基于改进人工势场法的移动机器人路径规划

传统人工势场法处理机器人路径规划时，会出现陷入局部最小值乃至无法运动的问题以及障碍物附近目标不可达问题。针对传统算法的不足，提出一种改进的人工势场法。对引力场进行修改，添加最小引力势能，并在斥力场函数中引入当前点与目标点的欧氏距离，当搜索路径陷入局部最小值不可移动时采用变步长的模拟退火算法进行逃逸。在规划出来的路径上提出一种路径优化算法，对规划出来的路径进行平滑处理。仿真分析表明，改进后的算法能够在较为复杂的静态障碍环境中规划出一条无碰撞的平滑路径，证明了该算法的有效性。     

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.     

萤火虫算法结合人工势场法的机器人路径规划

鉴于已有机器人全局路径规划算法存在的易出现目标不可达问题、计算效率较低、所规划路径平滑性欠佳等不足,提出将新型智能优化算法——萤火虫算法与传统人工势场法相结合的最优全局路径规划算法。首先,根据已知全局地图,利用算法结构简单、计算量较小、运算速度较快的人工势场法作为初始化引导因子对萤火虫算法参数进行初始化,再以极坐标系代替直角坐标系利用萤火虫算法对规划路径进行寻优求解。极坐标法能自动舍弃规划路径上的冗余点,增强所规划路径的平滑性;同时考虑到传统萤火虫算法所存在的不足,对萤火虫算法进行了相应的改进：引入自适应步长改进随机步长,加快算法的收敛,并以混沌逻辑改进萤火虫算法的吸收系数,避免算法收敛到局部最优,在一定程度上解决人工势场法所存在局部震荡和目标不可达问题。实验结果表明所提算法实现效率高、避障效果好,安全可靠性好,最优路径更加接近理想路径,平均误差在0.08 m以下,能够很好地完成路径规划的目标。     

基于人工势场法的路径规划方法研究及展望

人工势场方法因其简单、高效、生成路径平滑的特点,在机器人路径规划领域得到了广泛的应用。首先介绍了基于传统人工势场模型的路径规划基本原理,并对其存在的易陷入局部极小值的问题进行了详细分析;然后重点讨论和总结了针对目标不可达、易陷入徘徊抖动状态、动态环境规划能力不足等问题的改进策略;最后对基于人工势场的路径规划方法的发展方向进行了展望。     

面向未知地图的六足机器人路径规划算法

针对移动机器人路径规划中无法准确得知全局地图的问题,提出了一种基于模糊规则和人工势场法的局部路径规划算法。首先,利用测距组与模糊规则,进行障碍物的形状分类,构建局部地图;其次,在人工势场法中引入了一种修正的斥力函数,基于局部地图,利用人工势场法进行局部路径规划;最后,随着机器人的运动,设置时间断点,以减少路径震荡。针对随机障碍物和凹凸障碍物的地图,分别采用传统人工势场法和改进的人工势场法进行仿真,其结果表明：在遇到随机障碍物时,相比传统人工势场法,改进的人工势场法能够显著减少与障碍物的碰撞;在遇到凹凸障碍物时,改进的人工势场法能够很好地完成路径规划的目标。所提算法对地形变化适应能力强,能够实现在未知地图下的六足机器人路径规划。     

基于势场-蚁群算法的平滑机器人路径规划

针对静态环境下的移动机器人路径规划,提出一种势场-蚁群融合算法.首先,针对蚂蚁收敛速度慢,全局性较差,易陷入死锁问题,引人人工势场力构造启发信息函数;其次,为了避免蚁群陷入局部最优解,借鉴最大最小蚂蚁系统(MMAS)思想限制蚁群信息素范围;最后,引入三次B样条曲线优化路径,平滑路径的同时,进一步缩短了路径长度.仿真结果表明,算法有效可行,且经过平滑后的路径更加符合实际环境对机器人的性能要求.     

基于改进人工势场法的移动机器人路径规划

针对传统人工势场法在路径规划过程中容易陷入陷阱区域和局部极小点的问题,提出了一种改进人工势场法。首先,提出安全距离概念,避免了不必要的路径,从而解决了路径过长和算法运行时间过长问题;然后,为避免机器人陷入局部极小点和陷阱区域,在算法中引入预测距离,使得算法可以在机器人陷入局部极小点或陷阱区域之前做出反应;最后,通过合理设置虚拟目标点,引导机器人避开局部极小点和陷阱区域。实验结果表明,改进算法可以有效解决传统算法容易陷入局部极小点和陷阱区域的问题;同时,相较于传统人工势场法,所提算法规划出的路径长度减少了5.2%,计算速度提高了405.56%。     

基于改进人工势场法的移动机器人路径规划

针对传统人工势场法在路径规划过程中容易陷入陷阱区域和局部极小点的问题，提出了一种改进人工势场法。首先，提出安全距离概念，避免了不必要的路径，从而解决了路径过长和算法运行时间过长问题；然后，为避免机器人陷入局部极小点和陷阱区域，在算法中引入预测距离，使得算法可以在机器人陷入局部极小点或陷阱区域之前做出反应；最后，通过合理设置虚拟目标点，引导机器人避开局部极小点和陷阱区域。实验结果表明，改进算法可以有效解决传统算法容易陷入局部极小点和陷阱区域的问题；同时，相较于传统人工势场法，所提算法规划出的路径长度减少了5.2%，计算速度提高了405.56%。     

