基于改进人工势场法的多目标点路径规划

为实现智能小车移动时需到达多个目标点的目的,提出一种基于改进人工势场法的多目标点路径规划。首先,通过模拟退火算法解决了传统人工势场法中机器人移动时陷入局部势能最小点振荡的问题;随后,通过碰撞预测算法以及无效障碍物概念解决了人工势场中目标点不可达的问题;最后建立多目标点智能小车移动模型,将改进的人工势场法运用其中进行MATLAB仿真。结果表明,改进的人工势场法很好地规避了路径中的障碍物,到达各目标点。     

基于人工势场的车道保持系统研究

针对基于偏差反馈PID控制的车道保持系统跟踪精度不高的问题,提出了一种基于人工势场的控制方法,其考虑位置和角度偏差对车辆的影响,而且包含了一定的预瞄信息。对人工势场法进行分析,利用李雅普诺夫函数计算验证了使用人工势场法的车道保持系统的稳定性,保证了车辆在满足车道保持功能的同时还提高了控制精度,增加了车辆行驶安全性。进行仿真比较偏差反馈PID控制和人工势场法,结果表明,基于人工势场法的车道保持系统满足车道保持系统的实时性且提高了系统的跟踪精度和稳定性。     

基于改进人工势场法的汽车避障路径规划研究

传统人工势场法仅适用于规避静态障碍物,而现实交通环境中障碍物一般都是动态的。基于传统人工势场法进行改进,在改进人工势场法加入速度元素,规划出动态路径。同时,考虑到汽车的转向特性,基于最小转向半径对算法进一步改进以满足汽车的转向行驶要求。仿真分析结果表明,基于改进人工势场法所规划出的路径可有效规避动态障碍物,并且满足汽车转向要求。     

基于改进人工势场法的路径规划决策一体化算法研究

车辆路径规划与决策算法是无人驾驶汽车的重要研究方向之一。现有的路径规划与路径跟踪决策算法中规划层与决策层存在时滞现象,往往会引起检测信息与真实行驶环境信息的偏差,使得规划的局部路径不能反映当前真实状态,是无人驾驶汽车安全行驶的不稳定因素。本文综合考虑了环境交通参与者与车辆自身运动学特征,建立了横纵向安全模型,对车辆目前行驶环境的风险特征进行了综合评估。在行驶环境特征与车辆动力学特征的基础上对传统人工势场法进行了改进,设计了基于虚拟力的局部路径规划与控制决策一体化算法,提升了算法在复杂动态环境下控制的可靠性。最后,利用Carsim/Simulink建立了联合仿真环境,分别对传统路径规划算法、路径跟踪算法与本文提出的路径决策规划一体化算法在典型工况下进行仿真。仿真结果表明,该算法能减小路径规划决策环节的时滞影响,为复杂动态环境下的无人驾驶车辆提供更加合理的控制方法。     

基于人工势场法的移动机器人路径规划研究现状与展望

路径规划是移动机器人领域的热点研究方向，人工势场法已在工业机器人路径规划中得到广泛应用，近年来正逐步应用于农业工程的路径规划问题中。首先对路径规划中人工势场法的原理及传统人工势场法存在的缺陷进行分析，针对人工势场法中的局部极小值和目标不可达问题的多重改进方法进行原理分析和方法总结，并根据人工势场法在工业机器人中的应用对已有的算法融合方法进行分类综述。最后通过对多种改进方法的比较，对农业机器人路径规划所需满足的实时性以及障碍物的多变性进行应用展望，可以利用现有的算法融合研究，结合农业生产的实际情况，对不同农业生产应用场合的融合算法选择机制进行深入研究，以满足现代农业生产中对机器人路径规划的需求。     

基于含避障角人工势场法的机器人路径规划

针对基于距离的人工势场法(Artificial potential field,APF)存在的局部极小值问题,提出了一种含避障角的人工势场法的避障路径规划方法。在平面环境中,采用斜率判定路径规划过程中的位置关系,通过机器人当前点到障碍物的距离与障碍物的影响半径二者之差得出人工势场法中的排斥力,并对排斥力的偏转角进行调整;另外,在空间环境中利用圆弧插补理论将机器人平面避障问题转换为空间避障问题;基于机器人构型配置对改进人工势场法进一步完善以满足实际避障要求。仿真和实验研究结果表明,含避障角的人工势场法,在单个或多个障碍物环境中进行避障路径规划时解决了局部极小值的问题,同时实现了6自由度机器人末端在避障时的轨迹曲线平滑无振荡,验证了所提出避障路径规划方法的可行性。     

智能车辆换道与超车轨迹跟踪控制

智能车辆换道过程中须同时考虑车辆的横向控制和纵向控制,为实现智能车辆对预定轨迹的稳定跟踪,根据智能车辆的车辆运动学简化模型,建立基于刚体的车辆模型.选取车辆当前位姿和参考位姿构造动态的位姿误差.建立智能车辆轨迹跟踪闭环控制系统的状态空间数学模型.基于Backstepping控制算法选取Lyapunov函数设计智能车辆换道及超车轨迹跟踪控制器.仿真和试验结果表明,所设计的控制器能够快速跟踪参考轨迹.控制器在智能车辆换道及超车控制过程中平稳、可靠.     

