当移动机器人在行进过程中使用传统人工势场法(artificial potential field method, APF)进行路径规划时,通常会陷入局部最优困境,无法顺利到达目标点。为解决这一问题,首先,对APF算法规划路径失败原因进行分析,其次设置情况判断条件,...当移动机器人在行进过程中使用传统人工势场法(artificial potential field method, APF)进行路径规划时,通常会陷入局部最优困境,无法顺利到达目标点。为解决这一问题,首先,对APF算法规划路径失败原因进行分析,其次设置情况判断条件,判断当机器人陷入局部最小值时,通过在合适位置增加临时引导点的方法,引导其跳出局部极小值点;其次,引入分数阶微积分思想方法结合APF算法,提出混合阶次的分数阶梯度下降法进行位置信息迭代,优化算法的收敛速度和收敛精度;最后,用MATLAB软件对该方法进行仿真,实验结果表明提出的方法可以有效解决局部最小值问题,而且在速度、精度上都有明显的提高,且能适应较为复杂的多障碍物环境,验证了改进方法的有效性、正确性。展开更多
文摘当移动机器人在行进过程中使用传统人工势场法(artificial potential field method, APF)进行路径规划时,通常会陷入局部最优困境,无法顺利到达目标点。为解决这一问题,首先,对APF算法规划路径失败原因进行分析,其次设置情况判断条件,判断当机器人陷入局部最小值时,通过在合适位置增加临时引导点的方法,引导其跳出局部极小值点;其次,引入分数阶微积分思想方法结合APF算法,提出混合阶次的分数阶梯度下降法进行位置信息迭代,优化算法的收敛速度和收敛精度;最后,用MATLAB软件对该方法进行仿真,实验结果表明提出的方法可以有效解决局部最小值问题,而且在速度、精度上都有明显的提高,且能适应较为复杂的多障碍物环境,验证了改进方法的有效性、正确性。
