你的位置：论文发表网 >> 论文库 >> 管理论文 >> 管理其它 >> 详细内容在线投稿

传统人工势场法算法改进的研究

热度0票浏览353次时间：2020年5月11日 15:58

姜海谍

（西安工程大学陕西西安 710048）

摘要：虽然人工势场方法具有简单的结构和计算量小，它也有一定的缺陷。深入分析，提出一种新方法来解决路径规划时出现的问题（不能准确到达预定点、存在局部极小点区域）。通过改变斥力场影响范围，使机器人成功到达预定点。增加引诱点的方式来解决极小点问题，通过引诱点将机器人带出极小区域，打破极小点处的受力平衡，抵达预定点。从而规划处更快，更好的路线。

关键词：人工势场法；局部路径规划；引诱点；极小点区域中图分类号:TP301.6 国家标准学科分类代码:520.6040引言路径规划中的人工势场法是将机器人的运动环境模拟成受力场，有斥力磁场和引力磁场。阻碍物产生斥力场，预定点产生引力场，机器人在阻碍物和预定点的模拟力场下到达预定点。它是路径规划法中比较成熟的一种。与此同时，人工势场方法也有不足之处。预定点是靠近阻碍物时，机器人受到的斥力大于引力，导致目标不可达问题；当机器人受到的合力为零时，容易在局部极小区域徘徊，出现目标不可达现象。

改进后的人工势场法 [3-6] ，通过改变斥力场的影响域，解决阻碍物离预定点太近导致的无法准确到位问题。并且加入引诱点，通过引诱点的引力场来打破局部极小点的平衡 [7-8] 。

1传统人工势场法介绍

机器人在模拟环境中受力情况如图1所示

图1 机器人受力情况

其中F1为吸引力；F2为阻碍物具有的斥力；

F为机器人所受的合力，决定着机器人运动的方向。

引力场函数为：（1）

其中，U1（Q）代表Q点处的引力场；K为增益系数；Qg为预定点；Q为机器人坐标。

由于引力函数是引力场函数的负梯度，则引力F1表示为（2）斥力场函数为（3）

其中，U2（Q）为Q点处的斥力场；η 为斥力场的增益系数；P1为机器人到阻碍物的距离；P0为阻碍物的斥力影响域，当p1>p0时机器人的运动不受阻碍物影响。

斥力为斥力场函数的负梯度：

（3）

其中，U2（Q）代表Q点处的斥力场；

则机器人所受合力F为（5）

2传统人工势场法局限性

2.1目标不可达

当预定点靠近阻碍物时，机器人在附近有阻碍物的预定点时，虚拟斥力会越来越大，同时受到的引力越来越小，机器人会在某一时刻受力平衡，此时可能会导致机器人一直在预定点附近徘徊，无法完成任务。如图2所示2.2局部极小点 [9] 的问题在阻碍物比较多的情况下，此时作用在机器人的斥力，大小方向各不相同。当机器人在某一点所受到的斥力和引力的大小相等且方向相反时，出现受力平衡的情况，机器人可能会出现前后摆动围绕预定点调整位置或停滞。如图3所示图2 图33传统人工势场法的改进

3.1 改进目标不可达问题

通过改进的排斥场功能，当机器人接近的预定点时，排斥场接近零要达到的目标。添加机器人与预定点的相对位置（Q-Qg），形成新的斥力场函数。

（6）

与之前相比，机器人接近预定点时，（Q-Qg）差值减少，从而减弱斥力场的影响范围，保证预定点的势能最小。

3.2 改进局部最小点问题

通过增加引诱点的方式来解决局部极小点问题，通过引诱点将机器人引出局部极小区域，打破局部极小点处的受力平衡，抵达预定点。如图4所示引诱点的布置。

图4 引诱点的示意图

4仿真实验

4.1目标不可达的仿真

起始点为（0，0）目标点为（10，10），图5与图6 分别是传统算法与改进后的效果图。

图5 未能抵达目标点（10，10）图6 成功到达目标点（10，10）4.2局部最小点问题的仿真通过加入引诱点，将机器人从极小点区域带出来，到达预定点坐标（4,8），如图7，图8所示。

图7 未加引诱点（无法到达目标点（4，8））