基于模糊人工势场法的智能全向车路径规划

针对于移动机器人在传统人工势场法路径规划中易于陷入局部最小点而无法抵达目标点的问题,同时考虑到实际环境中人工势场法相关参数的不确定性,提出了一种基于模糊人工势场法的动态路径规划方法。借助于专家经验进行模糊决策,调整移动机器人在各个时刻的合力大小和方向,进而解决斥力常数、引力方向偏角以及机器人行驶速度的不确定性问题。为了验证该方法的有效性,在智能全向车平台进行了应用,结果表明,智能全向车运动轨迹平滑,避免了实际应用中的震荡问题。     

改进人工势场法的移动机器人路径规划

传统人工势场法在路径规划过程中易陷入势场局部最小点和陷阱区域,面对较为复杂的障碍物环绕环境也难以规划出完整路径。针对这个问题,提出了一种改进人工势场法。引入机器人前进的方向向量,对斥力的生成和计算机制进行了调整以解决其处于局部最小点情况下无法继续规划路径的问题;添加了判断机制以识别周边环境状况,当机器人处于陷阱区域等复杂环境下时设立虚拟目标点以引导其向外运动从而摆脱陷阱区域。结果表明,改进算法可以有效解决传统算法容易出现的路径规划中断情况;同时与传统算法相比,其在随机障碍物环境中的规划路径长度减少,有效提高了路径规划效率。     

人工势场法在移动机器人路径规划中的改进

随着智慧工厂的逐渐发展, 移动机器人在工厂中的应用越来越广泛, 但是在工厂中障碍物较多, 使用传统人工势场法容易产生目标不可达以及局部最小值等问题. 本文针对传统人工势场法在路径规划中出现的目标不可达以及局部最优解进行改进. 首先针对目标不可达的情况, 采用新斥力势场函数, 通过对原人工势场法中的斥力势场函数增加影响函数, 从而解决目标不可达; 其次针对局部最优解, 采用人工势场法与模拟退火法相结合的方法, 利用模拟退火法中的增设子目标点, 打破平衡状态, 从而走出障碍物. 最后通过Matlab对比, 本文算法在10个障碍物中比其他文献中算法的行驶时间提升6.70%, 路径长度减少9.20%. 本文算法在20个障碍物中比其他文献中算法的行驶时间提升9.10%, 路径长度减少12.10%.     

A hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm in the 2D random environments

Traditional artificial potential field algorithm for multi-robot formation is easy to fall into local minima and the path planning efficiency is low. To this end, we propose a new method of a hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm (A*-MTIAPF) that provides the optimal collision free path and improves the efficiency for multi-robot formation path planning. The A*-MTIAPF algorithm integrates global path planning and local path planning. The novelties include combining A* with the improved artificial potential field algorithm and dividing multiple virtual sub-target points on the global optimal path of A* planning. Firstly, A* algorithm is used to complete the global path planning. Secondly, the improved artificial potential field algorithm which takes multiple sub-target points divided by the global optimal path as virtual target points is used to complete local path planning by switching target points. In addition, we propose a double priority judgment control algorithm (DPJC) to solve the collision problem among multiple robots by setting double priority to determine the movement order of each robot. Then, a new experimental method is designed by using the randomly generated 2D maps to verify the effectiveness of the proposed method. The results show that our method has advantages that it solves the local minimum problem, improves the efficiency of formation path planning and avoids collision among multiple robots over existing methods.     

机器人在已知三维自然环境中的路径规划算法

研究了移动机器人在三维环境的路径规划问题,针对该问题中存在环境适应性和全局性差的不足,对人工势场法进行改进,提出了一种新的路径规划的算法.该算法首先对已知的三维自然环境进行栅格化,建立栅格运行费用的评估模型,计算每个栅格的运行费用;然后依据栅格的运行费用建立斥力场,以目标点为中心的建立引力场,同时提出解决局部最小值的问题的方法;最后将两者合力的方向作为移动机器人在该点的路径走向,规划出一条从起始点到目标点的运行费用较低的路径.仿真实验结果表明,该算法能有效降低运行费用,适应性和全局性好,适合应用于移动机器人在三维自然环境中的路径规划.     

复杂环境中基于人工势场优化算法的最优路径规划

本文提出一种基于人工势场优化的路径规划方法.把人工势场的路径规划结果作为先验知识，对蚁群算法进行初始化，提高了蚁群算法的优化效率;另一方面，机器人的路径也同时得到优化，克服了人工势场法的局部极小问题．仿真实验结果表明，该方法在复杂环境中能有效地实现最优路径规划；并提供了一种把传统规划方法和统计优化相结合、提高规划效率的可行思路．     

基于改进模拟退火算法的搬运机器人路径规划

针对传统搬运机器人路径规划方法易陷入局部最优解,以及缺乏对环境普遍适应性的问题。应用栅格法创建搬运机器人工作环境模型,以一种建立搜索禁忌表的改进贪心算法为基础,通过加入遗传算法中“优胜劣汰”的思想,重新定义了模拟退火系数和栅格系数,提出了一种可以解决贪心算法局部收敛问题的改进模拟退火算法。最后通过仿真和具体实物实验,验证了该算法具有的可行性以及对于不同环境的适应性,能够有效地提高搬运机器人路径规划的质量。     

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。     

未知环境下单目视觉移动机器人路径规划

针对室内未知环境下的避障和局部路径规划,提出了一种单目移动机器人路径规划算法,该算法通过对环境图像的自适应阈值分割,获取障碍物与地面交线轮廓点集。通过对现有几种单目测距方法的分析比较,提出一种改进的空间几何约束单目视觉测距计算方法,并依据单目测距的几何关系建立了图像坐标系与机器人坐标系的映射,绘建了一定比例的局部地图。在局部地图上通过改进的人工势场算法为机器人规划路径,改进的人工势场算法解决了传统算法目标点不可到达的问题。通过MATLAB进行仿真实验,结果表明该方法可以规划出有效合理的路径。