基于混沌改進(jìn)人工勢(shì)場(chǎng)法的自動(dòng)導(dǎo)引車(chē)避障研究

吳淵博++李興廣++陳殿仁++趙賓鋒++徐晨

摘 要：在現(xiàn)代化自動(dòng)倉(cāng)儲(chǔ)系統(tǒng)復(fù)雜的環(huán)境中，障礙物的分布情況是不確定的。為了更好地解決自動(dòng)導(dǎo)引車(chē)（AGV）的避障問(wèn)題，在人工勢(shì)場(chǎng)法的基礎(chǔ)上，提出了一種基于混沌優(yōu)化改進(jìn)的人工勢(shì)場(chǎng)法。該方法可以有效地解決傳統(tǒng)人工勢(shì)場(chǎng)法存在的目標(biāo)不可達(dá)、局部極小值等問(wèn)題，使自動(dòng)導(dǎo)引車(chē)能成功規(guī)劃出一條平滑無(wú)碰撞的最優(yōu)路徑。Matlab仿真實(shí)驗(yàn)結(jié)果表明了該方法的有效性。

關(guān)鍵詞：混沌優(yōu)化 人工勢(shì)場(chǎng)法 自動(dòng)導(dǎo)引車(chē) 避障

中圖分類(lèi)號(hào)：TP242.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）06（b）-0150-04

Obstacle Avoidance Research of the Automated Guided Vehicle based on Improved Artificial Potential Field Method with Chaotic Optimization

Wu Yuanbo， Li Xingguang Chen Dianren Zhao Binfeng Xu Chen

（School of Electronic & Information Engineering， Changchun University of Science and Technology， Changchun 130022， China）

Abstract：In the complex environment of modern automatic storage system， the distribution of obstacles is uncertain. In order to solve the problem of obstacle avoidance of automatic guided vehicle （AGV）， on the basis of artificial potential field method， an improved artificial potential field method based on chaotic optimization is proposed. The method can effectively solve the problems of existing goal unreachable and local minimum value of the traditional artificial potential field method， making the automated guided vehicle successfully plan a smooth and collision free collision free optimal path. The Matlab simulation results show the effectiveness of the method.

Key words：Chaotic optimization； Artificial potential field method； Automatic guided vehicle； Obstacle avoidance

隨著自動(dòng)化倉(cāng)儲(chǔ)系統(tǒng)等物流系統(tǒng)的快速發(fā)展，現(xiàn)代化工廠對(duì)生產(chǎn)效率以及生產(chǎn)自動(dòng)化程度的要求越來(lái)越高，在這種環(huán)境下，自動(dòng)導(dǎo)引車(chē)（AGV）應(yīng)運(yùn)而生[1]。為了保證AGV在有障礙物的工作環(huán)境中，可以安全無(wú)碰撞的完成搬運(yùn)任務(wù)，就需要在AGV從起點(diǎn)到目標(biāo)點(diǎn)的運(yùn)動(dòng)軌跡中，找出一條最優(yōu)或近似最優(yōu)的無(wú)碰撞路徑。自動(dòng)導(dǎo)引車(chē)（AGV）在移動(dòng)過(guò)程中，是否能快速、準(zhǔn)確地對(duì)周?chē)h(huán)境做出反應(yīng)，實(shí)時(shí)避開(kāi)運(yùn)動(dòng)路徑中的障礙物，并且能連續(xù)的移動(dòng)到目標(biāo)點(diǎn)顯得十分重要。因此，自動(dòng)導(dǎo)引車(chē)必須具備一定的自主避障能力。

目前廣泛使用的避障算法[2]主要有：人工勢(shì)場(chǎng)法[3]，遺傳算法[4]，模糊邏輯算法[5]，神經(jīng)網(wǎng)絡(luò)算法[6]等。由于在現(xiàn)代化倉(cāng)儲(chǔ)復(fù)雜的工作環(huán)境中，自動(dòng)導(dǎo)引車(chē)（AGV）需要在對(duì)倉(cāng)儲(chǔ)工作環(huán)境未知的情況下仍然能夠有效的躲避障礙物完成搬運(yùn)任務(wù)。因此，需要采用局部避障算法。其中，人工勢(shì)場(chǎng)法就是一種局部避障算法，與其他算法相比，它具有實(shí)時(shí)性強(qiáng)、計(jì)算量小、安全可靠，應(yīng)用最為廣泛等優(yōu)點(diǎn)。但是，傳統(tǒng)人工勢(shì)場(chǎng)法存在目標(biāo)不可達(dá)和局部極小值的問(wèn)題。為了解決這一問(wèn)題，文獻(xiàn)[7]提出一種改進(jìn)的人工勢(shì)場(chǎng)法，通過(guò)修改斥力場(chǎng)函數(shù)，從而可以順利克服人工勢(shì)場(chǎng)法局部極小值和目標(biāo)不可達(dá)問(wèn)題。文獻(xiàn)[8]提出一種模糊改進(jìn)人工勢(shì)場(chǎng)法，基于模糊理論對(duì)人工勢(shì)場(chǎng)法進(jìn)行改進(jìn)，能夠有效地避免局部極小值問(wèn)題，并優(yōu)化路徑。

