針對傳統(tǒng)人工勢場法在復雜環(huán)境下容易陷入局部最優(yōu)的狀態(tài),論文提出一種時間周期距離檢測方法,檢測傳統(tǒng)勢場是否陷入局部穩(wěn)定點。并結合傳統(tǒng)勢場方法,提出建立一種局部穩(wěn)定區(qū)域柵格地圖的方式,通過柵格地圖下運用啟發(fā)式搜索算法搜尋路徑,最終可使得移動機器人逃離局部穩(wěn)定區(qū)域。論文提出一種新型的混合算法規(guī)劃方式,在整體路徑規(guī)劃上采取傳統(tǒng)勢場勢場方法,局部穩(wěn)定區(qū)域,通過周期距離檢測方法結合柵格建模啟發(fā)式搜索逃離穩(wěn)定點。 

【文章來源】：計算機與數(shù)字工程. 2019,47(04)

【文章頁數(shù)】：6 頁

【部分圖文】：

引力勢場分布圖

ob>ρo（4）傳統(tǒng)勢場法根據(jù)傳感器裝置不斷檢測機器人與障礙物和目標點的距離信息，并通過人工勢場算法轉化為引力和斥力進行規(guī)劃。人工勢場在合力為零或者復制環(huán)境中移動機器人可能會陷入局部最優(yōu)穩(wěn)定區(qū)域無法逃離。本文通過周期距離檢測方式，檢測局部穩(wěn)定區(qū)域，并結合人工勢場參數(shù)，建立合適柵格模型運用啟發(fā)式搜索算法進行逃離。3掃描周期距離檢測穩(wěn)定區(qū)域人工勢場是根據(jù)力的作用導向目標點。因此會存在合力為零狀態(tài)。常見的陷入局部最優(yōu)有三種狀態(tài)如圖3~圖5所示。機器人障礙物目標點圖3單障礙物陷入局部最優(yōu)圖示機器人障礙物目標點Frep1FrepFrep4FattFrep3Frep2圖4多障礙作用下陷入局部最優(yōu)狀態(tài)目標點機器人圖5復雜障礙物下陷入局部穩(wěn)定區(qū)域如圖3中，由于移動機器人和障礙物、目標點都在同一延長線上，此時會在某一位置下合力為零。圖4多障礙物狀態(tài)下在某一位置區(qū)域，多障礙824耿雙樂等：逃離傳統(tǒng)勢場法局部穩(wěn)定點策略

瞥∷?法轉化為引力和斥力進行規(guī)劃。人工勢場在合力為零或者復制環(huán)境中移動機器人可能會陷入局部最優(yōu)穩(wěn)定區(qū)域無法逃離。本文通過周期距離檢測方式，檢測局部穩(wěn)定區(qū)域，并結合人工勢場參數(shù)，建立合適柵格模型運用啟發(fā)式搜索算法進行逃離。3掃描周期距離檢測穩(wěn)定區(qū)域人工勢場是根據(jù)力的作用導向目標點。因此會存在合力為零狀態(tài)。常見的陷入局部最優(yōu)有三種狀態(tài)如圖3~圖5所示。機器人障礙物目標點圖3單障礙物陷入局部最優(yōu)圖示機器人障礙物目標點Frep1FrepFrep4FattFrep3Frep2圖4多障礙作用下陷入局部最優(yōu)狀態(tài)目標點機器人圖5復雜障礙物下陷入局部穩(wěn)定區(qū)域如圖3中，由于移動機器人和障礙物、目標點都在同一延長線上，此時會在某一位置下合力為零。圖4多障礙物狀態(tài)下在某一位置區(qū)域，多障礙824耿雙樂等：逃離傳統(tǒng)勢場法局部穩(wěn)定點策略

【參考文獻】：
期刊論文
[1]基于改進人工勢場法的無人機路徑規(guī)劃算法[J]. 丁家如,杜昌平,趙耀,尹登宇.  計算機應用. 2016(01)
[2]基于人工勢場與速度合成的AUV路徑規(guī)劃[J]. 王超,朱大奇.  控制工程. 2015(03)
[3]基于勢場柵格法的移動機器人避障路徑規(guī)劃[J]. 歐陽鑫玉,楊曙光.  控制工程. 2014(01)
[4]基于虛擬障礙物的移動機器人路徑規(guī)劃方法[J]. 葉煒垚,王春香,楊明,王冰.  機器人. 2011(03)
[5]未知環(huán)境下勢場法路徑規(guī)劃的局部極小問題研究[J]. 朱毅,張濤,宋靖雁.  自動化學報. 2010(08)
[6]移動機器人路徑規(guī)劃技術綜述[J]. 朱大奇,顏明重.  控制與決策. 2010(07)
[7]非完整移動機器人的人工勢場法路徑規(guī)劃[J]. 朱毅,張濤,宋靖雁.  控制理論與應用. 2010(02)
[8]基于動態(tài)人工勢場法的路徑規(guī)劃仿真研究[J]. 殷路,尹怡欣.  系統(tǒng)仿真學報. 2009(11)
[9]基于人工勢場法的機器人路徑規(guī)劃[J]. 張建英,趙志萍,劉暾.  哈爾濱工業(yè)大學學報. 2006(08)
[10]基于混合人工勢場-遺傳算法的移動機器人路徑規(guī)劃仿真研究[J]. 況菲,王耀南.  系統(tǒng)仿真學報. 2006(03)



本文編號：3407755