基于有限记忆的智能群体的群集运动与避障控制

在全局环境未知且存在静态障碍物的情况下,将群体扩展为具有有限记忆能力的智能群体,研究了该群体的群集运动及其避障行为.模型利用智能个体记忆单元的信息实时产生动态切换的拓扑网络结构;在人工势能结合速度一致策略的基础上,采用滚动窗口方法引入虚拟领航者,利用极限环方法解决群体避障问题,实现了快速且安全的群集运动控制.仿真结果验证了该模型的有效性.     

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。     

基于滚动窗口的移动机器人路径规划

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的移动机器人路径规划问题。提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,并通过有效的场景预测 ,以滚动方式进行在线规划 ,结合了优化和反馈机制 ,具有计算量小、反应迅速的特点。大量仿真结果表明 ,该方法能很好地适应动态不确定环境。     

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。     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

未知环境下改进的基于BUG算法的移动机器人路径规划

对未知环境下移动机器人路径规划的方法和发展现状进行了概述总结,指出了各种方法的优点和不足.同时研究了环境未知情况下的移动机器人实时路径规划问题,将Bug算法与基于滚动窗口的路径规划相结合,提出了一种改进的移动机器人路径规划方法.规划时只考虑当前状态下所必须的传感数据,不必计算障碍物的边线解析式,节省了存储空间,提高了规划效率,保证了算法的实时性.算法采用两种行为模式,为了保证路径规划的完备性和全局收敛,同时给出了全局收敛标准.由于算法的固有原理,在陷阱区域移动机器人容易左右徘徊,无法达到目标点.针对算法的这个问题,利用虚拟障碍的概念提出了基于局部切线图算法的移动机器人路径规划.最后对本算法的收敛性和完备性给予了证明.仿真实验验证了该方法的有效性.     

无人船实时路径规划与编队控制仿真研究

安全和无碰撞导航是无人船正常航行的基础。通过Unity3D构建高保真的虚拟海洋环境，在无人船建模基础上，提出一种面向未知复杂环境的实时路径规划及编队控制方法。利用激光雷达获取的局部环境信息，在重规划的策略下，结合A-star以及航路抽稀方法完成实时局部路径规划。基于领航-跟随者策略与一致性方法进行编队控制，结合人工势场法完成多无人船的避障航行任务。在多种复杂地图上的仿真实验表明，该仿真系统具有较好的真实性和视觉效果，为无人船模拟试航提供了有效手段。同时，无人船群利用所提算法可以依次抵达预设航路点，自主变换队形实时避障，在工程应用中具有一定理论意义和实用性。     

一种三维虚拟场景自动漫游的快速路径规划算法

针对三维虚拟场景自动漫游的路径规划问题,提出了一种快速路径规划算法：橡皮筋算法。首先,介绍了基于栅格的环境信息表示,场景中的障碍物在场景投影图矩阵中以不同的颜色值表示并求得其绕障包围路线,在此基础上来求得局部避障路径,生成基本路径后用橡皮筋算法进行优化处理,求得从起始点到结束点的一条最优路径。该算法可用于复杂形体和运动物体的实时避障,且具有稳定性好、求解实际问题效率高的特点。     

基于行为动力学的移动机器人安全导航方法

研究机器人行为动力学方法的导航问题,该方法在动态环境下存在碰撞危险。提出一种改进迭代最近点算法,可以在机器人导航过程中实时获取障碍物的位姿变化。根据位姿变化将障碍物分为静止障碍物、移动障碍物。结合环境信息的不完整性和运动障碍物速度信息,提出可感知速度障碍物（perceivable velocity obstacles, PVO）概念,该概念定义的障碍物是机器人感知障碍物区域沿其相对运动方向膨胀得到的避障区域,是一种虚拟障碍物。将PVO作为障碍物应用于行为动力学方法完成机器人导航控制。所提出的改进方法在不改变原有行为动力学方法的基础上,增加了安全导航功能,简单易用。仿真实例证实,在动态环境下,改进的行为动力学导航方法比经典的行为动力学导航方法更加安全。     

基于前视声呐信息的AUV避碰规划研究

在复杂海洋环境中,利用前视声呐获取的障碍物信息指导自治水下机器人（AUV）进行局部避碰。主要采用强化学习的方法对AUV进行控制和决策,综合Q学习算法、BP神经网络和人工势场法对AUV进行避碰规划。强化学习的方法强调AUV在环境的影响中学习,通过环境对不同行为的评价性反馈信号来改变行为选择策略。并且在环境发生变化时,AUV通过学习来实现对新环境的适应,不断改进其自治能力,进而实现在不确定环境下的避障任务。开发了AUV运动规划的虚拟仿真软件系统,仿真实验证明了算法的合理性与可行性。     

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。     

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。     

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。     

Predictive Control with Velocity Observer for Cushion Robot Based on PSO for Path Planning

This paper proposes a novel model predictive control method with velocity estimation simultaneously constraining trajectory and velocity tracking errors for a cushion robot. The authors investigated a path planning method using improved particle swarm optimization(PSO) combined with Dijkstra's algorithm and obtained a real-time desired optimal motion path for obstacle avoidance.The authors designed a velocity observer to estimate the unmeasurable speed, while the asymptotic stability of the observer error system was established. A predictive controller with error-constrained performance was derived by solving a quadratic programming problem with incremental control. Simulation and experimental results confirm the effectiveness of the proposed method and verify that the error constraints adopted in the cushion robot provide safe motion while avoiding obstacles.     

三阶多机器人协同编队动态避障控制

针对智能水下机器人编队在三维复杂环境中的避障和一致性控制问题,提出了协同编队动态避障控制算法。建立了基于动态障碍物运动速度的自适应斥力增益项,并将其引入斥力势场函数中,使机器人安全规避静态及动态障碍物,定义了基于机间势场增益项和机间通信权重的机间势场函数,解决机器人易自撞、脱离编队的问题;将机器人在势场作用下的合加速度引入一致性协议中,结合改进势场与一致性理论设计编队协同避障控制器;通过Lyapunov函数方法证明了稳定性。仿真结果表明：多机器人在该算法下能安全避障并实现位置、速度的一致性。