混沌是存在于非線性系統(tǒng)中的一種較為普遍的現(xiàn)象，混沌并不是一片混亂，而是有著精致內(nèi)在結(jié)構(gòu)的一類(lèi)現(xiàn)象。混沌運(yùn)動(dòng)具有遍歷性、隨機(jī)性、規(guī)律性等特點(diǎn)，混沌運(yùn)動(dòng)能在一定范圍內(nèi)按其自身的“規(guī)律”不重復(fù)地遍歷所有狀態(tài)[9]。基于混沌的特點(diǎn)，可以利用混沌進(jìn)行搜索，對(duì)搜索過(guò)程中出現(xiàn)的局部極小值和目標(biāo)不可達(dá)問(wèn)題進(jìn)行優(yōu)化。在人工勢(shì)場(chǎng)法的基礎(chǔ)上，提出一種混沌優(yōu)化改進(jìn)的人工勢(shì)場(chǎng)法，具有以下優(yōu)點(diǎn)：（1）在未知環(huán)境下，避開(kāi)工作中的障礙物，避免陷入局部最小點(diǎn)；（2）在比較靠近的障礙物中間找到通道；（3）克服在障礙物面前震蕩，在狹窄通道中擺動(dòng)現(xiàn)象，使運(yùn)動(dòng)軌跡更加平滑。

1 人工勢(shì)場(chǎng)法

人工勢(shì)場(chǎng)法是由Khatib于1986年提出的一種虛擬力場(chǎng)法[10]，其方法是將移動(dòng)機(jī)器人所處的環(huán)境用勢(shì)場(chǎng)來(lái)定義，通過(guò)位置信息來(lái)控制機(jī)器人的避障行駛，基本思想是構(gòu)造目標(biāo)位姿引力場(chǎng)和障礙物周?chē)饬?chǎng)共同作用的人工勢(shì)場(chǎng)，搜索勢(shì)函數(shù)的下降方向來(lái)尋找無(wú)碰撞路徑。人工勢(shì)場(chǎng)法避障技術(shù)使得機(jī)器人的移動(dòng)能很好地適應(yīng)機(jī)器人周?chē)h(huán)境的變化，實(shí)時(shí)性高，但同時(shí)也存在很多難以解決的問(wèn)題。自動(dòng)導(dǎo)引車(chē)作為機(jī)器人的一種，同樣適用于人工勢(shì)場(chǎng)法。

2.1 傳統(tǒng)人工勢(shì)場(chǎng)法

其基本思想是將機(jī)器人在環(huán)境中的運(yùn)動(dòng)視為一種虛擬的人工受力場(chǎng)中的運(yùn)動(dòng)。障礙物被排斥力勢(shì)場(chǎng)包圍，對(duì)機(jī)器人產(chǎn)生斥力，排斥力隨機(jī)器人與障礙物間距離的減少而迅速增大；目標(biāo)被引力勢(shì)場(chǎng)包圍，對(duì)機(jī)器人產(chǎn)生引力，吸引力隨機(jī)器人與目標(biāo)的接近而減小。引力和斥力的合力作為機(jī)器人的加速力來(lái)控制移動(dòng)機(jī)器人運(yùn)動(dòng)。AGV在傳統(tǒng)人工勢(shì)場(chǎng)法的受力分析如下圖1。

定義目標(biāo)勢(shì)場(chǎng)函數(shù)為：

（1）

式中，k為引力增益系數(shù)，為AGV與目標(biāo)之間的相對(duì)距離。

斥力場(chǎng)函數(shù)為：

（2）

式中，η為斥力增益系數(shù)，ρ為AGV與障礙物之間的相對(duì)距離，ρ0為障礙物的影響距離。

這樣，當(dāng)AGV周?chē)嬖趎個(gè)障礙物時(shí)，AGV所受到的總合力為：

（3）

由（1）式和（2）式可知傳統(tǒng)人工勢(shì)場(chǎng)法主要有以下兩點(diǎn)局限性。

（1）目標(biāo)不可達(dá)：AGV離目標(biāo)點(diǎn)越近受到的斥力越大，引力越少。當(dāng)目標(biāo)點(diǎn)附近存在障礙物時(shí)，AGV在目標(biāo)點(diǎn)附近所受到的斥力大于引力，可能會(huì)導(dǎo)致AGV一直在目標(biāo)點(diǎn)附近徘徊，無(wú)法到達(dá)目標(biāo)點(diǎn)。

