基于人工势场法的无人机局部航迹重规划

无人机飞行中受复杂环境的影响，在预设航线飞行时容易遇到突发障碍物，这要求无人机及时避障并重新设计轨迹.为实现无人机在飞行过程中主动避障并平滑地返回预设航迹，提出了一种改进人工势场法的局部航迹重规划方法.在引力场函数中加入线势场，使无人机避障后在线势场力的作用下重回原预设航线.通过在斥力场函数中加入无人机与目标点的决策因子，解决无人机在临界点震荡，无法到达预设目标位置的问题.通过引入动态力，解决无人机原地停滞，局部极小值问题.研究在二维环境下进行了Matlab仿真验证，试验结果表明，改进的人工势场法能够实现主动避障和无人机局部航迹的重规划.     

基于改进人工势场的无人机编队避障控制研究

针对人工势场方法在无人机避障过程中存在局部最小值的问题,基于虚拟结构和"长机-僚机"控制策略,提出一种复合矢量人工势场方法,有效实现了无人机编队在三维空间避开障碍物追踪运动目标的目的。该方法以3架无人机构成的编队作为研究对象,虚拟长机运动轨迹作为期望路径,障碍物简化为圆柱体,其周围的人工势场近似为球体表面。人工势场中的引力导引虚拟长机追踪目标,僚机追踪长机保持编队飞行。斥力作用使得编队避开障碍物,同时僚机不分次序和具体位置均匀地分布在以虚拟长机为球心的球体表面。无人机编队的避障路径取决于两种复合矢量的人工势场,每架无人机可选择最优路径避障,避障结束重组三角形编队飞行。通过仿真结果验证了该理论的可行性,为多无人机编队避障提供了一种思路。     

基于混合人工势场-蚁群算法的机器人避障

针对移动机器人避障的路径规划问题,提出一种基于混合人工势场-蚁群算法的方法。在栅格环境中,以人工势场法的规划信息作为蚁群算法寻优的基础,引入势场合力作为蚂蚁搜索路径点的部分启发信息。Mat-lab7.6仿真表明,该方法解决了人工势场法的目标不可达、易陷入极值点等弊端,提高了经典蚁群算法的寻优效果和收敛速率,具有更强的稳定性和环境适应力。     

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。     

复杂环境中移动机器人路径规划

分析了传统人工势场法存在的缺陷,提出一种沿斥力场等势线环绕障碍物避障的移动机器人路径规划算法.仿真实验结果表明:该算法在复杂环境中路径规划方面能够获得较好的效果.     

一种巡检机器人智能路径规划方法

提出了一种在栅格地图上使用参数可调势场法进行避障的巡检机器人智能路径规划方法.地图采用Hector SLAM算法建立,然后在全局范围内指定目标点并使用变粒度栅格法进行全局路径规划.遇到障碍物时,则在局部小范围内使用参数可调的人工势场法来进行局部路径规划和避障.该方法能有效地提高全局路径规划的效率以及局部避障的准确性,实验验证了该方法的快速性与有效性.     

利用改进人工势场法的智能车避障路径规划

为解决智能车避障路径规划中采用人工势场法易陷入局部极小值的问题,采用改进的人工势场法进行智能车避障规划方法,通过调整势力场范围、改进斥力势函数和动态调整斥力场系数对人工势场法进行改进,解决陷入局部极小值的情况.研究结果表明:改进后的方法大大减小了智能车陷入局部极小值的概率,增加了避障的准确性.研究结论对提高复杂环境中智能车避障路径选择的准确性和实时性有重要意义.     

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.      

一种改进的动力学约束人工势场法

传统的人工势场(artificial potential field, APF)路径规划算法存在局部极小值.通过引入虚拟力,提出了一种改进的人工势场算法,该算法可在考虑控制对象动力运动约束条件下,实现快速跳出局部极值的效果.以固定翼无人机为例,基于其动力学特性分析,在改进人工势场法中增加了最小转弯角度的限制,并通过仿真实现了可兼顾路径的距离短、平滑和安全性的最优规划.     

基于动态加权A*算法的无人机航迹规划

随着无人机航迹规划高维空间的扩展,无人机的飞行环境变得异常复杂,其外部威胁不再是简单的二维静态威胁,传统的蚁群算法和人工势场算法已经不能满足实时性和高复杂环境的要求。为解决上述问题,提出新的基于动态加权A^*算法的无人机航迹规划。首先对无人机的飞行环境进行建模,通过研究航迹规划的转弯半径、航迹段长度和最大航程限制等约束条件,用于保证无人机的安全飞行,从而降低坠机率和威胁概率;其次,通过研究无人机的航迹和外部威胁参数,设计出新的航行方式,降低航行危险和减少损失;然后,通过扩展顶点势能定位和网格图整体变化的动态权重,获得动态环境下的代价函数,增加避障搜索速度、精度和加深回避程度。最后,通过仿真结果表明,在同一应用环境下,所提算法与蚁群算法和人工势场算法相比,航迹路径最优、威胁代价最小和算法执行的时间最短。综上,基于动态加权A^*算法很好地应用于无人机航迹规划,降低了无人机航迹代价,缩短了算法完成时间,提高了复杂环境下无人机航迹规划的搜索速度和精度。     

基于Dubins路径的无人机避障规划算法

研究了一种基于Dubins路径的无人机的避障规划算法. 通过采用遗传算法,结合无人机的飞行性能和最小转弯半径,提出了一种在已知障碍空间位置前提下的无人机路径规划方法,并通过算法改进,将其推广成为在未知障碍位置等先验知识的前提下的无人机实时避障算法. 仿真结果表明,该算法原理正确,对于多障碍环境下无人机避障策略的获取具有较好效果.      

