基于改进人工势场法的移动机器人路径规划基于改进人工势场法的移动机器人路径规划.doc

基于改进人工势场法的移动机器人路径规划 摘要：由于传统人工势场法存在局部极小值问题而导致路径规划失败。提出了一种新的角度偏移法，使机器人迅速逃离局部极小值点，成功规划出一条平滑无碰撞路径。仿真实验证明了该方法规划的有效性。 关键词：移动机器人，路径规划，人工势场法，角度偏移法，局部极小值 路径规划是指移动机器人按照某些性能指标，寻找出一条从起始状态到目标状态的无碰撞路径[1]。人工势场法是由Khatib 等提出的一种虚拟方法,他把移动机器人在环境中的运动视为在一种抽象的人造受力场中的运动：目标点对移动机器人产生引力，障碍物对移动机器人产生斥力，最后根据合力来确定机器人的运动。然而人工势场法存在局部最优解，可能使移动机器人在到达目标点之前就停留在局部最小点，找不到路径到达目标点[2-5]。本文提出了一种基于改进人工势场的角度偏移法，在机器人陷入局部极小点时的运动方向上增加一个随机的角度使其发生偏转，从而找到一条新的路径逃离局部极小点。 1 人工势场算法模型 图1 移动机器人在多障碍物下的受力分析 常用的势场法是梯度势场法[6]，机器人在势场中具有一定的抽象势能，它的负梯度方向表示机器人系统所受到抽象力的方向，正是这种抽象力促使机器人绕过障碍物，朝目标前进[7]。在势场中机器人的受力分析如图1所示。 假设机器人的二维工作空间为,势场的构造是应用引力与斥力共同对机器人产生作用(在势场构造中，下标o表示障碍物，下标a表示目标点)为： (1) 其中为引力场，为斥力场。故此，势场中机器人的合力表示为： (2) 其中：引力，斥力。 机器人在二维空间中所受到的合力即为： (3) 目标对机器人的引力势函数为： (4) 其中为引力增益系数，为当前机器人在二维空间中的坐标，为目标点位置，为机器人与目标点之间的相对距离，相应的引力可转化为。 障碍物的斥力势函数定义为： (5) 其中为斥力增益系数，是一个常数，代表障碍物的影响距离， 为机器人与障碍物的最短距离。则相应的斥力为： (6) 其中。 当机器人遇到多个障碍物的时候，采用势场的迭加来求得多个障碍物对机器人的斥力势场。 2 改进人工势场算法及实现 2.1 解决目标不可达 目标不可达问题存在的主要原因是当目标在障碍物的影响范围之内时,整个势场的全局最小点并不是目标点。因为当机器人向目标逼近时，障碍物的势场快速增加，使机器人偏离目标点移动[7]。如图2(a)所示(图中蓝色圆圈为所设环境中的障碍物，红色圆点为机器人走过的路径点，小三角形为目标点)，如果能在机器人向目标逼近时，斥力场趋于零，那么目标点将是整个势场的全局最小点，因此在定义斥力势场函数时，应把机器人与目标之间的相对距离也考虑进去。从而建立一个新的斥力势场函数[7]。 改进的斥力势场函数为： (7) 其中，表示目标物与机器人的相对距离。是大于零的任意实数。 机器人在势场中相应的斥力为： (8) 其中： (9) 改进的斥力场函数中,增加一个调节因子，当引力势场增加时，斥力势场随之减小，使得整个势场中仅在目标点全局最小。如图2(b)所示。 (a)目标不可达路径 (b)目标可达路径 图2 采用改进人工势场法使目标可达 2.2 解决局部最小值 移动机器人寻找路径的过程中，可能会出现一种特殊的情况——陷入局部极小值点。当机器人进行路径搜索时，如果在机器人与目标之间出现一个或多个障碍物，并且障碍物对机器人产生的斥力与机器人受到的引力大小相等并且两个力在同一条直线上，则机器人所受到的势场合力，此时机器人会停止前进，陷入局部极小值点，从而导致路径规划失败。 N Y N 初始化 根据合力方向与步长计算机器人下一步位置 结束 计算障碍物对机器人产生的斥力 计算机器人与目标点间的引力 给机器人一个角度偏移量,以确定下一步位