基于自适应分段势场法的多无人机航迹规划

为解决传统人工势场法在无人机进行航迹规划应用中易陷入局部极值、目标不可达与规划航迹曲率过大等问题，在分层势场法基础上提出了目标点处附加的第二局部引力场和由目标引力场组成的引力集合的方法。该方法克服了目标不可达和易陷入局部极值的缺陷，且在原有分层势场法中引入分段函数，提高了航迹规划效率，缩短了航迹长度。仿真对比了传统人工势场算法、对比算法一、对比算法二、本文提出的基于附加引力场和复合引力场的势场算法以及自适应分段势场算法。结果表明：自适应分段势场算法具有较好的有效性和较强的鲁棒性。     

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。     

逃逸人工势场法局部极小值策略的研究

人工势场法由于其算法的简洁性和有效性在实际问题中获得了应用,但其存在容易陷入局部极小值、在障碍附近震荡现象的缺点,如何解决这些问题是人工势场法研究的主要热点。论文将作为势场模型的Gaussian函数进行了适当变形,使其能更准确地反映势场环境。通过分析震荡现象产生的原因,以及局部极小值点的特点,将粒子群算法引入到势场的探测过程中,在此基础上提出了等位线法用于逃逸局部极小值。仿真结果表明本文方法能有效消除运动路径的震荡现象,极大地降低了陷入局部极小值的概率。     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。     

基于遗传改进协调场的移动机器人避障策略

针对在动态环境下移动机器人用传统人工势场法导航所存在的缺陷,在改进传统人工势场的基础上,引入协调向量,利用子目标点构建局部势场,并通过窗口滚动刷新子目标点实现全局优化,对运动过程中可能遇到的陷阱、抖动、实时避障等问题,提出了解决方案,最后利用自适应遗传算法对参数进行的多目标优化,经过仿真,证明了该策略的可行性和有效性。     

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。     

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。     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

基于混合蚁群算法的无人机航路规划

无人机(UAV)航路规划的热点和难点在于如何满足安全性和实时性的同时,兼顾全局路径规划和局部路径重规划,以提高无人机的作战效率和生存概率。针对这一问题,在现有无人机航路规划研究基础之上,提出采用蚁群算法与人工势场法相结合的方法。蚁群算法用于全局航路规划,人工势场法用于局部路径重规划。仿真结果表明,两种算法结合所得优化航路较好反映了算法的有效性,可以为航路规划辅助决策研究提供借鉴和参考。     

基于混合算法的空战机动决策

针对现代战斗机空战机动决策的复杂性,以红蓝双机一对一空战为背景,结合滚动时域思想对战斗机空战机动决策进行研究。首先借鉴人工势场法构建战斗机空战人工势场,重点分析空战人工势场函数和变权重函数的构建;提出一种基于滚动时域控制-人工势场启发粒子群混合算法的战斗机空战机动决策方法;最后进行仿真验证,仿真结果表明该方法可以有效避免人工势场法局部极小值问题,改善粒子群算法的全局搜索能力,从而在一定程度上提高了战斗机在空战过程中的人工势场值,使战斗机在空战中占据有利态势。     

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.     

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.     

基于小生境遗传算法的飞行航迹规划

提出了一种基于小生境遗传算法的飞行航迹规划方法.把航迹编码为离散时间上变长度的飞行器速度和航向变化序列,并以此序列作为遗传算法种群中的个体,在这个变化序列中,每一个元素都考虑了飞行器的性能约束,因而,每个变化序列对应的航迹郝是飞行器可飞的.初始种群不是随机生成,而是根据规划起点和终点的相对关系生成的.为了防止种群收敛于局部最优解,采用基于共享函数的小生境技术增加种群的多样性.仿真结果表明,算法能快速有效地在动态环境中规划出近最优的飞行航迹.     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.