改进人工势场法的四旋翼路径跟随能力研究

为了提高四旋翼无人机航线任务飞行中的路径跟随能力和抗干扰能力,设计了一种基于改进人工势场法的路径跟随算法,该算法针对目前的人工势场法只能逼近目标点和避开障碍点、没有一个很好的路径跟随能力的缺点,通过增加目标航线上的点对无人机的吸引力来驱使无人机在逼近目标航点的同时能较好地跟随航线。构建了四旋翼无人机控制算法仿真,通过仿真无人机在飞航线的多种情况证明,所设计的路径跟随算法具有很强的抗干扰能力以及较高的控制效率。     

基于改进人工势场法的无人机在线航路规划算法

在线航路规划能够使无人机针对动态变化的环境快速有效地生成相适应的飞行航路,是无人机任务规划系统必需的能力之一。基于人工势场法提出一种三维在线航路规划方法,使无人机在应对动态变化的飞行环境时能实时规划出保障飞行安全并满足其任务执行效率指标的飞行航路。此航路规划方法在环境构建过程中引入了参考航路引力场和自适应的时间扰动因子,解决了原人工势场法在航路规划中容易陷入势场局部最小值而导致无法用适感环境动态变化区域的问题。在此基础上,提出一种虚拟目标法以更有效地解决人工势场法遇到的局部极值陷阱问题。通过仿真验证表明:所提出的无人机在线航路规划方法比传统的人工势场法更容易跳出势场的局部最小值,且有较好的避障能力。     

基于改进人工势场法和自适应神经网络的共轴双旋翼无人机避障飞行控制

针对共轴双旋翼无人机(coaxial rotor unmanned aerial vehicle, CR-UAV)在未知和危险环境中飞行避障的控制问题，基于飞行态势图和改进人工势场算法，提出了一种新的避障方法。首先，该方法通过飞行态势图对障碍物信息进行建模，考虑了CR-UAV飞行控制的约束条件，可使无人机有效利用障碍物信息进行避障，避免了局部极小点的问题，无人机的控制和避障能力显著提高；其次，采用基于径向基函数的神经网络(RBFNN)对CR-UAV飞行中的干扰进行估计并实时补偿，采用非线性状态误差反馈实现CR-UAV的姿态跟踪控制，从而保持无人机避障飞行过程中的姿态稳定；最后，进行了仿真实验。从仿真结果可以看出，无人机在避障飞行具有良好的姿态稳定能力。     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

基于改进人工势场和一致性协议的协同避障算法

协同避障是无人机（UAV）系统的关键技术之一，而UAV集群避障期间存在队形丢失、任务失效和能源消耗增加等问题。为解决这些问题，提出了一种基于改进人工势场和一致性协议的协同避障算法。首先，根据多旋翼UAV的控制律来设计保持速度、位置一致的控制协议，并采用归一化和高阶指数缩放变换人工势场力，从而解决势场力变化幅度过大导致的振荡失效问题；然后，引入人工势场力调整一致性协议期望编队，从而解决人工势场法与一致性协议组合算法的控制冲突问题。在复杂障碍环境下，所提算法与编队划分避障算法、动态窗口避障算法进行对比仿真的结果表明，所提算法的队形平均损失程度分别下降82.60%、64.38%，任务平均失效程度分别下降98.66%、86.01%，飞行路径总长度分别下降9.95%、17.63%。可见，所提算法适用于多障碍复杂飞行环境。     

基于激光雷达的多旋翼无人机室内定位与避障研究

近年来,多旋翼无人机室内定位与避障技术成为了多旋翼无人机研究领域的热点,也是多旋翼无人机在未知室内环境中实现自主导航、完成其他复杂任务的基础。本文通过对全局地图进行分析,找出多旋翼无人机的可飞行区域,利用时变势场法实现了多旋翼无人机的室内避障与路径规划,对室内环境下多旋翼无人机的定位和避障技术进行了研究。     