基于蚁群算法与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路径规划困难的问题,提出了一种将全局路径规划蚁群算法与局部路径规划人工势场法相融合的混合型算法。首先,采用多因素启发函数和新的蚂蚁行进机制来解决传统蚁群算法路径质量差且易陷入对角障碍的问题;其次,针对传统蚁群算法收敛速度慢的情况,设计了自适应挥发系数和动态权重系数;接着,通过引入虚拟目标点、相对距离和安全距离的概念,解决了传统人工势场法易陷入局部极小值、目标不可达以及过度避障的问题;最后,将改进蚁群算法规划路径的转折点作为局部子目标点来调用改进的人工势场法进行二次规划。仿真表明改进蚁群算法较传统算法以及其他算法在路径长度方面优化了9.9%和2.0%,在路径转折次数方面优化了81.8%和63.6%,在收敛速度方面优化了94.2%和63.6%;改进人工势场法有效解决了自身问题;而以二者为基础的混合型算法则充分地结合了二者的优势,在复杂的静态和动态环境中具有极高的环境适应性和路径规划效率。     

基于深度强化学习的虚拟机器人采摘路径避障规划

针对采摘机器人在野外作业环境中,面临采摘任务数量多,目标与障碍物位置具有随机性和不确定性等问题,提出一种基于深度强化学习的虚拟机器人采摘路径避障规划方法,实现机器人在大量且不确定任务情况下的快速轨迹规划。根据机器人本体物理结构设定虚拟机器人随机运动策略,通过对比分析不同网络输入观测值的优劣,结合实际采摘行为设置环境观测集合,作为网络的输入;引入人工势场法目标吸引和障碍排斥的思想建立奖惩函数,对虚拟机器人行为进行评价,提高避障成功率;针对人工势场法范围斥力影响最短路径规划的问题,提出了一种方向惩罚避障函数设置方法,将障碍物范围惩罚转换为单一方向惩罚,通过建立虚拟机器人运动碰撞模型,分析碰撞结果选择性给予方向惩罚,进一步优化了规划路径长度,提高采摘效率;在Unity内搭建仿真环境,使用ML-Agents组件建立分布式近端策略优化算法及其与仿真环境的交互通信,对虚拟机器人进行采摘训练。仿真实验结果显示,不同位置障碍物设置情况下虚拟机器人完成采摘任务成功率达96.7%以上。在200次随机采摘实验中,方向惩罚避障函数方法采摘成功率为97.5%,比普通奖励函数方法提高了11个百分点,采摘轨迹规划平均耗时0.64s/次,相较于基于人工势场法奖励函数方法降低了0.45s/次,且在连续变动任务实验中具有更高的适应性和鲁棒性。研究结果表明,本系统能够高效引导虚拟机器人在避开障碍物的前提下快速到达随机采摘点,满足采摘任务要求,为真实机器人采摘路径规划提供理论与技术支撑。     

基于多雷达的超车预警系统设计

为减少超车过程中频发的刮擦、追尾事故,设计了一种可以向驾驶员预先发出视听警告的检测系统,并建立安全距离模型。该系统采用激光雷达和毫米波雷达作为探测元件,测出超车车辆周围车辆的车速、车间距等。中央处理单元对其进行预处理,判定超车场景,进而针对不同的超车场景,结合运动学模型作进一步分析计算,当车辆间的纵向距离始终大于或者等于临界值,则判断为可超车,否则预警功能开启,警示驾驶员中止当前的超车行为。     

采摘机器人动态路径规划系统研究——基于人工势场法

以采摘机器人为研究对象,首先建立了采摘机器人作业环境及障碍物模型,并利用人工势场法搭建了环境和障碍物运动势场;然后基于人工势场法设计了采摘机器人动态路径规划系统;最后利用Mat Lab进行了仿真实验。结果表明:该系统优化效果明显,具有很好的避障和路径规划能力。实验很好地验证了系统的有效性和实时性。     

基于遗传改进人工势场法的全区域平粮机器人路径规划

首先介绍基于激光全局定位的平粮机器人定位方法,然后提出一种基于遗传改进人工势场法的全区域移动平粮机器人路径规划方法,该方法能克服平粮机器人在障碍物附近易于震动和障碍物在目标点附近导致目标点不可达等现象。与人工势场法相比,基于遗传改进的人工势场法对平粮机器人的路径规划能使机器人能准确避开障碍物到达目标点,而且在同等条件下,机器人到达目标点步数和路径都相对减少,运动轨迹更为平滑和稳定。最后进行仿真实验,仿真实验结果验证所提出路径规划方法的有效性和正确性;同时提出机器人以横向、纵向行走的平粮策略对工作环境进行全区域平粮。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁"迷失"数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

改进A*算法的采摘机器人路径规划与跟踪控制

为提高采摘机器人的工作效率和控制精准度,提出一种基于改进A*算法的路径规划与跟踪控制方法.首先建立移动采摘机器人的动力学模型,然后通过引入人工势场法改进了A*算法的效率,实现了对采摘机器人运动路径的快速规划,最后利用状态观测器估计出系统状态,并设计终端滑模控制律来准确跟踪路径指令,大大提高了控制精度.仿真结果表明:设计...     

