一种基于人工势场的无人机航迹规划算法

打开文本图片集

摘要：为了改进传统的人工势场法不能适应复杂环境、容易陷入最小值和在终点附近徘徊的情况，提出一种基于混沌理论的人工势场法的无人机航迹规划算法。在传统人工势场法原理的基础上，将混沌理论的搜索算法引入人工势场法中的斥力场、引力场的函数公式中，改变了各个障碍物斥力系数和目标点的引力系数，将改变后的系数代入计算，搜索出斥力场和引力场的最优系数组。本算法有如下优点：第一，考虑了障碍物对寻优过程的影响，排除了合力为零的情况。第二，通过迭代的方法，具有适应不同地图的能力。第三，适用于无人机的航迹规划。仿真实验结果和理论分析表明，混沌理论的人工势场法不仅解决了无人机在航迹规划中容易陷入最小值和在终点附近徘徊等问题，而且可以实现无人机在复杂环境下的航迹规划，缩短了飞行成本，节约了计算时间，提高了三维空间无人机航迹规划的速度和精度。

关键词：机器人控制；无人机；人工势场法；航迹规划；混沌理论

中图分类号：TP273.V19文献标志码：A

Abstract：In order to improve the precision and accuracy of artificial potential field， and avoid the situation of hovering on the end point and being caught in minimum value， a path planning algorithm based on artificial potential algorithm for unmanned aerial vehicle is presented. The traditional artificial potential field method is improved： chaos theory is used to improve artificial potential field calculation formula， which changes the potential field coefficients of each barrier and target point， resulting in the best screened out route. The simulation experimental analysis and result show that the optimized algorithm considers the influence of obstacles to the optimization process， ruling out the situation of hovering on the end point in unmanned aerial vehicle route planning， and through iterative method， the algorithm has the ability to adapt to different maps. The improved artificial potential field method is better than the traditional artificial potential field method in speed and precision aspects.

Keywords：robot control； unmanned aerial vehicle； artificial potential field method； route planning； chaos theory

无人机的航迹规划是无人机研究领域的一个重要组成部分[1]，无人机技术的发展，对无人机航迹规划提出了越来越高的要求。无人机航迹规划的任务是在具有障碍物的环境中，按照一定的评价系统，寻找一条从起始位置到达目标位置的无碰撞的路径[23]，目前提出的常用算法有A*算法[4]、D*算法[5]、Bug1算法、Bug2算法[6]、人工势场法[7]，还有须满足限制条件的粒子群算法[8]等。其中人工势场法包容性好，方便快捷，可以和很多方法结合，实现无人机的实时控制。但其也有不能适应复杂环境的缺点，比如在狭窄环境中路径摆动，障碍物附近目标不可达，容易陷入最小值等。

针对这些情况，文献＼[9＼]提出了按着沿墙走的轨迹来环绕障碍物解决目标点不可达的情况；文献＼[10＼]提出了极限环法，通过环绕障碍物的方法让无人机走圆弧状路径，达到避障的目的；文献＼[11＼]采用连锁网络方法减小无规则碰撞现象。上述方法虽然在一定程度上避免了算法陷入局部最小值等情况，但仍存在着不能适应复杂环境，在狭窄环境徘徊的缺点。

1河北科技大学学报12017年第3期1甄然，等：一种基于人工势场的无人机航迹规划算法 人工势场算法之所以无法适应复杂的环境，是因为斥力场系数、引力场系数在计算时是固定不变的，本文提出了一种基于混沌理论的人工势场法，将混沌理论全局搜索引入人工势场法，搜索出更优的引力场和斥力场系数，从而发挥出人工势场法的潜力。最近，研究人员将各种混沌优化算法[1316]应用于路径规划算法中，其基本思想：解空间是从无序空间变换到的，利用混沌变量，发掘共性、随机性和规律性的特点，进行全局搜索。混沌优化方法具有全局渐近收敛、易跳出局部极小点和收敛速度快等特点，与人工势场算法很容易结合。改进的人工势场法的基本思路是：在传统人工势场法无人机航迹规划基础上，通过混沌理论改变障碍物和目标点的斥力和引力，从而搜索出更优路径。

1人工势场法基本原理

人工势场法的实质是对无人機的飞行区域人为地定义势场[17]，该势场为地图中出现的障碍物斥力场和终点引力场的向量叠加。传统人工势场的定义如下：

3仿真结果与分析

在山地环境中评估和对比新旧人工势场法，并在Matlab环境中实现。

数据设置如下：任务是从起点离开，到达目标点，飞行的空间是一个边长为2 000 m的正方体，在3D的环境中设置大小不同的山峰，山峰的尺寸如表1所示。

设置混沌理论的人工势场法参数Kori=3，进行了对比试验：图3为传统的人工势场法，虽然能到达目的地，但是出现了在狭窄路径中徘徊和绕行半径大的情况；图4为改进后的人工势场法，可以看出，无人机绕行半径减小并且在路径中没有出现徘徊情况。

在传统的人工势场法中，K=3用时38.5 s，路径长度2 839 m。在改进的人工势场算法中，迭代7次，K值迭代表如表2所示，迭代结果如表3所示。

K值选取标准为路径长度最短，用时最短的一组K值。从表2中选择第3次迭代结果最优系数组。由图3可以看出，当有障碍物在目标点附近的时候，无人机路径会在目标点附近徘徊，并且绕行障碍物时半径偏大，算出来的路径偏差大，改进后的算法对比原方法提高9%，计算速率提高了46%，并且路径平滑，在目标点附近没有徘徊。经过仿真平台的测试，在无人机飞行壁障无人机航迹规划时，可以找出路径平滑且安全的符合无人机飞行特点的路径，适应复杂环境，比传统算法计算精度和效率高。

