基于人工势场法的移动机器人最优路径规划

提出一种解决人工势场法目标不可达问题的方法.分析了传统人工势场法中的固有缺陷:目标不可达;在障碍物附近或通过狭小通道时的抖动问题.通过选取适当的增益系数解决了目标不可达问题,使机器人快速到达目标点.用拉紧法去除路径的冗余节点并用极坐标下对称多项式优化出圆滑的最优路径.仿真结果证实了所提方法的正确性和有效性.     

基于改进人工势场法的多机改航路径规划

恶劣天气是航空运输中造成航班延误的主要因素,实施改航策略是减少延误的一种有效方法,多航空器路径规划是改航策略的关键环节.针对恶劣天气造成大量航班延误情况,提出了采用人工势场法进行多机改航路径规划.根据航空器所受引力和斥力建立了传统人工势场模型,为解决在改航期间航空器受力出现局部最小值的问题,在航空器之间、航空器与恶劣天气之间引入不同的旋转控制力.仿真结果表明,改进的人工势场法规划的路径更短、更平滑,没有大角度转弯和反复振荡的情况,且计算效率提高了33％.     

基于改进人工势场法的无人直升机三维航迹规划

针对民用直升机的复杂贴地环境,开展了预设障碍物环境结合无人直升机飞行性能包线约束的航迹规划研究。首先,基于障碍物建模方法设计了航迹规划算法,解决了传统人工势场法较难适用于三维环境下无人直升机航迹规划的诸多问题,提出了一种改进的人工势场算法并扩展至三维空间。然后,针对三维环境中的目标不可达问题,建立了一种基于相对距离判断的斥力势场函数方法;针对局部极小值问题,发展了一种基于无人直升机飞行性能约束的航迹点回溯法以逃离出局部极小值区域的方法。最后,通过仿真验证分析了该算法的有效性。仿真结果表明：改进的人工势场法能够有效克服传统人工势场法的不足,实现无人直升机在飞行性能包线约束下的三维航迹规划。     

基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

基于平面约束人工势场的无人机航迹规划算法

航迹规划是实现无人机自主导航飞行的关键。针对人工势场法应用于无人机航迹规划时出现的规划失败、实用性不强的问题，本文提出一种基于平面约束人工势场的航迹规划算法。首先，利用约束平面切割障碍物，简化了障碍物的分布。其次，构建航迹的可行性约束条件，并建立了基于约束平面的人工势场法。最后，综合并改进了一种额外控制力法和常用的改进势场函数。仿真验证表明，该算法克服了传统人工势场法未考虑无人机物理性能限制、易陷入局部最小值以及目标不可达的问题，同时提高了航迹规划质量。通过本文研究，人工势场法的不足得到了改善，有利于人工势场法在无人机航迹规划领域的应用与发展。     

基于“虚拟范围”的多机器人围捕算法

 讨论了基于SQL Server数据库的栅格地图建立方法。介绍了一种建立在势场法和栅格地图上的室外多机器人路径规划方法，分析了在已知地图中应用势场法进行路径规划时的路径死点和规划失败问题，并给出了解决方法。以势场栅格法为基础探讨了多机器人协作围捕动态目标的策略。在围捕算法中，根据室外机器人工作环境的特点，提出了“虚拟范围”的概念，以减少动态规划次数，提高围捕速度。介绍了机器人以“虚拟范围”为基准，在各种状态之间的转换机制。利用基于无线局域网的室外多机器人系统进行了试验，试验表明引入“虚拟范围”之后能有效缩短围捕时间，并且存在最短时“虚拟范围”。
     

基于约束人工势场法的弹载飞行器实时避障航迹规划

针对弹载飞行器飞行高度低、需实时避障的需求,提出了一种三维约束人工势场法用于弹载飞行器的实时避障航迹规划.该方法将人工势场法扩展到三维空间,增加了一个势场函数——高度调节势场函数,并将弹载飞行器的动力学约束条件引入人工势场法中.该方法继承了传统人工势场法计算速度快、占用内存少的优点,并能保证所规划航迹的可飞性.仿真结果显示约束人工势场法相比于传统人工势场法,具有以下优势:所规划的航迹更具有可飞性;可明显减弱在障碍物附近的抖动现象;可显著改善在狭窄通道中的摆动现象;不易陷入局部最小点.     

基于改进人工势场算法的无人机群避障算法研究

针对无人机运动避障人工势场算法本身存在的极小值问题和局部最小值问题，采用改进的人工势场算法，提出了一种新的路径规划方法。不同于目前的人工势场法，该模型从双机相互作用开始，在障碍物斥力的基础上，增加了无人机之间的斥力，同时定义集群的前置形心作为另一个引力源。算法分析表明，该方法能够有效避免无人机陷入局部最小值，并增强了无人机机群的控制和避障能力。基于该无人机控制模型，给出了路径规划设计并进行了仿真实验。实验结果表明，基于该模型的无人机机群控制具有更好的避障性能和追踪目标的能力。     

基于动态人工势场法的多机改航路径规划研究

在危险天气条件下,需要研究航班改航路径规划的问题。对传统人工势场法中的斥力势函数进行修正,将目标点与障碍物的距离以及航空器与受限区的运动速度考虑在内,建立了动态人工势场法的多机改航路径规划模型。模型解决了障碍物附近目标不可达问题,并且适应动态运行环境。算例验证了模型的有效性和可行性。     

