一种动态环境下的速度势场方法.docxVIP

一种动态环境下的速度势场方法 1 运动规划中的应用 在动态环境下，机器人的运动规划一直是移动机器研究领域的一个很难解决的问题。在动态环境下，机器人不仅是移动的，障碍物是移动的，机器人的目标也是移动的。机器人运动规划的问题不是传统的障碍避免问题，而是动态逃避问题，包括动态跟踪问题。基于之前的研究结果，本文给出了相对正确的定义：机器人运动规划是指根据机器人的初始状态和目标状态，规划一组运动，使机器人轻轻抵达目标状态。机器人的目标状态不是固定的点，而是一个特定的运动状态。为了促进目标和运动，引入了新的问题：（1）当机器人到达目标时，机器人的速度与目标的速度相同。（2）机器人的速度和目标的速度不同，这是不同的。它们都是实际的应用，如足球机器人的断球、破球和跑位。 在机器人运动规划中比较常用的方法有:人工势场法、向量场法、栅格法、微分几何法、速度障碍物的概念和方法等.其中人工势场法在运动规划中引入虚力的概念对机器人的运动进行规划:机器人根据势场(机器人所处的环境)确定它所受的虚力,然后以这个虚力作用于机器人,控制它的运动,从而规划出机器人的一组运动状态.在这里已没有明显的路径规划、轨迹跟踪的界限,机器人的运动路径(轨迹)即是规划出的路径,而这条路径并不是显式表示出来的,而是隐含在一段时间段内连续作用于机器人的虚力当中.一般将机器人的运动规划分为两个部分:(1)趋向于目标的全局运动规划;(2)躲避障碍物的运动规划.这两部分可以分别通过构造引力势场和斥力势场来解决.早期对人工势场的研究主要用于解决静态环境下机器人的局部路径规划问题.而对于动态环境下的运动规划问题,传统的人工势场就勉为其难了:因为传统的人工势场只考虑了位置的因素,是位置的函数,忽略了动态环境中的许多重要因素.近年来,许多学者对传统势场法做了不少改进,其中Ko与Lee在建立势场时引入了障碍物的速度,Ge与Cui在建立势场时考虑了机器人与障碍物不发生碰撞的最短允许距离、相对速度等因素. 2 动态避障能力的实现 动态环境下移动机器人的运动规划问题是指在机器人、目标、障碍物运动的条件下规划和控制移动机器人以期望的方式从初始状态运动到目标状态,机器人应该能够实现对目标点的快速停靠,也应该能够实现对运动目标的快速跟踪,并且在这一过程中能够实现动态避障.为了简化分析,我们做如下假设: (1) 机器人的位置P、速度V已知,且机器人的外形为圆形,半径为R. (2) 目标的位置Ptar和速度Vtar已知,且目标的速度║Vtar║Vmax. (3) 障碍物的位置Pobsi、速度Vobsi可以被实时地检测到,障碍物的外形为半径为Robsi的圆,Pobsi为圆心,其中i表示第i个障碍物. 为讨论方便,在分析问题时我们假设机器人为一个质点,障碍物的外形半径为Ri=R+Robsi. 3 力场函数和重力函数attackcapture函数 3.1 引力条件和相对速度引力场函数 传统的引力场函数仅仅定义为机器人与目标的相对位置的函数,即相对位置引力场函数: Uattp=12α||Ρtar(t)-Ρ(t)||2(1)Uattp=12α||Ptar(t)?P(t)||2(1) 这对于目标点固定的情况比较适用,但对于动态环境下目标点运动的情况,效果就不明显了,不能有效地跟踪目标点,容易产生振荡,我们在引力场中引入速度项,即构造相对速度引力势场函数: Uattv=12β||Vtar(t)-V(t)||2(2)Uattv=12β||Vtar(t)?V(t)||2(2) 分别对相对位置引力场函数和相对速度引力场函数求负梯度得到相对位置引力和相对速度引力: Fattp=-▽p?Uattp=α[Ρtar(t)-Ρ(t)](3)Fattv=-▽v?Uattv=β[Vtar(t)-V(t)](4)Fattp=?▽p?Uattp=α[Ptar(t)?P(t)](3)Fattv=?▽v?Uattv=β[Vtar(t)?V(t)](4) 在引入了相对速度引力势场函数之后,引力场函数变为: Uatt=Uattp+Uattv=12α||Ρtar(t)-Ρ(t)||2+12β||Vtar(t)-V(t)||2(5)Uatt=Uattp+Uattv=12α||Ptar(t)?P(t)||2+12β||Vtar(t)?V(t)||2(5) 机器人在该势场环境下所受的引力为相对位置引力与相对速度引力的合力: Fatt=Fattp+Fattv=α[Ρtar(t)-Ρ(t)]+β[Vtar(t)-V(t)](6)Fatt=Fattp+Fattv=α[Ptar(t)?P(t)]+β[Vtar(t)?V(t)](6) 3.2 相对位置引力fattp 引力势场的作用范围是全局的,在整个机器人的作业空间内,无论机器人与目标的相对位置如何(大小、方向),机器人