（2）局部極小值的問(wèn)題：在多障礙的復(fù)雜環(huán)境下，AGV在避障過(guò)程中受到的斥力的大小方向都是隨機(jī)的。當(dāng)AGV在某一點(diǎn)所受到的斥力和引力的大小相等且方向相反時(shí)，由于合力為零，AGV無(wú)法確定下一步的前進(jìn)方向，可能會(huì)出現(xiàn)停止或者徘徊的情況。

2.2 改進(jìn)的人工勢(shì)場(chǎng)法

針對(duì)傳統(tǒng)人工勢(shì)場(chǎng)法存在的問(wèn)題，所以在定義斥力場(chǎng)函數(shù)時(shí)，把AGV與目標(biāo)之間的相對(duì)距離也考慮進(jìn)去，從而建立一個(gè)新的斥力場(chǎng)函數(shù)如下[11]：

（4）

其中：

（5）

（6）式中，為斥力增益系數(shù)，為AGV與障礙物之間的相對(duì)距離，為障礙物的影響距離，為大于零的實(shí)數(shù)。

修改后的斥力有兩個(gè)分量，分量與原斥力方向一致，分量與引力方向一致，如下圖2所示。

3 混沌優(yōu)化改進(jìn)人工勢(shì)場(chǎng)法

3.1 混沌優(yōu)化算法

混沌優(yōu)化的基本思想就是用類(lèi)似載波的方法將混沌狀態(tài)引入到優(yōu)化變量中，并把混沌運(yùn)動(dòng)的遍歷范圍“放大”到優(yōu)化變量的取值范圍，然后利用混沌變量進(jìn)行搜索。首先選擇用于載波的混沌變量，傳統(tǒng)的方法用來(lái)產(chǎn)生混沌序列的映射用得最多的是logistic映射：

（7）

式中，μ為控制參數(shù)，0≤μ≤4，。不難證明當(dāng)μ=4時(shí)，此Logistic系統(tǒng)完全處于混沌狀態(tài)[12]。因此，可以利用混沌優(yōu)化算法的遍歷性擺脫路徑規(guī)劃中局部最優(yōu)問(wèn)題。有關(guān)混沌優(yōu)化算法求解優(yōu)化問(wèn)題的步驟見(jiàn)參考文獻(xiàn)[13]。

3.2 混沌改進(jìn)人工勢(shì)場(chǎng)法

結(jié)合人工勢(shì)場(chǎng)法與混沌優(yōu)化算法各自特點(diǎn)，以勢(shì)場(chǎng)函數(shù)作為混沌優(yōu)化的目標(biāo)函數(shù)，控制變量為AGV行走的步長(zhǎng)和運(yùn)動(dòng)方向，通過(guò)混沌優(yōu)化算法計(jì)算AGV下一周期的步長(zhǎng)和方向角，從而確定下一個(gè)子目標(biāo)點(diǎn)，這就是提出的混沌優(yōu)化改進(jìn)人工勢(shì)場(chǎng)法，該方法很好的解決了AGV局部最優(yōu)問(wèn)題[14]。

最常見(jiàn)的引力勢(shì)場(chǎng)函數(shù)：

（8）

第個(gè)障礙物的斥力勢(shì)場(chǎng)函數(shù)：

（9）

其中。

總的勢(shì)場(chǎng)函數(shù)為：

（10）

式中，k為引力增益系數(shù)，為AGV與目標(biāo)之間的相對(duì)距離，λi是分別由障礙物形狀決定的正常數(shù)，ρi為AGV與第i個(gè)障礙物之間的相對(duì)距離，ρ0為障礙物的影響距離，n是障礙物的數(shù)量。

4 仿真實(shí)驗(yàn)與結(jié)果

為了驗(yàn)證基于混沌優(yōu)化改進(jìn)人工勢(shì)場(chǎng)法的有效性，假定自動(dòng)導(dǎo)引車(chē)以不變的速度運(yùn)動(dòng)，運(yùn)動(dòng)方向由自動(dòng)導(dǎo)引車(chē)所受合力決定。通過(guò)Matlab軟件進(jìn)行編程仿真，對(duì)實(shí)時(shí)避障過(guò)程中可能遇到的情況進(jìn)行建模仿真實(shí)驗(yàn)。

圖3是傳統(tǒng)人工勢(shì)場(chǎng)法下自動(dòng)導(dǎo)引車(chē)目標(biāo)不可達(dá)情況的仿真結(jié)果，由于目標(biāo)點(diǎn)處斥力較大，在即將到達(dá)目標(biāo)點(diǎn)時(shí)，自動(dòng)導(dǎo)引車(chē)出現(xiàn)來(lái)回徘徊的情況，從而無(wú)法到達(dá)目標(biāo)點(diǎn)。圖4是混沌改進(jìn)人工勢(shì)場(chǎng)法下自動(dòng)導(dǎo)引車(chē)能夠有效地解決障礙物與目標(biāo)很接近時(shí)，自動(dòng)導(dǎo)引車(chē)被推開(kāi)而目標(biāo)不可達(dá)的問(wèn)題。