基于激光雷达的多旋翼飞行器实时避障系统

针对多旋翼飞行器的障碍物规避问题,提出一种基于激光雷达的自主飞行多旋翼飞行器避障系统,实现多旋翼飞行器自主飞行的实时避障;该避障系统针对静态、低速运动障碍物,综合飞行器本体姿态、速度、加速度等状态信息,建立基于改进势场法的避障模型和算法;在机器人操作系统(ROS,Robot Operating System)平台进行该避障系统的软件实现,其通过串口与飞控进行通信,完成多旋翼飞行器的自主避障飞行;同时,为了使该系统能在强光环境正常工作,在不影响系统实时性的前提下,对激光雷达的干扰问题进行优化设计;大量实验表明:该避障算法计算量小,能够保证避障系统的实时性,在机体慢速以及低速运动(机体与障碍物之间的相对运动速度小于等于3 m/s)的场景中能够正确检测范围6 m内,并迅速规避障碍物。     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

基于稀疏A*搜索和改进人工势场的无人机动态航迹规划

针对不同属性的障碍物所构成的威胁分布模型, 本文提出了一种基于稀疏A*搜索算法预规划和改进人工势场相结合的无人机动态避障算法. 该算法首先对威胁分布建立栅格化模型; 然后根据静态威胁, 基于稀疏A*搜索算法进行全局航迹规划; 最后结合预规划路径和动态威胁分布, 利用改进人工势场法完成无人机的动态避障. 仿真结果表明, 该方法能够规划出给定威胁指标下的全局最优路径并达到良好的动态规避性能.     

基于改进人工蚁群算法的LBS最短路径研究

对LBS动态目标查找的研究,是为用户提供最短路径.通过对基础人工势场法进行改进,提出一种改进式人工势场法,构造出虚拟的引力场和斥力场,生成用户避障和移动的综合信息,同时将与蚁群算法相结合,从而寻找用户至目标的最短路线.改进算法有效的将改进式人工势场法和蚁群算法紧密结合在一起,通过对比,提高了普通蚁群算法的收敛速度.仿真证明所提算法在LBS最短路径应用中的有效性,同时该算法与传统蚁群算法相对比,证明算法有效的提高了搜索效率.     

基于APF的AGV局部路径规划改进算法研究

针对原有人工势场法（artificial potential field,APF）在局部路径规划时的避障效果不良问题,提出一种APF-PSO的改进算法改善原算法优化路径规划的效果。将速度势场引入位置势场中使AGV（automated guided vehicle）动态避开不同速度的移动障碍物;当算法陷入局部最小值时,采取PSO（particle swarm optimization）算法,并对其惯性权重因子和学习因子做出调整,通过三次样条曲线插值来平滑路径,使得AGV找到最短路径。结果表明APF-PSO改进算法可根据障碍物速度不同动态避障,解决了APF算法运算中避障效果不良问题。     

足球机器人路径规划的改进型人工势场算法研究

传统人工势场法不能适应复杂动态环境且容易产生局部极小,论文提出了一种改进型的人工势场算法,该算法考虑了机器人和障碍物的速度、加速度等动态特性,对传统人工势场进行了有效的调节,使其能更好地适应动态复杂环境,对局部极小问题进行判定,通过改变斥力场和引力场的影响力来解决局部极小问题,将该优化算法运用到足球机器人仿真比赛中,结果表明基于改进型人工势场优化算法能够在动态对抗性的环境中有效地实现最优路径规划,弥补了传统人工势场的不足。     

面向未知环境及动态障碍的人工势场路径规划算法

实际战场环境错综复杂,很多隐蔽、动态的障碍无法通过高空手段预先探测得知,因而对智能体执行任务的安全性产生威胁。针对未知且障碍形态多样的战场环境,以躲避动、静障碍,追踪目标为研究对象,提出一种面向未知环境及动态障碍的改进人工势场(Artificial Potential Field,APF)路径规划算法。在该算法中,智能体构建了以目标点为中心的引力势场,以及以障碍物为中心的斥力势场,在智能体行进路途中感知局部障碍及目标点的运动信息,并且将信息加入势场函数的计算中达到动态避障与追踪的效果;另一方面,引入距离因子及动态临时目标点来消除APF算法常见的无解问题——极小解情况及路径抖动现象。通过建立不同数量的随机障碍场景,进行多次仿真对比实验,结果表明:所提算法能够在未知环境中灵活躲避动态障碍并进行目标点的追踪,可以有效消除死解及路径抖动问题。将所提算法与传统APF算法及添加了动态避障机制的文献[19]所述算法进行对比实验,结果表明所提算法能成功化解两种对比算法路径规划失败的情况,顺利完成路径规划任务,且成功率在95%以上。     