一种基于人工势场的无人机航迹规划算法

为了改进传统的人工势场法不能适应复杂环境、容易陷入最小值和在终点附近徘徊的情况,提出一种基于混沌理论的人工势场法的无人机航迹规划算法。在传统人工势场法原理的基础上,将混沌理论的搜索算法引入人工势场法中的斥力场、引力场的函数公式中,改变了各个障碍物斥力系数和目标点的引力系数,将改变后的系数代入计算,搜索出斥力场和引力场的最优系数组。本算法有如下优点:第一,考虑了障碍物对寻优过程的影响,排除了合力为零的情况。第二,通过迭代的方法,具有适应不同地图的能力。第三,适用于无人机的航迹规划。仿真实验结果和理论分析表明,混沌理论的人工势场法不仅解决了无人机在航迹规划中容易陷入最小值和在终点附近徘徊等问题,而且可以实现无人机在复杂环境下的航迹规划,缩短了飞行成本,节约了计算时间,提高了三维空间无人机航迹规划的速度和精度。     

基于改进人工势场法的动态环境下无人机路径规划

基于传统人工势场法,在相对位置引力场和斥力场函数中分别引入目标与障碍物的速度矢量,将其位置动态变化信息融入在改进后的相对速度引力场和斥力场中,引入相对位置引力、相对速度引力、相对位置斥力、相对速度斥力等比例调节因子,建立改进后的人工势场函数及多障碍物合力函数,并在模拟环境下进行仿真。结果表明,该改进人工势场法能满足无人机在目标与障碍物动态变化条件下的路径规划的安全性、实时性和可达性,并提高了动态环境中无人机的跟踪与避障速度。     

基于改进遗传算法和改进人工势场法的复杂环境下移动机器人路径规划

为了提高移动机器人在复杂环境下的路径规划能力,通过双层路径规划思想研究了移动机器人路径规划问题。用栅格法对机器人工作环境进行建模,首先采用改进的遗传算法进行全局路径规划,解决了由于交叉概率和变异概率选择不当导致最优个体丢失的问题;然后在规划好的全局路径的基础上利用改进的人工势场法进行局部动态避障,解决了局部极小点问题。结果表明:静态环境下,采用改进遗传算法规划出的最优路径,与传统遗传算法相比其长度缩短了1. 47 m,收敛速度加快;动态环境下,采用改进人工势场法进行路径规划,所用时间与基本人工势场法相比缩短了7. 24 s;复杂环境下,移动机器人采用双层路径规划思想能够规划出一条优化路径。可见改进后的算法是有效的。     

基于改进双向A星和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划,并提出基于碰撞检测的动态步长和双向去除冗余点方法,在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性.仿真实验表明,所提方法规划的路径长度短、耗时少,并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。     

改进人工人群搜索算法在基于LBS物流配送中的应用

以基于LBS物流系统的物流车辆路径规划为研究对象,将一种改进人工势场法与人群搜索算法相结合,对LBS系统中物流车辆的路径规划进行优化.该算法首先利用LBS系统获取环境信息,包括车辆、目标和障碍物的位置和速度信息,其次在基本人工势场法的基础上加入速度因子,使配送车辆初步形成能躲避障碍物并追踪动态物流对象的可行性路径,随后利用人群搜索算法,在可行性路径中搜索最短路径,进而生成物流车辆至动态物流对象的最优路径.该算法有效的将改进式人工势场法和人群搜索算法紧密结合在一起,通过仿真实验证明了该算法在基于LBS的物流系统中物流配送路径规划的有效性,同时将该算法与传统路径规划A*算法进行对比,证明该算法有效的提高了系统中的整体搜索效率.     

基于广义势场的多机器人避碰算法

针对目前多机器人避碰算法存在的计算复杂、缺乏普适性等的局限性,以传统人工势场法为基础,将协商和意愿引入人工势场范畴,提出了多机器人系统运动规划的广义势场算法.该算法以物理空间障碍为基础构造排斥势场,以意愿为基础构造吸引势场,并通过排斥势场与吸引势场的拓扑积构成人工势场.在人工势场中,通过对势场中微团运动趋势的求解就可得出所需的路径规划.实验证明,该算法不仅具有人工势场法系统模型构造简单、能够进行最优路径规划的优势,而且在系统运行过程中有效地避免了系统死锁的发生.     

穿越恶劣天气区域的无人机航迹规划

研究无人机穿越恶劣天气区域的航迹规划问题. 充分考虑无人机飞行过程中可能遭遇的恶劣天气,并建立数学模型. 以人工势场法为基础引入附加控制力,航迹规划任务通过优化附加控制力实现. 采用任务完成概率这一关于空间的客观物理量刻画势场,从而解除了过去建立势场的苛刻要求. 仿真结果表明所提出的方法能有效完成恶劣天气条件下的无人机航迹规划任务,同时,继承了传统人工势场法的优点,改善其容易陷入局部极值、势场的建立缺乏实际意义的固有缺陷.      

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。     

基于新型人工势场法的车辆避障路径规划研究方法

针对道路交通环境车辆避障的复杂性,对传统人工势场法进行了改进,将其应用于车辆的避障路径规划;该方法建立了道路边界危险斥力势场模型和障碍物斥力势场模型,并在传统障碍物斥力势场中引入速度因素,车辆在以上两种势场组成的复合场中受到道路边界斥力、障碍物斥力的作用。当达到受力平衡时,通过求解方程可以得到一条安全避障路径;并在避障过程中对车辆实施速度控制。仿真分析结果表明改进后的方法规划出的路径在避障过程中,车辆与障碍物的距离增加至少20 cm,可有效地提高避障的安全性;避障过程中对主车车速进行控制,可使主车的横摆角速度和侧向加速度降低至少20%,有效地提高车辆运行的舒适性和安全性。