并且所得到的路径具有最优特性,计算机仿真实验结果表明,这种学习方法能有效的解决多障碍环境中的机器人路径规划问题。     

结合启发式函数的随机运动规划方法

为有效解决位姿空间中存在狭窄通道的运动规划问题,提出一种结合启发式函数的随机运动规划方法。建立了人工势场函数,沿势场等势线方向的启发式函数避免了局部极小值问题。启发式函数与随机规划方法结合,能够引导机器人避过障碍物快速朝目标点运动。人工势场在局部极大值和最速下降方向方面的特殊性质进一步优化了算法。平面内机器人运动规划的实验表明,与原有单纯随机规划方法相比,这种结合启发式函数的随机运动规划方法在狭窄通道规划问题上性能有明显提高。     

基于模糊人工势场的移动机器人路径规划

针对在传统的人工势场法中对机器人进行路径规划时,容易产生局部极小点问题,提出了一种模糊人工势场方法.对排斥力函数作了改进,引入了障碍物对机器人影响大小的斥力增益系数,通过构建的模糊系统,动态地调节斥力增益系数,从而有效地克服了局部极小点问题.仿真结果表明,该方法具有较强的环境适应能力,能够快速有效地规划出一条光滑的路径.