如果采用傳統(tǒng)的人工勢(shì)場(chǎng)法，由于局部最小值的問(wèn)題，自動(dòng)導(dǎo)引車(chē)可能振蕩或停止在兩障礙的間隙，無(wú)法到達(dá)目的地。圖5是傳統(tǒng)人工勢(shì)場(chǎng)法下，自動(dòng)導(dǎo)引車(chē)?yán)@過(guò)兩個(gè)障礙物，然后到達(dá)目的地。圖6是混沌改進(jìn)人工勢(shì)場(chǎng)法下，雖有傳統(tǒng)人工勢(shì)場(chǎng)法的局部最小值，自動(dòng)導(dǎo)引車(chē)還是通過(guò)兩個(gè)障礙物之間狹窄的通道，順利到達(dá)目標(biāo)點(diǎn)。

圖7是改進(jìn)斥力勢(shì)場(chǎng)函數(shù)的人工勢(shì)場(chǎng)法下，在多障礙物的復(fù)雜環(huán)境下，自動(dòng)導(dǎo)引車(chē)的仿真運(yùn)動(dòng)軌跡。圖8是混沌改進(jìn)人工勢(shì)場(chǎng)法下，自動(dòng)導(dǎo)引車(chē)能在多障礙物的復(fù)雜環(huán)境下實(shí)時(shí)、有效地避開(kāi)各種障礙物，規(guī)劃出一條平滑無(wú)碰撞的避障路徑。

5 結(jié)語(yǔ)

仿真實(shí)驗(yàn)與結(jié)果表明，基于混沌改進(jìn)的人工勢(shì)場(chǎng)法可以有效解決在未知環(huán)境下陷入局部最小點(diǎn)問(wèn)題，避開(kāi)工作環(huán)境中的障礙物，在比較靠近的障礙物中間找到通道，順利到達(dá)目標(biāo)點(diǎn)，克服在障礙物面前震蕩，在狹窄通道中擺動(dòng)現(xiàn)象，使運(yùn)動(dòng)軌跡更加平滑。

參考文獻(xiàn)

[1] 周馳東.磁導(dǎo)航自動(dòng)導(dǎo)向車(chē)（AGV）關(guān)鍵技術(shù)與應(yīng)用研究[D].南京航空航天大學(xué)，2012.

[2] 劉世聰.機(jī)器人避障算法研究[D].黑龍江：東北石油大學(xué)，2011.

[3] 劉和祥，邊信黔.基于傳感器信息的AUV局部避碰研究[J].傳感器與微系統(tǒng)，2007，26（12）：41-43.

[4] 王越超.未知環(huán)境下基于可拓遺傳算法的避障研究[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（20）：226-229.

[5] 周愷.信息素模糊邏輯導(dǎo)引的機(jī)器人室內(nèi)避障算法研究[J].科技通報(bào)，2015，31（12）：220-222.

[6] 魏權(quán)利.模糊神經(jīng)網(wǎng)絡(luò)在嵌入式移動(dòng)機(jī)器人避障研究中的應(yīng)用[J].機(jī)床與液壓，2010，38（17）：51-54.

[7] 楊一波，王朝立.基于改進(jìn)的人工勢(shì)場(chǎng)法的機(jī)器人避障控制及其Matlab實(shí)現(xiàn)[J].上海理工大學(xué)學(xué)報(bào)，2013，35（5）：496-500.

[8] 游文洋，章政.基于模糊改進(jìn)人工勢(shì)場(chǎng)法的機(jī)器人避障方法研究[J].傳感器與微系統(tǒng)，2016，35（1）：14-18.

[9] 胡行華.混沌優(yōu)化算法及其應(yīng)用[D].2008，10-40.

[10] OusamaKhabit.Real_timeobstacleavoidanceformanipulatorsandmobilerobots[J].TheInternationalJournalofRoboticsResearch.1986，5（1）.

[11] 李奕銘.基于人工勢(shì)場(chǎng)法的移動(dòng)機(jī)器人避障研究[D].2013，

25-36.

[12] WenbaiChen，XibaoWu，YangLu.AnImprovedPathPlanningMethodBasedonArtificialPotentialFieldforaMobileRobot.2015，15（2）：181-191.

[13] 李兵，蔣慰孫.混沌優(yōu)化方法及其應(yīng)用[J].控制理論與應(yīng)用，1997，14（4）：613-615.

[14] 楊斌，王庭有.基于混沌人工勢(shì)場(chǎng)法的機(jī)器人路徑規(guī)劃[J].科學(xué)技術(shù)與工程，2011，11（21）：5205-5207.