孫琳琳

摘要：移動機器人的路徑規(guī)劃是機器人導航中的重要問題。本研究介紹了動態(tài)模糊人工勢場法的原理和基本思想，并討論了該方法在移動機器人路徑規(guī)劃中的應用。通過引入動態(tài)模糊人工勢場法，有效避免了機器人陷入局部最小值，并能夠快速、高效地找到最優(yōu)路徑。在實驗中，使用了一臺移動機器人進行了路徑規(guī)劃的仿真實驗，并與其他常用的路徑規(guī)劃方法進行了比較。實驗結果表明，基于動態(tài)模糊人工勢場法的移動機器人路徑規(guī)劃具有良好效果，具有較好的性能和適用性，為移動機器人路徑規(guī)劃提供了新的思路，具有良好的應用前景。

關鍵詞：移動機器人；路徑規(guī)劃；動態(tài)模糊人工勢場法；仿真實驗；效果評估

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2024）08-0032-03

開放科學（資源服務）標識碼（OSID）

0 引言

移動機器人路徑規(guī)劃是指在給定環(huán)境中，通過算法使機器人能自主地決策如何從起點到達目標點的過程。在實際應用中，路徑規(guī)劃是移動機器人導航和行動的重要一環(huán)，直接影響著機器人的運動效率。基于動態(tài)模糊人工勢場法的移動機器人路徑規(guī)劃是近年來研究的熱點。傳統(tǒng)人工勢場法將機器人視為一個質點，在考慮靜態(tài)環(huán)境和目標吸引力的基礎上，通過計算環(huán)境障礙物的斥力和目標點的引力，從而生成虛擬的勢場地圖。機器人根據(jù)勢場地圖的信息來規(guī)劃路徑。然而，傳統(tǒng)人工勢場法存在局限性，如易陷入局部最小值、難以處理動態(tài)環(huán)境等問題。而動態(tài)模糊人工勢場法是對傳統(tǒng)方法的一種改進，引入模糊邏輯和動態(tài)調整的機制，通過模糊化處理來解決傳統(tǒng)方法中的二值化問題，使得機器人能更好地適應復雜的環(huán)境。另外，動態(tài)模糊人工勢場法能根據(jù)環(huán)境的變化實時調整勢場參數(shù)，使得機器人能靈活應對動態(tài)環(huán)境?？梢?，基于動態(tài)模糊人工勢場法的移動機器人路徑規(guī)劃是最先進的研究方向，能有效解決傳統(tǒng)方法中存在的問題，并且能夠適應復雜和不確定的環(huán)境。隨著科學技術的不斷發(fā)展和進步，相信該方法將在移動機器人領域發(fā)揮重要的作用，為機器人的自主導航提供可能性[1]。

1 傳統(tǒng)人工勢場法分析

傳統(tǒng)人工勢場法是一種常用的機器人路徑規(guī)劃方法，其以人工勢場概念為基礎，通過模擬物體之間的相互作用力，實現(xiàn)機器人的路徑規(guī)劃。該方法主要包括引力和斥力兩個基本原理。首先是引力原理。在傳統(tǒng)人工勢場法中，機器人被視為一個質點，目標位置被視為一個吸引機器人的引力源，這個引力源會對機器人施加一個向目標位置的引力，使得機器人受到引力的作用朝目標位置移動。引力的大小和方向取決于機器人與目標位置之間的距離，距離越近，引力越大，反之引力越小，通過引力原理，機器人能被引導到目標位置附近；其次是斥力原理。在傳統(tǒng)人工勢場法中，避障障礙物被視為機器人周圍的斥力源，這些斥力源會對機器人施加遠離障礙物的斥力，使得機器人受到斥力的作用遠離障礙物。斥力的大小和方向取決于機器人與障礙物之間的距離，距離越近，斥力越大，反之斥力越小。通過斥力原理，機器人能避開障礙物，安全地繞過它們。傳統(tǒng)人工勢場法通過引力和斥力相互作用來指導機器人的移動，機器人會在引力和斥力的共同作用下，選擇最優(yōu)的路徑達到目標位置。為了確保機器人能在復雜環(huán)境中順利移動，會設置各種其他因素，如邊界限制、速度調整等。傳統(tǒng)引力和斥力勢場函數(shù)如下：

[Uatt=12ζρ2gq]? ? ? （1）

[Urep=12η1ρq-1ρ02，ρqρ00，ρq≥ρ0]? ? （2）

式中：[ξ]為引力增益系數(shù)；[η]為斥力增益系數(shù)；[ρ0]為障礙物影響距離；[ρgq]為機器人位置到目標點的歐式距離；[ρq]為障礙物影響區(qū)域到機器人位置的最小距離。

