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。     

基于势场法优化的蚁群免疫网络路径规划研究

借鉴独特型网络假设和蚂蚁觅食行为的有关机理,提出了一种蚁群免疫网络路径规划算法.将机器人环境作为抗原,机器人行为策略作为抗体,通过抗原抗体的激励和抑制构建免疫网络,同时利用蚁群算法进行网络搜索,改善了免疫网络的最优规划.为了进一步提高算法收敛速度,将人工势场法的规划结果作为先验知识,通过疫苗抽取和接种实现网络初始化.仿真实验表明,新算法具有收敛速度快,规划路径短以及自学习的优点.     

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。     

基于人工势场法的虚拟人足迹规划

给出了一种基于人工势场法的虚拟人足迹规划方法。提出了一种足迹计算方法,通过计算势场力决定虚拟人的前进方向,计算得到虚拟人的足迹;设计了一种足迹分解方法,计算得到虚拟人大角度转弯时的足迹。运用该算法在固定及移动障碍物环境以及多人环境下进行仿真,模拟虚拟人前进方向随时发生变化的避障行走,计算虚拟人从初始点到目标点的足迹,也对大角度转弯情况进行了仿真。仿真结果证明了算法的可行性。     

基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

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。     

基于改进人工势场法的再入制导方法

针对带有禁飞区的高超声速飞行器再入制导问题,基于改进人工势场法(artificial potential field method, APFM)提出一种再入制导方法。在纵向上,将动压、过载、热流过程约束视为“虚拟障碍”,将终端高度、速度视为“虚拟目标点”进行纵向轨迹设计。然后,改进纵向人工势场函数以适应跳跃式和平衡滑翔式再入两种弹道形式的轨迹设计。为了整体考虑禁飞区对三维轨迹的影响,设计双层预测-校正算法求解待调参数。仿真结果表明,所提出的改进APFM规划方法能够适应不同类型的禁飞区形状,相比现有方法可适应横程需求更大的目标点,参数调节简单,易于工程实现。     

基于人工势场的防空威胁建模与仿真

威胁建模是无人机战术任务推演的重要前提。借鉴人工势场的基本思想,构造势函数来定量描述防空威胁对无人机任务完成性的影响作用。利用模糊多属性决策理论来计算防空威胁本身的作战能力指数,根据无人机采取的干扰措施、机动性能、飞行速度以及飞行高度等因素来量化无人机对抗威胁能力指数,利用悲观准则来处理信息不确定性问题。该模型具有可导连续函数相加的形式。仿真结果表明,该模型计算简单,占用存储空间少,且能够很好的反映防空威胁本身的作战能力、时域,空域特性以及无人机的对抗特性。     

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.     

基于动态路径规划的物流仿真控制技术

针对传统的静态路径规划与车间复杂的物流网络不一致的问题,提出了基于动态路径规划的物流仿真控制技术.通过对物流运行过程的分解,建立了基于物流的装载、运输和卸载等动作传感器触发的物流仿真控制逻;利用轨道选择规则和工件选择规则,实现了物流运行的调度控制;以轨道交叉点的计算为基础,利用Dijkstra算法实现了最短路径计算;通过在动态传感器中加入路径规划算法,实现了基于动态路径规划的物流仿真控制.最后通过建立物流仿真模型,验证了上述方法的有效性.     

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。     

机器人救援的目标吸引动态路径规划蚁群算法

地震发生后城市的道路状况未知而且复杂多变,因此,在震后机器人救援中,如何快速地找到最短路径以拯救更多的伤员,成为研究的热点问题。提出一种目标吸引的动态路径规划蚁群算法,在动态变化的震后救援环境中找到最短路径,减少救援时间。利用原有城市交通地图的全局信息建立目标吸引函数,对蚂蚁在复杂动态环境下的路径搜索进行引导,提高其选择离目标点更近邻节点的概率,减小蚂蚁对非最短路径的选择概率。通过与MMAS算法进行仿真实验对比,验证了提出的算法可以更快地收敛到最短路径并具有较好的动态性能。     

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.