基于人工势场法优化的蚁群无人机航路规划

针对复杂环境下无人机航路规划问题,提出一种势场法优化的蚁群航路规划算法。为了改善蚁群初始路径搜索过程中的盲目性,将人工势场法的规划结果作为先验知识,对蚁群初始到达的栅格进行邻域信息素的初始化,进而运用改进的蚁群算法完成航路搜索任务。仿真结果表明,新算法具有收敛速度快,规划路径短以及环境自适应的优点。     

基于状态改变的机器人路径规划算法

为了解决目前机器人路径规划中时效性低、避障解算量大的问题,借鉴直流电路中理想电感元件两端电压能够从感抗状态恢复到稳定状态的现象,提出了一种利用机器人状态检测量对机器人状态实时检测,从而实现避障的机器人路径规划算法.首先对绕行单个固定障碍物的机器人进行深入分析,然后采用状态叠加的方法,生成任意位置多障碍物同时存在的避障路径.同时对斥力系数进行改进,以确保机器人能够有效到达目标点.为了验证算法在多障碍物环境下的路径规划能力,进行了数值仿真模拟实验.仿真结果表明,使用该算法规划机器人路径时,能够在避免局部极小值点和目标不可达问题的前提下,在较短时间内规划出机器人由起始点到目标点的路径.     

蚁群算法的改进设计及在航迹规划中的应用

将蚁群算法与人工势场算法相结合，提出了一种新的寻优算法。在算法的设计过程中，首先引入人工势场法进行蚁群算法初始信息素的分配，避免了在迭代初始阶段，信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上，从而陷入局部最优的问题。其次，通过引入势场引导函数改进蚁群算法的状态转移函数，避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素，从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解，并通过仿真验证了有效性。     

基于改进A*算法的UUV冰下避障航迹规划算法

针对冰下避障航迹规划问题,提出了一种基于改进A*算法的三维冰下避障航迹规划算法.不同于传统的A*航迹规划算法,该算法结合了人工势场航迹规划算法的思想,将水下地形碰撞约束、海冰碰撞约束以及UUV巡航高度约束重新编排.算法分析表明,该避障航迹规划算法能够有效增强UUV冰下避障能力与定深巡航高度控制能力.基于改进的A*冰下避障航迹规划算法,给出了上述约束的设计方法并进行了仿真验证.仿真结果表明,基于上述约束的航迹规划算法具有良好的避障能力、巡航高度控制能力以及航行距离控制能力.     

基于人工势场-人工鱼群算法的改航路径规划

航班路径规划是改航策略的一个关键问题。将人工势场和人工鱼群算法相结合,应用于航班路径规划问题中。建立了引力和斥力的人工势场模型,用于单条改航路径规划;构造了单个人工鱼和适应度函数,采用人工鱼群算法优化改航路径;通过对改航路径的评估和修正,获得满足要求的改航路径。算例仿真结果显示,与现行的改航相比,基于人工势场-人工鱼群算法生成的改航路径总长度缩短了7.6%,表明算法是可行的和有效的。     

基于障碍凸化的改进环流APF路径规划

为改善人工势场法（APF）在复杂障碍环境下的路径规划能力，提出基于障碍凸化的改进环流APF路径规划方法。通过改变APF方法斥力势场的方向，使其形成绕行障碍边缘的环流，改善了APF方法在平台-目标位置连线与障碍边界垂直时可能陷入局部极小值的问题。针对多边形障碍（凹、凸）与圆形障碍，给出包括障碍初始化与相交障碍集合迭代凸化步骤的障碍凸化方法，将复杂障碍空间转换成为凸障碍的空间，避免平台进入凹多边形或相交障碍产生的凹区域而无解的问题。在仿真环境中，对比了传统APF方法、未使用障碍凸化的环流APF方法、使用障碍凸化的环流APF方法的路径规划结果，并分析了不同障碍数量、相交障碍数量条件下的方法计算耗时。根据结果，使用障碍凸化的环流APF方法能够明显改善APF方法在复杂障碍环境下的路径规划能力，方法实时性好，每个障碍所需的单步计算耗时约为0.02~0.03 ms，能够支持平台在复杂障碍环境下的在线路径规划。     

突发威胁下的航迹规划问题研究

提出采用一种结合三角网格退化、变域动态规划以及航迹优化的方法来解决突发威胁下的航迹规划问题。针对无人飞行器航迹规划中应对突发威胁存在时间延迟过长问题,采用一种速度较快的退化网格方法,有效提高了重规划的速率。在动态规划中,采用一种有向变域动态规划方法,进一步缩短了路径生成的时间。仿真结果显示,该方法能有效减少时间延迟过长问题,并满足地形回避和威胁回避的要求。     

基于A*和TEB融合的行人感知无碰跟随方法

移动机器人通过跟随一个指定行人实现导航是一种便捷的方式。针对行人跟随中的机器人跟随和避障问题，提出了一种基于路径规划的无碰跟随方法。该方法结合激光点云分割提供的非行人障碍信息生成静态障碍代价地图，并根据3D行人定位结果，利用基于无迹卡尔曼滤波器（Unscented Kalman Filter，UKF）和最近邻联合概率数据关联（Nearest Near Joint Probabilistic Data Association，NN-JPDA）的多行人跟踪器估计干扰行人运动状态，进而生成动态行人代价地图。在此基础上，基于A^*的全局规划器结合静态障碍代价地图输出指向目标行人的全局路径，而基于时间弹性带（TEB）算法的局部规划器也将动态行人代价地图纳入考虑范围以规划优化的局部路径，这能够帮助机器人实现行人感知的避障且跟随全局路径。通过低频全局规划与高频局部规划结合的方式实现对目标行人安全无碰的跟随。实验验证了所提方法的有效性。