基于改進人工勢場法的移動機器人導航控制

李國進+陳武+易丐??

摘要：傳統人工勢場法在移動機器人導航過程中存在局部極小值，障礙物周圍震蕩等問題。針對采用傳統人工勢場法實現移動機器人導航過程中存在的問題，本文引入旋轉力改進人工勢場法，同時運用細菌覓食混合粒子群算法（BF-PSO）對移動機器人導航過程中的控制器參數及勢場函數增益系數進行離線優化。運用優化參數進行基于改進人工勢場法的移動機器人導航的仿真，仿真結果表明BF-PSO算法對移動機器人導航具有較好的優化效果。

關鍵詞：導航；改進人工勢場法；PID控制器；BFPSO

中圖分類號：TP242文獻標識碼：ADOI：10.3969/j.issn.10036199.2017.01.011

1引言

移動機器人導航是機器人研究的一個重要問題。人工勢場法因其計算簡單明了而被廣泛的應用在移動機器人導航上，但由于傳統人工勢場法存在固有局限性[1]， 導致移動機器人在導航過程中存在著如下問題，一個是存在局部極小值；另一個是路徑在障礙物前震蕩，出現機器人呈鋸齒形前進[2] [3]。

通過分析傳統人工勢場法存在的不足，本文引入一種添加旋轉力的改進人工勢場法。該方法在保留傳統人工勢場法的基礎上解決了傳統人工勢場法存在部分問題。但由于移動機器人在移動的過程中，機器人的移動方向和速度在一定程度上受控制系統和勢場函數增益系數的影響，且這些參數均由人為設定，因此存在優化空間。故本文采用BFPSO算法對移動機器人的兩個PID控制器參數和勢場函數的增益系數進行離線優化。

2傳統人工勢場法

人工勢場包括兩部分，分別是目標產生的引力勢場和障礙物產生的斥力勢場[4]。目標點對機器人產生吸引力，大小與目標到機器人的距離成正比，方向由機器人指向目標點；障礙物對機器人產生排斥力，大小與障礙物到機器人的距離成反比，方向是由障礙物指向機器人。這兩種力的矢量和將產生一個合力的大小和方向，使得機器人能跟隨這個方向成功的避開障礙物，順利到達目標點。

3改進人工勢場法

針對傳統人工勢場法的存在局部極小值和障礙物周邊震蕩問題，本文采用一種添加旋轉力的改進人工勢場法，從斥力函數上加以改進。

通過斥力勢場乘以一個不小于0的多項式，使得移動機器人到達目標點時這個多項式為0。當兩個正勢場均在目標點取到0時，達到全局最小值。文獻[4]中取這個不小于0的多項式為機器人到目標點距離的平方。這種形式的斥力勢場在保證目標點全局最小的情況下，導致機器人不在目標點附近時，極大的扭曲了斥力勢場的形狀。因此本文采用改進變量多項式，使得機器人不在目標點附近時，最小化扭曲障礙物勢場，同時保證機器人在目標點在目標點取全局最小。

由圖2不難發現一般的改進人工勢場法，在一定程度上解決了移動機器人的局部極小值問題，實現了目標可達。但導航路徑不夠平滑，存在較大的不良震蕩。本文采用的添加旋轉力的改進人工勢場法，不僅解決了人工勢場法在移動機器人導航過程中存在的局部極小值問題，同時減輕了障礙物前的震蕩，仿真得到一條相對較平滑的移動路徑。采用BF-PSO算法對移動機器人控制器PID參數和勢場函數的增益系數進行離線優化，運用優化參數進行改進人工勢場法的移動機器人導航仿真，仿真得到了一條平滑的導航路徑，減輕了導航過程中出現的不良震蕩，成功抵達目標點。

由圖3、圖4可知，采用BFPSO優化改進人工勢場法的移動機器人導航仿真，能順利通過凹型及不同形狀的障礙物區域，成功抵達目標點。仿真得到一條只有輕微震蕩的導航路徑。

5總結全文

本文介紹了一種添加旋轉力的改進人工勢場法，該方法能優化移動機器人導航路徑，減輕導航過程中的出現的不良震蕩。文中移動機器人采用兩個PID控制器完成機器人移動速度和轉角的控制。論文采用BFPSO算法對移動機器人兩個PID控制器參數及勢場函數兩個增益系數進行離線優化，運用優化參數完成改進人工勢場法移動機器人的導航。仿真結果表明，采用BFPSO算法離線優化改進人工勢場法的移動機器人導航，對移動機器人的導航具有一定的優化效果，能減輕導航路徑在障礙物前的震蕩，順利通過凹型及不同形狀的障礙物區域，成功抵達目標點。

參考文獻

[1]姚靖靖，邱于兵，敖俊宇.移動機器人避障路徑規劃改進人工勢場法[J].科學技術與工程，2011，11（13）： 2953-2956

[2]肖本賢，余雷，李善壽，等. 逃逸人工勢場法局部極小值策略的研究[J].系統仿真學報，2007，19（19）：4495-4498.

[3]溫素芳，郭光耀. 基于改進人工勢場法的移動機器人路徑規劃[J].計算機工程與設計， 2015，36（10）：2818-2822.

[4]SFEIR J，SAAD M，SALIAHHASSANE H. An improved Artificial Potential Field approach to realtime mobile robot path planning in an unknown environment[C]. Robotic and Sensors Environments （ROSE）， 2011 IEEE International Symposium on. IEEE， 2011：208-213.

[5]AHMED A A，ABDALLA T Y，ABED A A.Path Planning of Mobile Robot by using Modified Optimized Potential Field Method[J].International Journal of Computer Applications ，2015，13（4）：0975-8887

[6]LI Q，WANG L，CHEN B，et al.An improved artificial potential field method for solving local minimum problem[C].Intelligent Control and Information Processing（ICICIP）， 2011 2nd International Conference on. IEEE， 2011：420-424.

[7]沈文君. 基于改進人工勢場法的機器人路徑規劃算法研究[D].廣州：暨南大學，2009.

[8]KORANI W M，DORRAH H T，EMARA H M. Bacterial foraging oriented by particle swarm optimization strategy for PID tuning[C].GECCO Conference Companion. 2008：445-450.

[9]田亞菲，張范勇，閻石. 基于粒子群優化的細菌覓食優化算法[J].控制工程，2012，19（6）： 1671-7848.

[10]YOGENDRA K S，RAJESH B.BFPSO optimized PID Controller design using ISE， IAE， IATE and MSE error criteria[J].International Journal of Advanced Research in Computer Engineering & Technology （IJARCET）， 2013， 2（7）：2334-2336.

第36卷第1期2017年3月計算技術與自動化Computing Technology and AutomationVol36，No1Mar. 2 0 1 7第36卷第1期2017年3月計算技術與自動化Computing Technology and AutomationVol36，No1Mar. 2 0 1 7