基于改进A^*势场法的机器人动态路径规划研究

针对人工势场法在路径规划中出现的目标点不可达、转折次数多及路线较长的问题,提出了一种动态环境下移动机器人全局路径规划的改进A^*势场算法。首先采用A^*算法在已知静态环境中进行全局最优路径规划,当移动机器人进入动态障碍物影响范围ρ0时,引入相对速度势场对人工势场法进行改进,进行局部动态路径规划,追踪沿A*路径运动的虚拟动态目标直至回到原路径,完成到达目标点的路径规划。将该算法与人工势场法通过MATLAB进行路径规划仿真比对,结果验证了该算法的可行性,并且有效减少了路径的震荡和累计转角,同时明显缩短了全局路径距离。     

解决路径规划局部极小问题的势场栅格法

路径规划作为移动机器人顺利完成作业任务的前提,成为了机器人控制领域的研究重点和热点问题。人工势场法以其简洁性和有效性在路径规划中普遍应用,然而由于移动机器人对周围环境信息感知的局限性,容易导致局部极小问题的出现。针对此问题,提出了解决路径规划局部极小问题的势场栅格法。首先对机器人的工作环境进行栅格划分,然后应用改进后的人工势场法为每个栅格赋予势场值,机器人通过搜索势场值的下降方向不断接近目标点,接着采用赋最大值法对局部极小区域的栅格重新赋值,降低搜索的盲目性,使机器人以最优路径到达目标地点。对相同环境下的传统算法与改进算法进行仿真实验对比,结果表明无论是在有、无极小区域,或是目标点在障碍物附近,改进后的算法均可以成功规划出路径,且有效解决了传统人工势场法所面临的局部极小问题。     

改进人工势场的机器人路径规划

为了克服人工势场法的缺陷、提高其路径规划性能,提出了改进的人工势场法。分析了人工势场法原理,针对其目标不可达问题,将机器人与目标点距离引入到斥力场函数,得到了改进的斥力场函数;针对局部最小值问题,引入逃逸力;为进一步提高算法性能,使用遗传算法优化参数设置,使得规划路径更加平滑;根据环境复杂度,提出了自适应步长调节算法。使用仿真实验对改进算法进行了验证,结果表明,改进算法可以克服传统算法目标不可达、局部最小值问题,而且改进算法路径更加平滑,自适应步长算法在路径规划中行走61步到达目标,固定步长法行走145步到达目标,充分说明了改进算法的优越性。     

基于改进势场蚁群算法的自动引导小车路径规划研究

自动引导小车(AGV)是自动化车间里必不可少的一种运载工具,为了实现AGV小车可以在自动化车间环境下能够进行自主导航、避障和路径最优功能,提出了一种通过建立栅格地图,在蚁群算法的基础上加入人工势场局部搜索寻找最优路径的算法。该算法通过利用人工势场法中AGV到目标点的距离构造启发函数,根据对动静态障碍物的识别来重构不同的势场函数,从而增加AGV在局部路径上的搜索和安全避障能力,同时利用蚁群算法的搜索方式来寻找到目标点的全局最优路径。通过仿真实验证明了所提出算法能有效解决自动化车间环境中的路径规划问题。     

基于模糊人工势场法的移动机器人路径规划

针对复杂环境下移动机器人的路径规划问题,提出模糊逻辑和人工势场法相融合的路径规划方法。对传统人工势场法进行了改进,针对人工势场法中的局部最小问题,提出了设置虚拟障碍点的方法,仿真验证效果可行;把通过人工势场法得到的相关数据作为模糊控制器的输入,融合了二者的优点,该算法计算量小且实时性高,设计的模糊控制器负责对机器人的航向角和速度进行实时的调整修正,弥补了人工势场法忽略机器人自身几何信息缺陷的同时,保障了路径规划的可靠性和平滑性,提高了系统的稳定性和鲁棒性。MATLAB仿真结果表明,该算法具有可行性和高效性。     

考虑内部避碰的多无人机有限时间环形编队控制

针对多无人机系统利用有限时间环形编队算法执行环形编队任务时易发生碰撞这一问题,提出一种基于改进人工势场法的多无人机有限时间环形编队控制算法,引入一组与障碍物移动方向垂直的辅助势场,避免了多无人机在快速编队过程中发生内部碰撞,并解决了传统人工势场法易陷入局部最优解的问题.为验证本文算法的有效性,在无人机初始位置、势场影响...     

