波浪滑翔器编队避障方法

波浪滑翔器是一种可以长期工作的新型海洋机器人,主要应用于海洋环境的探测与数据采集。波浪滑翔器编队可以扩展单台设备的能力同时提高任务的效率。本文利用领航跟随者法结合人工势场法,提出了多波浪滑翔器编队的避障方法。通过领航跟随者形成波浪滑翔器编队的同时引入间距势能场,来实现编队队形的保持。人工势场作用下的波浪滑翔器编队被视为一个虚拟的多体系统,受到来自人工势场的虚拟力的约束。针对人工势场法的局部最小域问题,引入沿障碍物切线方向的引力,打破平衡状态,解决了局部最小域问题。最后通过仿真实验验证了所提方法的有效性。     

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。     

基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题，文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界，设立虚拟目标点来摆脱局部最优，建立道路环境模型；为了根据周边环境和车辆状态进行实时规划，设计分层避撞路径规划控制器，将道路环境模型引入上层路径规划器的目标函数中，利用模型预测控制(model predictive control, MPC)的优化算法规划出局部避撞路径，再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明，该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径，保证车辆行驶的稳定性和安全性。     

移动机器人避障路径规划改进人工势场法

针对路径规划中的大型障碍物,机器人、障碍物与目标点三者一线,以及局部最小值等困难问题,提出了相应的改进人工势场算法。针对大型障碍物问题,采用障碍物边界斥力算法改进传统人工势场斥力函数,确保算法的实用性。针对机器人、障碍物与目标点三者在同一条直线时目标不可达问题,应用虚拟子目标引力算法,确保目标点是机器人的势场全局最小点,使得机器人能顺利到达目标点。针对在障碍物环境下的局部最小值问题,采用区域隔离障碍物的方法,使机器人快速走出局部最小值区域。仿真结果验证了改进算法的有效性。     

基于改进人工势场法的路径规划研究

针对传统的人工势场法在移动机器人路径规划中存在的目标不可达和局部极小值问题,提出了一种改进的人工势场法。首先,对目标点附近有障碍物时由于斥力较大,机器人难以到达目标点的问题,在势场中引入了安全距离因子,并对该参数进行了优化,从而使机器人与障碍物保持合适的距离,顺利到达目标点。其次,为解决局部极小值问题,引入了局部极小值判别条件,并在触发该条件时对局部极小区域进行绕行,使机器人顺利到达目标点。仿真结果表明,改进后的算法在不同数量的障碍物地图环境下运行,有较强的鲁棒性,所提出的算法可以使机器人在U型障碍物环境中绕过局部极小值区域,成功解决了移动机器人路径规划中的局部极小值问题。     

动态环境下利用Kinect的移动机器人增强路径规划

将最新的体感器Kinect用于实时感知动态环境中的障碍物和地形,辅助机器人在复杂动态环境中实现有效的路径规划任务。通过Kinect体感器产生的RGB图像和3D图像,来实时探测获取移动机器人的周边动态环境;同时利用基于遗传信赖域算法优化的改进人工势场的路径规划算法,解决了传统人工势场法中局部极小点以及目标不可达问题,并能有效提高算法的实时性,实现机器人在动态环境下优化的实时路径规划任务。最后建立实验系统,验证了所研究方法的有效性。     

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-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。     

基于改进人工势场的水下机器人路径规划

针对传统人工势场法中的局部极小点问题,引入势场栅格对水下机器人的运动环境建模,基于障碍物对每个栅格节点的不同影响构建了改进的人工势场.通过累计水下机器人路径所经过的栅格点的势能与路径本身长度的势能,完成势能累计最小的最优路径的搜索.针对不同的栅格数目环境、多障碍物密集环境及目标点近距离接近障碍物的环境分别进行了规划仿真...     

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。     

基于增强拓扑神经演化强化学习的水面无人艇局部路径规划

针对水面无人艇(unmanned surface vessel, USV)在复杂环境下的局部路径规划问题,对USV路径规划问题进行了数学建模,提出了基于增强拓扑神经演化(neuroevolution of augmenting topologies, NEAT)算法的局部路径规划方法;设计了神经网络初始结构和演化参数,对初始神经网络结构进行演化实现避障及到达指定目标的路径规划任务;通过设计适应度函数,实现路径点数目的优化。仿真结果表明:利用NEAT算法演化神经网络的方法能够使USV在复杂的环境中准确避开障碍物并到达目标点,且在路径点数目和鲁棒性方面优于传统的模糊逻辑算法与人工势场算法。     

未知环境中机器人避障路径规划研究

针对人工势场法机器人路径规划具有目标不可达与存在局部极小值点等问题,提出了改进后的人工势场法模型,将未知环境中的障碍以网格地图的形式设计出来,使机器人通过感知来规避障碍朝目标移动。运用MATLAB GUI设定形成一个包含障碍与目标点的二维坐标系统环境,在其平面地图中使机器人从初始位置到期望位置进行最优轨迹移动仿真试验。试验显示,改进后的人工势场法能使移动机器人在未知环境中导航避开障碍并找出合适路径,以达到无碰撞要求。仿真结果接近预期效果,表明该方法能有效提高移动机器人在未知环境中路径规划的可行性及其避障的有效性。     

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.      