复杂环境下果园机器人路径规划方法研究

果园机器人在复杂环境中的工作效率的高低主要是由机器人的路径规划决定的,基本人工势场算法存在的问题很多,比如死锁现象、运行时间长等等。基于此提出一种新的算法,对基本人工势场算法进行改进。首先是重构识别路径,引入障碍物检测算法,可以识别出有效障碍物,同时还计算出有效的路径中间点;然后进行优化斥力作用,引入障碍物有关的边界条件,进而地图信息矩阵力向矩阵,计算出受力最大的方向,同时按此方向从起点重新检索,并且把中间点设为新起点反复迭代,这样就可以得到一个局部最优路径,最终的全局路径就是由各个局部最优路径构成。通过Matlab进行对比测试,测试结果表明:本文算法和基本人工势场算法相比,路径长度减小0.586 m,迭代次数减少19次,算法运行时间减少8.662 s,在复杂的环境中,本文算法路径规划优势明显。     

基于改进人工势场的采摘仿生机械手设计和仿真研究

提出了一种应用于水果采摘机器人末端执行器的仿生机械手,并设计了仿生机械手指关节微电机的协同控制虚拟总轴系统,提高了采摘机器人手指关节的灵活性,降低了水果采摘机器人采摘过程中对果实的损伤。针对传统的电机人工势场控制器难以满足由负载扰动引起的多电机实时的同步运转,提出了具有相邻吸引力的人工势场多电机同步控制方法,通过相邻电机的相互作用,使各个电机协同工作,降低了负载扰动对于机械仿生手指动作不协调的干扰。对采摘机械仿生手各手指关节电机的跟随协同性进行了测试,结果表明:采用改进后的人工势场模型后,可以有效地改善跟随手指的角度误差,响应效率高,在更短的时间内可以将误差降低到最低。对采摘过程手指的协同性进行了虚拟仿真研究,结果表明:改进后人工势场控制模型三手指角速度的数值差异较小,三手指的协同性较好,可以满足协同控制的设计要求。     

基于人工势场的无人机集群协同对抗问题研究

随着新一代人工智能技术的发展,基于群体的智能无人机集群协同对抗技术逐渐成为领域热门。课题小组针对一类特定的红蓝双方无人机集群系统对抗问题,分析了双方无人机在速度与数量上的差别,基于势场理论提出一种人工速度势场模型,结合枚举法、多项式函数曲线拟合等相关知识对问题展开研究,利用MATLAB软件对所提方法进行仿真模拟,验证所提方法的有效性。对比分析不同势场参数下的仿真结果可知,当蓝方无人机所处y方向上的速度势场相关参数取值为v1≈82.5,v2≈100,L1≈4 000时,为其最优突防策略。     

收割机混入率对道路交通流影响分析

我国道路交通流以混合交通为主,收割机(自走式)的混入,将对道路交通流产生重要的影响。一方面,由于收割机的阻碍作用,使得小汽车的速度大大降低,从而影响整体交通流的运行效率;另一方面,由于小汽车和收割机存在明显的速度差异,使车辆间的变道超车行为变得频繁,交通冲突大大增加。笔者利用计算机仿真技术,通过微观仿真软件VISSIM对道路中收割机不同混入率下的交通流进行仿真,分析收割机所产生的移动瓶颈效应对道路交通流的影响,为农业安全生产提供参考依据。     

基于多适应度遗传算法的智能汽车路径规划策略

针对传统换道模型存在的换道约束条件考虑不全面,切向加速度过大、纵向加速度和换道轨迹曲率产生阶跃的问题,以不同驾驶员最小安全距离模型为前提,分析换道过程中车辆间的位置关系,提出换道车与障碍车之间4种新的点碰撞形式。结合遗传算法得出不同碰撞形式下的多适应度函数模型,该模型解决了部分传统模型存在的不足。通过VC++、MATLAB计算新模型产生的换道轨迹。仿真结果表明,新的路径规划模型能安全有效地实现智能汽车换道行为。     

车辆防追尾预警刹车系统的设计探讨

根据高速公路上汽车行驶状态,任意选择相邻两车建立防追尾模型、超车模型的仿真模型,分析模型中目标车、跟随车的运动状态及遇到紧急情况时的制动过程,推导出两车制动后不发生碰撞的最小安全距离。通过信息传输延时、GPS误差、路面摩擦系数三个方面研究安全距离模型,为设计出一套高效智能预警自动刹车装置提供参考。