基于改进人工势场法的移动机器人路径规划

基于传统人工势场法的机器人路径规划存在障碍物附近目标不可达和局部极小点的问题。在研究该问题产生原因的基础上,提出了一种基于改进人工势场法的移动机器人路径规划算法。该算法在斥力函数中引入了机器人和目标点之间的距离,在极小点附近自主建立虚拟目标牵引点并隔离原有目标点,解决了传统人工势场法的局部极小点问题,使机器人到达了目标点。仿真结果说明了改进后算法的有效性。     

改进人工势场法的移动机器人避障轨迹研究

针对传统人工势场法在多障碍物复杂环境的全局路径规划中出现的目标不可达、易陷入陷阱区域以及局部极小点问题,提出一种简化障碍物预测碰撞人工势场法（simplified obstacles and predict collision of artificial potential field method,SOPC-APF）,算法引入预测碰撞思想,在机器人未进入陷阱区域或者极小点问题前做出决策;对于多障碍物的斥力与目标点的引力产生的合力使机器人陷入震荡,提出简化障碍物,即简化为影响范围内目标点一侧的受限障碍物;针对目标不可达问题,在碰撞预测基础上,设定虚拟目标点,经改进的斥力函数引导机器人快速生成一条平滑、平稳、无碰撞的路径。通过与传统算法、改进APF算法以及改进蚁群算法的仿真对比实验表明,SOPC-APF有效解决了人工势场法不适用于多障碍物复杂环境的问题,以及传统算法容易陷入陷阱区域和局部极小点问题。     

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%。     

基于改进人工势场法的移动机器人路径规划

针对势场法的障碍物附近目标不可达的问题,改进了传统人工势场斥力函数,确保目标点是机器人的势场全局最小点,使得机器人顺利到达目标点。针对势场法的局部最小值问题,提出了一种连接局部最小值区域障碍物的方法,建立了机器人离散传感器模型,使机器人快速走出局部最小值区域。改进后的人工势场法适用于复杂室内环境下的机器人路径规划。仿真结果证明了该方法的有效性。     

改进人工势场法在机器人路径规划中的应用

为解决传统人工势场法用于机器人路径规划时会出现规划失败的问题,分析了由于局部极小点问题而导致规划失败的原因。在已改进人工势场函数的基础上,提出了通过增加虚拟目标点和原目标点共同对机器人产生引力的方法来解决传统人工势场法中出现的局部极小点问题。在Mobotsim中对算法的仿真结果表明了该方法的可行性和有效性。     

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。     

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。     

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。     

基于改进人工势场法的救灾机器人路径规划

针对矿井障碍物复杂多变、救灾机器人采用传统人工势场法进行路径规划易陷入局部极小点的问题,提出一种基于改进人工势场法的救灾机器人路径规划方法。该方法通过在引力场中加入扰动场来改变引力场函数,使救灾机器人在陷入局部极小点时自主走出局部极小点;结合障碍填充法,通过对凹障碍物进行虚拟填充,形成新的障碍物并产生相应的斥力场函数,避免救灾机器人再次陷入局部极小点。仿真及测试结果验证了该方法的可行性及有效性。     

改进人工势场的手术机器人位姿规划

运动避障与路径规划是手术机器人自动化手术中重要的技术环节,为机器人手术提供了良好的术中安全性及准确性.本研究针对上述两关键技术,提出改进人工势场的手术机器人位姿规划算法,首先,通过对引力函数进行改进,在不求取运动学逆解的情况下,能够准确驱动机械臂到达指定位姿;接着,利用快速凸包算法将障碍物凸体化,通过Gilbert Johnson Keerthi (GJK)算法计算障碍物与机械臂连杆等效圆柱面之间的最近距离,使避障距离更加准确;然后,通过自适应步长,使机械臂运动更加平稳快速;最后,引入动态引力常数,使机械臂具有逃离局部极小值的能力.实验结果表明,本研究能够让机器人在避障情况下平稳快速到达规划位姿,并在陷入局部极小值时逃逸,为未来医疗机器人在自动化手术方面提供了新思路.     

基于改进人工势场法的机器人避障及路径规划研究

在不确定和复杂的移动环境中,利用传统的人工势场法进行机器人避障很难满足对环境动态适应性的需要。提出了一种相对速度的改进的人工势场法,针对于传统的路径规划中局部最小值问题,提出设置中间目标点的方法,给机器人一个外力以避免其在局部最小点处停止或者徘徊,确保机器人能够逃出最小值陷阱并顺利到达目标位置。最后在Matlab平台上进行了仿真实验,实验结果表明,改进后的人工势场法能较好地实现动态环境下移动机器人的路径规划。     

基于模拟退火算法的人工势场法路径规划研究

针对传统人工势场法在路径规划中存在局部极值小点问题,使得移动机器人无法运动到目标点,提出一种基于模拟退火算法的人工势场法,其利用模拟退火算法在出现局部极小点的位置附近增设随机目标点,引导移动机器人逐渐逃离出局部极小点区域.最终通过Matlab仿真表明,所设计的方法能使移动机器人逃离局部极小点位置,成功到达目标点位置,并...     

模糊控制在移动机器人路径规划中的应用

针对移动机器人最优路径规划问题,设计了一种模糊智能控制方法。利用超声波传感器对机器人周围环境进行探测,得到关于障碍物和目标的信息。通过设计模糊控制器,把得到的障碍与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好地避障,并且解决了模糊算法存在的死锁问题,从而实现了移动机器人的路径规划。仿真实验结果表明了模糊算法优于人工势场法,具有有效性和可行性。     

融合安全A*算法与动态窗口法的机器人路径规划

A^*算法通过启发信息指引搜索方向,被广泛应用于移动机器人的路径规划,但其规划出的搜索路径存在冗余节点且与障碍物相近,无法满足动态避障需求。对标准A^*算法进行改进,设计安全A^*算法并融合动态窗口法进行路径规划。定义安全距离因子引入A^*算法的启发函数中,提高算法规划路径的安全性,同时采用平面结构法对算法规划得到的路径进行优化,根据相邻节点与障碍物之间的位置关系判断该相邻节点间是否存在障碍物,由此减少路径拐点数,提高路径平滑度。由于当移动机器人处于未知环境时,仅靠A^*算法不能避开障碍物到达目标点,因此借助动态窗口法的局部避障功能。通过安全A^*算法规划全局最优路径节点坐标,设计融合子函数改进动态窗口法的评价函数,解决动态窗口法易陷入局部最优的问题。实验结果表明,在复杂环境中,该方法通过融合安全A^*算法和动态窗口法,能够确保在安全路径基础上实时随机避障,使机器人安全到达终点。     

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。