基于模拟退火算法的割草机器人的避障研究

局部路径规划是割草机器人关键问题之一,针对该问题目前运用较多的是人工势场法,但传统的人工势场法往往存在局部极小点,因此,本文提出采用填平势场与模拟退火算法相结合的解决策略,求解势场强度的最小值作为下一行走目标,多个序列目标构成优化路径,引导机器人脱离局部极小点,绕过障碍物到达目标点。仿真结果表明:该算法不仅有效地克服了局部极小点,且优化了机器人的行走路径、降低了路径的复杂度。     

人工势场引导蚁群算法的机器人导航路径规划

蚁群算法应用于路径规划时,算法前期信息素分布均匀,只依赖启发信息搜索最优路径,因此存在盲目搜索和收敛慢的问题;蚁群算法后期由于信息素的正反馈作用,使蚁群算法陷入局部最优时无法跳出.为了解决这些问题,提出了改进人工势场法引导蚁群算法的路径规划方法.介绍了栅格环境建模法;以人工势场法为基础,给出了路径中间点选择方法,取消了障碍物斥力而只保留目标点引力,在目标引力下实现路径规划;以改进人工势场法规划路径启发蚁群算法,减少前期路径规划盲目性,实现加快收敛的目的;改进信息素更新方法,使信息素遗留因子随路径优劣自适应变化.由仿真结果可以看出,相比于蚁群算法和文献[10]势场蚁群算法,这里算法规划路径最短、平均迭代次数最少、算法平均耗时最少.     

基于改进人工势场法的机器人路径规划的研究

针对传统人工势场法的局部极小问题,提出了一种基于改进虚拟障碍点的人工势场法,即APF-IVOP(Artificial Potential Field-Improved Virtual Obstacle Point)算法。当机器人陷入局部极小点时,即机器人所受到的合力为零时,首先通过激光传感器获取周围环境信息,然后对所存储的信息进行预处理,进而动态的设置虚拟障碍点的位置。这种改进的方法不仅可以有效解决路径规划失败的问题,而且还降低了完成路径规划所耗费的代价,缩短了完成路径规划的时间,从而提高了路径规划的效率。仿真实验表明,APF-IVOP算法具有可行性和有效性。     

基于速度场的人工势场法机械臂动态避障研究

为了提高机械臂在动态避障时的安全性和精确性,提出一种基于速度场的人工势场避碰算法。首先,建立吸引速度场,得到机械臂对运动目标追踪的轨迹;然后,结合危险场法构建排斥速度场,使机械臂可以在多障碍物的环境下实现动态避障和安全性评估;最后,针对人工势场法易陷局部最小值的问题,提出在和速度的法方向添加附加速度的方法逃逸局部最小值。利用Matlab Robotics Tool对算法进行了验证,结果表明,基于速度场的人工势场法可实现机械臂的动态目标的追踪、移动障碍物避碰和安全性评估。     

基于改进人工势场法的移动机器人局部路径规划的研究

本文介绍了一种常用的移动机器人局部路径规划方法—人工势场法,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,综述了解决该问题的方法,在此基础上重点介绍了一种通过改变斥力势场函数来解决局部最小问题的改进方法,并给出了仿真结果。     

A new technique to escape local minimum in artificial potential field based path planning

The artificial potential field (APF) methods provide simple and efficient motion planners for practical purposes. However, these methods have a local minimum problem, which can trap an object before reaching its goal. The local minimum problem is sometimes inevitable when an object moves in unknown environments, because the object cannot predict local minima before it detects obstacles forming the local minima. The avoidance of local minima has been an active research topic in the potential field based path planing. In this study, we propose a new concept using a virtual obstacle to escape local minima that occur in local path planning. A virtual obstacle is located around local minima to repel an object from local minima. We also propose the discrete modeling method for the modeling of arbitrary shaped objects used in this approach. This modeling method is adaptable for real-time path planning because it is reliable and provides lower complexity.     

