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。     

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。     

无人机全局航路规划技术仿真

针对不同强度威胁源构成的飞行环境,提出了一种基于人工势场法和遗传算法相结合的无人机全局航路规划方法。该方法对威胁进行Delaunay三角网划分,按照穿越三角形边的方向及顺序设计了一种二进制编码方法;把威胁当作斥力源,初始路径当作质量-弹簧链路,求解链路的受力方程,得到该穿越方式下的局部最佳航路;最后利用遗传算法获得威胁网络下的全局最优解。经过三种不同参数情况下的计算机仿真,结果证明该方法能够得到给定的威胁指标下的全局最优航路。     

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.     

基于改进人工势场法的无人车路径规划与跟踪控制

针对无人车在换道超车复杂场景下躲避动态障碍物的工况,提出一种基于改进人工势场法的路径规划算法和基于模型预测控制器的跟踪控制策略。引入安全椭圆理论及预测距离概念调整势场影响区域,通过加入速度势场改变势场函数,解决车辆躲避动态障碍物的问题。以线性三自由度车辆动力学模型为基础,建立包含势场环境的模型预测控制器。通过CarSim/Simulink联合仿真验证算法的有效性。结果表明：该算法可有效解决传统势场法缺陷,提出的换道超车避障控制器对不同车速下的避障车辆跟踪效果良好,最大质心侧偏角均小于1°,前轮转角均在[-10°～10°]合理范围内,车辆能较好完成换道超车操作并且保持稳定性和安全性。     

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。     

带拖线阵的水面无人艇局部路径规划算法

针对带有拖线阵的水面无人艇(unmanned surface vessel, USV)局部路径规划问题,提出了一种基于虚拟斥力场的改进人工势场法。首先,对USV和拖线阵进行建模,分析带有拖线阵USV的避障和缆阵有效张力过大问题;然后,通过增加虚拟斥力场改进人工势场法,在USV艇体有效避障的基础上,增加拖线阵位置安全裕度;最后,兼顾缆体的强度安全,实现带有拖线阵的USV整体有效避障。仿真和海上试验结果表明,所设计的方法能够综合保障USV及其拖线阵的航行安全。     

带拖线阵的水面无人艇局部路径规划算法

针对带有拖线阵的水面无人艇(unmanned surface vessel, USV)局部路径规划问题,提出了一种基于虚拟斥力场的改进人工势场法。首先,对USV和拖线阵进行建模,分析带有拖线阵USV的避障和缆阵有效张力过大问题;然后,通过增加虚拟斥力场改进人工势场法,在USV艇体有效避障的基础上,增加拖线阵位置安全裕度;最后,兼顾缆体的强度安全,实现带有拖线阵的USV整体有效避障。仿真和海上试验结果表明,所设计的方法能够综合保障USV及其拖线阵的航行安全。     

分布式虚拟环境中的碰撞一致性

讨论了分布式虚拟环境中的碰撞一致性问题，分析了其表现形式及产生原因。提出了一种基于预测的可以保障分布式虚拟环境中碰撞一致性的控制方法。最后讨论了该方法在分布式虚拟环境DVNE中的应用。     

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.     

面向智能航行避碰决策与规划的虚拟仿真测试技术研究

研究了面向智能航行避碰决策与规划的虚拟仿真测试技术。介绍了智能航行在货运船舶中的应用需求,分析了当下避碰决策策略、路径规划算法以及避碰决策与规划测试技术的研究现状。面向货运船舶智能航行避碰决策与规划能力,基于避碰规则中的会遇态势划分,结合四元船舶领域和贝塞尔曲线插值理论,提出了一种智能航行避碰决策与规划算法。构建了一种基于虚拟仿真环境的避碰决策与规划算法仿真测试方法,通过AIS(automatic identification system)模拟器模拟目标船的状态数据,结合船载综合导航系统(integrated navigation system,INS)实现了避碰决策与规划算法的测试。通过复杂水域仿真测试验证了所提算法的有效性和可行性,为货运船舶智能航行功能的开发与实践提供了参考。     

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。