然而，傳統(tǒng)人工勢場法也存在一些問題。一方面，由于引力和斥力的設計需要提前知道目標位置和障礙物的信息，因此對于動態(tài)環(huán)境下的路徑規(guī)劃來說不太適用。另一方面，由于斥力是以距離為依據(jù)的，當機器人與障礙物非常接近時，斥力會變得非常大，可能導致機器人出現(xiàn)震蕩或陷入局部最小值的情況（如圖1所示）。盡管傳統(tǒng)人工勢場法存在一些問題，但其基本原理仍然被廣泛應用于機器人路徑規(guī)劃領域。通過合理設計和改進，可以克服一些問題，并提高路徑規(guī)劃的效果。同時，也有更多的路徑規(guī)劃方法被提出，如A*算法、Dijkstra算法等，其能與傳統(tǒng)人工勢場法相結合，共同應用于機器人的路徑規(guī)劃中，以獲得更好的效果[2]。

2 動態(tài)模糊人工勢場法

2.1 基本原理

動態(tài)模糊人工勢場法是一種基于人工勢場原理的路徑規(guī)劃方法，通過模擬物體間的吸引和排斥力，實現(xiàn)對機器人的智能導航。DFAPF的基本原理是將移動對象視為一個質點，周圍環(huán)境視為勢場，其 由吸引力和排斥力兩部分組成。吸引力使得移動對象被引向目標點，而排斥力則使其避開障礙物。在DFAPF中，吸引力和排斥力的大小由一系列模糊規(guī)則來決定，這些模糊規(guī)則基于環(huán)境中的信息，如目標點位置、障礙物位置、形狀等。通過模糊邏輯推理，根據(jù)當前環(huán)境的狀態(tài)為移動對象生成相應的吸引力和排斥力。吸引力是移動對象與目標點之間的引力，使得移動對象朝目標點移動，吸引力大小和移動對象、目標點之間的距離有關，距離越遠，吸引力越大，反之亦然。吸引力的方向指向目標點，使得移動對象朝目標點前進；排斥力是移動對象和障礙物之間的斥力，使得移動對象避開障礙物。通過將吸引力和排斥力疊加，能得到移動對象在當前環(huán)境中的總勢能，移動對象會根據(jù)總勢能變化，調整自身運動方向和速度。當移動對象靠近目標點時，吸引力逐漸增大，而排斥力逐漸減小，使得移動對象能順利到達目標點[3]。

2.2 修改勢場力函數(shù)

對于特殊位置所產生的問題，要優(yōu)化目標點的相關距離，在斥力勢場函數(shù)方面應用機器人[4]。而對于透過特殊運動狀態(tài)所產生的問題，則需要將受速度影響的分量，應用到勢場力函數(shù)上才能解決。（1）機器人根本達不到預期的目標，如果目標在障礙物的影響范圍內，使用傳統(tǒng)的勢場功能，所以要在改進模型中增設調節(jié)因子[X-Xgn]，[X-Xg]是機器人到目標點的距離，n是超過零的實數(shù)。在機器人移動到目標點的過程中，不僅會使重力勢場下降，還會使斥力勢場下降，并確保在機器人到達指定位置之前，重力勢場和斥力勢場都會下降到零之前，重力勢場一直高于斥力勢場。（2） 考慮到機器人和障礙物之間的高速相對運動，碰撞問題變得十分常見。當障礙物以較快的速度追逐目標時，機器人很難有效躲避，這給將障礙物送到指定目標帶來巨大困難。為了解決這類問題，工作人員引入速度型矢量型技術。通過新的引力和斥力功能，希望能科學處理這種情況。

[Fatt=-ζρ2gq+Kvvg-v]? ? ?（3）

[Frep=Freρ1+Freρ2+Kvv-v0， ρqρ0Kvv-v0，ρq≥ρ0]? ?（4）

式中：V、V0、Vg分別代表機器人的速度、障礙物和目標點；[Kv]、[Kv]分別表示重力函數(shù)分量和受速度影響的斥力函數(shù)分量的增益系數(shù)。

3 仿真試驗及結果

3.1 典型位置關系下機器人的路徑規(guī)劃

為了驗證上述模糊人工位場法的應用效果，需要根據(jù)傳統(tǒng)人工位場法在特殊情況下存在的問題，分別對優(yōu)化后的效果進行詳細觀察。為此，將設計仿真實驗，并在MATLAB條件下進行，使用平面直角坐標系，并假設各單位對應的實際物理距離為10厘米，機器人的起點位被設定為（0， 0），而目標點的起點位為（35， 36）。通過這些設定，可以對優(yōu)化后的模糊人工位場法進行測試，并觀察其效果，從而驗證該方法在特殊情況下的應用效果是否得到改進[5]。