改进人工势场法的路径规划研究

针对人工势场法容易造成陷入局部极小点的问题,提出“沿边走”的详细策略进行路径的求解,以跳出局部极小点,并针对这一策略导致的路径过长和平滑度差的问题,采用分段的模拟退火算法进行优化。最后通过 MATLAB 验证分析,和传统的人工势场法以及采用虚拟目标点的人工势场法进行对比,仿真结果表明,在简单和复杂环境中路径长度和平滑度均能得到提升。     

关于足球机器人路径规划中人工势场法的研究

人工势场法是一种简单有效的路径规划算法.本文阐述了目前国内外对该方法的各种改进算法和与其它方法相结合的应用,并在此基础上分析和总结了各种方法的优缺点和目前存在的问题,提出对今后工作的几点展望和下一步的工作方向.     

基于改进经验小波变换的机车轴承故障诊断

机车轴承在噪声较大的背景下工作,发生故障时,难以有效地提取其故障特征,针对这一问题,提出了经验小波变换（EWT）方法。为克服经验小波变换方法中噪声分量干扰子频带划分的问题,提出一种采用信号时频峭度谱局部极小值划分频带的方法,基于子频带构造正交小波滤波器组对信号进行EWT分解。仿真实验和工程应用表明,改进后的EWT能够较好地克服噪声分量对子频带划分的干扰,有效地分离出机车轴承损伤故障的特征。     

车辆路径问题的混沌神经网络解法

利用混沌神经网络在解组合优化问题时具有的随机性和确定性并存的优点,对一类随机需求服从泊松分布的车辆选径问题进行了求解,提出了一种混沌神经网络求解算法,并与平均场退火算法和模拟退火算法进行了比较。结果表明,该算法具有很强的避免陷入局部极小点的能力和较强的全局搜索能力,较大地提高了优化的时间性能和求解质量,是求解车辆选径问题的有效方法。     

An improved ant colony algorithm and its application in optimal routing problem

Ant colony system(ACS),a kind of ant colony algorithm,is an effective way of solving shortest path problem,however,it has some defects.In this paper,ACS is improved for avoiding getting stuck in a local minimum,whose defects mainly include the following two aspects:initial pheromone solution and pheromone updating.In order to learn the advantages of improved ant colony system(IACS),experiments are conducted for some times.First,it is applied to 8 traveling salesman problem(TSP)instances,and compared with three self-organizing map(SOM)algorithms.Then the author analyzes the space complexity and convergence of two algorithms and compares them.Simulation results show that IACS has much better performance in solving TSP,and it has certain theoretical reference value and practical significance.     

求解作业车间调度的变邻域细菌觅食优化算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域趋化操作的细菌觅食优化算法。邻域搜索是一类改进型局部搜索算法,在每一步迭代过程中通过搜索当前解的邻域得到一个改进的解,利用邻域搜索可大大提高局部最优解的精确度。本算法采用基于操作的编码,使得细菌觅食优化算法适用于作业车间调度求解;将3种不同的邻域结构引入趋化操作中,以便扩大可行解的搜索空间,细菌个体按照自适应学习策略根据邻域的各自贡献率选择搜索方式,减少陷入局部极小的机会;同时使用自适应步长更新各邻域内趋化操作的位置,根据适应度值动态调整搜索精度,避免早熟收敛。典型算例试验表明,该算法具有一定的鲁棒性,并有效地提高了搜索精度和收敛性。     

A memetic algorithm approach to the cell formation problem

In the past three decades many studies have been carried out on cellular manufacturing. The main problem in the development of cellular manufacturing is that of machine cell formation. In this paper a new metaheuristic called a memetic algorithm (MA) is introduced to solve the machine cell formation problem in group technology. The objective functions considered in this work are (a) minimization of total number of moves and (b) minimization of cell load variation and the constraints considered are minimum number of machines in each cell as two and each machine should be assigned in one cell only. Effort has been made to develop an algorithm that is more reliable than conventional methods and some non-traditional optimization techniques like the genetic algorithm (GA) and the tabu search algorithm (TS) for solving machine cell formation problem. In the memetic algorithm approach local optimization is applied to each newly generated offspring at the end of genetic algorithm.