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A星算法与人工势场法的无人机路径规划

为简化无人机飞行路径规划算法并提高其避障效果,本文提出一种人工势场法和A星算法相结合的路径规划算法:以人工势场法指导全局路径规划,通过引力场控制无人机的飞行方向;以A星算法指导局部路径规划,避让大型障碍物.仿真试验证明,该算法与人工势场法和A星算法相比,提高了避障效果,缩短了搜索时间.     

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。     

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.      

基于改进人工势场模型的无人机局部避障方法

针对无人机在追踪目标的过程中实时避障的问题,利用激光传感器获得的障碍物在无人机所处高度的二维位置信息,提出了一种改进人工势场局部实时避障方法.由于无人机始终对视野中的目标进行追踪,因此不存在唯一且固定的目标点,通过结合激光雷达数据,重新构造人工势场模型并对障碍物产生排斥矢量,引导无人机在快速追踪目标的同时躲避空中障碍物,并通过构造动态排斥因子和切换函数对障碍物的威胁进行估计,实现实时局部避障算法.对上述方法进行数值模拟,进一步验证了所提方案的有效性.     

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.      

多因素改进势场蚁群算法的路径规划

针对路径规划算法中蚁群算法对目标点盲目性较大且无法应对多路况等问题,提出了一种多因素改进势场蚁群算法.首先,算法引入人工势场法重新构造路径长度启发函数并加入势场力递减系数,从而解决蚁群算法迭代时间长且易陷入局部最优解的问题;然后,综合考虑了势场路径长度因子,路径平缓性因子以及平滑性因子,构建新的多因子启发式函数,以适应复杂多变的路面环境;最后,运用动态切点法对路径进行平滑处理,提高路径整体质量.仿真实验表明,该算法在复杂颠簸路面情况下具有较好的适应力,能够有效解决机器人路径规划问题.     

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。     

基于改进人工势场法的移动机器人路径规划

在移动机器人路径规划任务中,针对传统人工势场法中存在的目标不可达问题,提出了一种新的斥力改进函数的设计方法.在原来的斥力函数中加入一个调节因子,并对障碍物的作用范围采用人为分段的方式,有效解决了目标不可达问题,使机器人能够顺利到达目标点.将改进后的人工势场法应用于移动机器人路径规划,并利用Matlab软件进行了仿真实验.实验结果表明,基于改进人工势场法的移动机器人路径规划算法简单、有效.     

不确定环境下集矿机环境感知与实时避障研究

通过对海底集矿机作业特点及作业环境分析可知,采用传统势场法避障要解决的关键问题主要为局部极小问题,由此提出了基于人工势场法的改进算法。重新定义势函数,对斥力函数作了改进,建立了履带式集矿机的运动学模型,并成功应用于海底不确定环境下集矿机的实时避障。仿真结果表明:改进后的避障算法能够使机器人逃离局部极小,顺利避障并到达目标,具有较强的实用性与可行性。该研究对于海底采矿及水下机器人的避障具有一定的指导意义。     

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。     

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。     

基于IAPF-ACO的工业机器人运动规划

针对蚁群算法运动规划收敛慢且精度不佳的问题,提出一种改进势场蚁群(improved artificial potential field ant colony optimization, IAPF-ACO)算法。斥力计算模型引入目标调节因子解决势场寻优不可达且易陷入局部最优问题。蚁群算法计算框架加入改进势场模型,即启发信息函数中增加势场信息因子。三维障碍物空间仿真规划表明：IAPF-ACO算法在离散环境与聚集环境规划路径质量较优、规划结果较为稳定。在MATLAB搭建工业机器人仿真模型,关节空间内对规划路径点平滑处理,避障仿真结果表明,工业机器人末端位移是一条安全、平滑的运动轨迹。     

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。