首先，合理規(guī)劃機器人路徑。當障礙物移動到（34，34） ，機器人從起始位置進行避障，并實施跟蹤目標。根據(jù)試驗結果發(fā)現(xiàn)，通過優(yōu)化方法的應用，機器人能夠成功地規(guī)避障礙物，并在特殊位置上持續(xù)追蹤目標。除此之外，機器人還可以跨越多個狹窄通道上的障礙。現(xiàn)在，起跑位置有四個障礙分別是（14個、14.5個）、（16.5個、11.5個）、（19.5個、17個）、（13.5個、17個），形成了一個比較完整的狹窄的通道。機器人以起始地點為基準，通過這條狹窄的通道對目標進行躲避和跟蹤。因此，根據(jù)測試結果顯示，機器人能夠有效地控制局部的極小值，精確調節(jié)勢場力的大小，在障礙物形成狹窄通道的情況下，能成功避開障礙物[6]。

3.2 特殊運動狀態(tài)下機器人的路徑規(guī)劃

目前有三個障礙物位置分別為（12，4），（16，35），（25，26），對應的速度分別為V0（1）=[0.1，0.5]，V0（2）=[0.1，0.8]，V0（3）=[0.2，0.3]。目標點的速度為VG=[0.2，0.3]。機器人通過速度V=[0.2，0.4]來躲避障礙物，并實時跟蹤目標。根據(jù)實驗結果，在第一階段運動中，機器人從起始點（12，4）開始，遇到了一個阻礙物。機器人成功繞過這個阻礙物，避免了與它發(fā)生碰撞，并繼續(xù)向前方移動。在第二階段中，起始點（16，35）的障礙物移動到了一個機器人可以預先躲避的位置。機器人實時控制自己的移動方向，確保能夠成功避開這個障礙物。在第三階段操作中，位于（25，26）位置的障礙物正在追蹤目標的運動方向，機器人沒有躲避這個障礙物，而是合理調整了自己力的大小，以節(jié)省時間并快速到達目標。在第四階段的運動中，機器人向著障礙物移動，因為機器人和障礙物之間存在相對運動關系。然而，在隨后的運動過程中，機器人與障礙物之間的運動關系發(fā)生了變化。他們的運動方向變得平行，不會發(fā)生碰撞。機器人會沿著最優(yōu)的直線距離，無視障礙物，并始終追蹤目標[7]。

4 總結

綜上所述，本研究通過使用基于動態(tài)模糊人工勢場法的移動機器人路徑規(guī)劃方法，對移動機器人在不同環(huán)境中的路徑規(guī)劃進行了分析研究。通過對比實驗和性能評估，得出以下結論：

1） 動態(tài)模糊人工勢場法結合勢場法和模糊邏輯，能根據(jù)環(huán)境的動態(tài)變化來調整機器人的路徑，并且避免障礙物和優(yōu)化路徑的選擇。

2） 在沒有動態(tài)障礙物的情況下，該方法能夠快速找到最優(yōu)路徑，并且能夠避開靜態(tài)障礙物。

3） 當環(huán)境中存在動態(tài)障礙物時，該方法能夠及時調整機器人的路徑以避免碰撞，并且能夠根據(jù)障礙物的位置和速度進行動態(tài)規(guī)劃。

4） 當環(huán)境中存在大量障礙物或者復雜的地形時，該方法可能會出現(xiàn)路徑的選擇不夠靈活或者陷入局部最優(yōu)解的情況。

參考文獻：

[1] 陳藝文，江文松，楊力，等.基于運動約束的移動機器人路徑規(guī)劃[J].計算機集成制造系統(tǒng)，2023，29（4）：1186-1193.

[2] 李永迪，李彩虹，張耀玉，等.基于改進SAC算法的移動機器人路徑規(guī)劃[J].計算機應用，2023，43（2）：654-660.

[3] 劉超杰，劉洋，張文博，等.融合TEB與Stanley的移動機器人路徑規(guī)劃控制算法[J].制造業(yè)自動化，2023，45（4）：180-186.

[4] 劉紫燕，張杰，袁浩，等.融合改進RRT和DWA算法的移動機器人路徑規(guī)劃[J].機械設計與制造，2023（11）：224-229.

[5] 李逸飛，王書亭，熊體凡，等.兼顧啟停特性和轉角時耗的移動機器人路徑規(guī)劃[J].西安交通大學學報，2023，57（2）：192-202.

[6] 劉沖，劉本學，呂桉，等.基于改進RRT算法的室內移動機器人路徑規(guī)劃[J].組合機床與自動化加工技術，2023（10）：20-23，29.

[7] 郭志軍，尹亞昆，李亦軒，等.融合改進A?和TEB算法的移動機器人路徑規(guī)劃[J].河南科技大學學報（自然科學版），2023，44（4）：57-65.

【通聯(lián)編輯：光文玲】