基于改进DWA的动态环境路径规划算法

摘 要 在涉及机器人自主运动和目标跟踪等场景中,动态障碍物的存在可能会对实时规划产生威胁。因此,生成一条安全路径以确保机器不会与动态障碍物发生碰撞显得至关重要。为此,提出一种改进的动态窗口法(dynamic window approach,DWA),其基于参考速度障碍物（velocity obstacle,VO)的思想,通过考虑障碍物的速度计算基于障碍物的危险区域,进行DWA节点选择排除不可行的路径,并且通过引入人工势场法作为评价函数选择最佳节点以避免与动态障碍物发生碰撞且能够快速到达期望目标点。结果表明：相对于传统的DWA算法,本文提出的DWA-VO算法在动态环境中相对于传统的DWA算法具有更高的成功率和更好的规划质量。     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

基于人工势场的机器人动态路径规划新方法

针对传统机器人路径规划方法仅考虑静态环境的问题,建立了一种基于人工势场的移动机器人动态路径规划新方法.移动机器人运动环境通常是复杂多变的,在动态环境下,目标点、障碍物可能都是运动的,另外,存在运动轨迹未知的随机障碍物等,针对移动环境的动态情况,在传统人工势场法相对位置势场的基础上引入相对速度势场,充分利用量子粒子群算法,对引力势场和斥力势场的增益系数进行一定的优化.以量子粒子群的优化算法进行快速全局搜索,结合人工势场操作,对引力场和斥力场增益系数进行优化,该方法易于实时快速地对机器人进行控制.仿真结果表明,基于量子粒子群算法的人工势场法的路径规划模型能够得到平滑、安全的路径,具有较高的性能.该方法可以有效地实现机器人的动态路径规划.     

水下多障碍区域机器人的路线规划模型优化设计

水下多障碍区域中障碍物数量较多,且具有随机性和实时性的特点,传统模型依据起始点、目标点及障碍物顶点等建立可视图,一旦障碍物发生变化则需重新构图,无法适应障碍物的随机性,规划的机器人运行路线臃长,提出一种基于改进人工势场法的水下多障碍区域机器人路线规划模型,通过引力场与斥力场的负梯度描述引力和斥力,获取人工势场对机器人的作用力,建立人工势场模型。通过对人工势场斥力函数的优化设计,解决机器人障碍物附近目标不可达的问题;通过障碍物连接法解决人工势场模型的局部最小值问题,使机器人尽快走出局部最小值区域。实验结果表明,所提模型不仅能够有效避开障碍物,而且规划路径较短,效率高。     

栅格编码新方法在机器人路径规划中的应用

基于遗传算法的移动机器人路径规划技术,提出了一种新的定长十进制路径编码机制.在对移动机器人的环境进行有效栅格剖分后,将障碍物表示为以栅格为基础的多边形,每个障碍物多边形的顶点对应于栅格线交点的惟一编号;随后将移动机器人的路径编码成以栅格地图上所有多边形有效顶点数之和为定长的十进制编码串,串中非零位上的十进制值对应着规划路径中途经障碍物多边形的顶点,各顶点在串中的顺序对应着其在规划路径中的顺序.所提出的编码方式拥有定长十进制编码机制通用性好的优点,并且基于此编码的遗传算法很容易克服路径规划算法中的障碍陷阱,使得路径规划算法更加简单有效,加快了遗传算法的收敛速度.     

非结构环境下移动机器人路径规划

 非结构环境中的路径规划是自主移动机器人研究领域最活跃的领域之一,其最有效的方法是人工势场法,但传统的人工势场法存在振荡和接近目标时跟踪速度下降等问题。针对这些问题,改进了传统的势场函数,引入速度势场函数,设计新的人工势场函数,规划了移动机器人移动策略。根据新的势场函数和移动策略,在Matlab环境下对机器人的路径规划进行仿真。结果表明,在新的势场函数作用下,机器人能够快速调整自身速度的大小和方向,避开障碍并迅速到达目的地或跟踪动态目标。