基于人工势场法的多智能体编队避障方法

编队避障问题是多智能体编队研究的关键问题之一。针对动态环境中多智能体编队避障问题,提出了一种基于人工势场法（APF）与布谷鸟搜索算法（CS）相结合的编队避障方法。首先,在动态队形变换策略的异构模式下,利用APF为多智能体编队中每个智能体规划避障;然后,针对APF在引力增量系数和斥力增量系数设置的局限性,利用CS中的莱维飞行机制思想,来随机搜索得到适应环境的增量系数。Matlab仿真实验结果表明,所提方法能够有效地解决复杂环境下多智能体编队避障问题,使用效率函数对实验数据进行评价及分析,验证了所优化方法的合理性和有效性。     

UAV path planning using artificial potential field method updated by optimal control theory

The unmanned aerial vehicle (UAV) path planning problem is an important assignment in the UAV mission planning. Based on the artificial potential field (APF) UAV path planning method, it is reconstructed into the constrained optimisation problem by introducing an additional control force. The constrained optimisation problem is translated into the unconstrained optimisation problem with the help of slack variables in this paper. The functional optimisation method is applied to reform this problem into an optimal control problem. The whole transformation process is deduced in detail, based on a discrete UAV dynamic model. Then, the path planning problem is solved with the help of the optimal control method. The path following process based on the six degrees of freedom simulation model of the quadrotor helicopters is introduced to verify the practicability of this method. Finally, the simulation results show that the improved method is more effective in planning path. In the planning space, the length of the calculated path is shorter and smoother than that using traditional APF method. In addition, the improved method can solve the dead point problem effectively.     

改进人工势场法的移动机器人路径规划研究

人工势场法是机器人局部路径规划常用的一种方法.分析了传统的人工势场法由于局部最小问题而导致规划失败的原因.提出了一种改进的势场函数,并对改进势场函数的规划方法进行分析,发现该方法并不能完全解决局部极小问题.通过在改进势场函数基础上采用添加附加控制力的方法,使机器人尽快跳出局部极小点.仿真结果表明,该方法是有效的.     

基于激光雷达的机器人改进人工势场路径规划研究

人工势场法路径规划需要建立在已知环境下障碍物分布位置的基础之上,而激光雷达传感器可以用于未知环境下障碍物分布位置的探测和获取,因此可以将两者结合,从而解决移动机器人未知环境下路径规划问题。该课题建立在人工势场法理论基础之上,在Matlab中构建路径规划仿真图形用户界面,利用机载激光雷达传感器探测获取障碍物的位置分布信息,通过串口将数据传输至Matlab软件中并显示。在Matlab软件下编写人工势场路径规划的实现算法,进行仿真实验。实验结果表明,传统人工势场法路径规划存在的两个问题,分析原因后给出一种改进的人工势场法,并在之前的图形用户界面下继续进行仿真实验。仿真结果表明：改进的人工势场法有效地实现了路径优化的目标。     

关于人工势场法局部极小问题的一种解决方法

利用人工势场法进行移动机器人路径规划是十分有效的,在使用人工势场法进行避障的时候,由于移动机器人对周围环境信息的感知具有局限性,容易导致局部极小问题的出现。针对此问题提出一种基于“沿边行为”的方法,当移动机器人进入局部极小状态时激活该行为,使机器人沿着障碍物的边缘运动,使移动机器人在只感知局部信息的条件下,能迅速地摆脱局部极小的状态。仿真实验表明这种方法是可行的,可以有效地解决移动机器人因获取的环境信息不足而陷入局部极小点。     

基于改进人工势场的移动机器人路径规划

介绍了传统人工势场法在静态环境中的应用,分析了此方法在动态环境中的不足,在此不足的基础上引入了速度势场的概念,改进了传统的人工势场函数,得出了新的引力函数和斥力函数;新的引力函数和斥力函数考虑了机器人、目标点、障碍物的速度特性,使机器人能更好适应动态环境;在新的势场函数作用下,机器人能快速调整自身速度大小和方向,使其快速脱离障碍物的威胁并快速、准确到达或追踪目标;仿真实验结果验证了新的人工势场函数的有效性.