4结语

本文在传统人工势场法的基础上，采用改变势场系数的方法，引入混沌理论logistic映射，改进了势场公式，建立了混沌理论的人工势场法。将障碍物的Kn值和吸引力的K值都控制在一定的范围内进行搜索，从而选择出最优系数组，改进了人工势场法。通过分析和比较在复杂环境中的路线平滑度以及时间长度，证明了本方法可以更好的完成搜索任务。仿真结果显示，改进后人工势场法不仅提高了路径的精确性和稳定性，缩短了路径长度和时间，而且还可以适应复杂环境，避免无人机在目标点附近徘徊和陷入最小值的情况。通过多次迭代搜索的方法，提高了算法適应复杂地图的能力。因此，该方法能够为无人机在复杂环境中的航迹规划提供有效的计算方法，解决无人机飞行的实际问题，具有重要的科研意义和研究价值。参考文献/References：

[1]朱庆保，张玉兰.基于栅格法的机器人路径规划蚁群算法[J].机器人，2005，27（2）：132136.

ZHU Qingbao，ZHANG Yulan.An ant colony algorithm based on grid method for mobile robot path planning[J].Robot，2005，27（2）：132136.

[2]PARK M G， JEON J H， LEE M C. Obstacle avoidance for mobile robots using artificial potential field approach with simulated annealing [C]// IEEE International Symposium on Industrial Electronics. Washington DC： IEEE，2001：15301535.

[3]VELAGIC J， LACEVIC B， OSMIC N. Efficient path planning algorithm for mobile robot navigation with a local minima problem Solving[C]// IEEE International Conference on Industrial Technology.Washington DC：IEEE， 2006：23252330.

[4]NISSON N J. Principles of Artificial Intelligence[M].Palo Alto： Tioga Press，1980：355358.

[5]STENTZ A. Optimal and efficient path planning for partially known environments[C]// IEEE International Conference on Robotics & Automation.Poscataway：IEEE，1994：33103317.

[6]LUMELSKY V， STEPANOVA. Pathplanning strategies for a point mobile automation moving among stun known obstacles of arbitrary shape[J].Algorithmica，1987（2）：403430.

[7]KHATIB O.Realtime obstacle avoidance for manipulators and mobile robots[J]. International Journal of Robotics Research（IJRR），1986，5（1）：9098.

[8]甄然，司超，吴学礼，等.基于改进粒子群算法的飞行器冲突解脱方法研究[J]. 河北科技大学学报，2016，37（5）：491496.

ZHEN Ran， SI Chao， WU Xueli，et al.Aircraft conflict relief method based on improved particle swarm algorithm research[J].Journal of Hebei University of Science and Technology， 2016， 37（5）：491496.

[9] PARK M G， JEON J H，LEE M C. Obstacle avoidance for mobile robots using artificial potential fieldapproach with simulated an nealing[C]// IEEE International Symposium on Industrial Electronics. South Korea：IEEE，2001：15301535.

[10]FAZLI S，KLEEMAN L. Wall following and obstacle avoidance results from a mulitaDSP sonar ring on a mobile robot[C]// Mechatronics & Automation， IEEE International Conference.Niagara Falls：IEEE，2005：432437.

[11]程拥强，蒋平，朱劲，等.用势场法改进的极限环导航方法在移动机器人中的应用[J].机器人，2004，26（2）：133138.

CHENG Yongqiang， JIANG Ping， ZHU Jin， et al.Improvement of limit cycle by potential field method application in mobile robot navigation method [J].Robot，2004，26（2）：133138.

[12]罗乾又，张华，王姮，等. 改进人工势场法在机器人无人机航迹规划中的应用[J].计算机工程与设计， 2011， 32（4）：14111418.

LUO Qianyou， ZHANG Hua， WANG Yuan， et al. Improved artificial potential field method in the application of robot unmanned aerial vehicle （uav） flight path planning[J].Computer Engineering and Design，2011，32（4：）：14111418.

[13] 胥小波，鄭康锋，李丹，等.新的混沌粒子群优化算法[J].通信学报，2012，33（1）：2437.

XU Xiaobo， ZHENG Kangfeng， LI Dan， et al.New chaosparticle swarm optimizationalgorithm[J]. Journal on Communications， 2012，33（1）：2437.

[14]王翔，李志勇，许国艺，等.基于混沌局部搜索算子的人工蜂群算法[J].计算机应用，2012，32（4）：10331036.

WANG Xiang， LI Zhiyong， XU Guoyi， et al. The artificial colony algorithm based on chaotic local search operator [J]. Journal of Computer Applications， 2012，32（4）：10331036.

[15]周燕，刘培玉，赵静，等.基于自适应惯性权重的混沌粒子群算法[J].山东大学学报，2012，47（30）：16.

ZHOU Yan， LIU Peiyu， ZHAO Jing， et al. Chaotic particle swarm algorithm based on adaptive inertia weight [J]. Journal of Shandong University， 2012，47（30）：16.

[16]黄凯，周永权.带交尾行为的混沌人工萤火虫优化算法[J].计算机科学，2012，39（3）：231234.

HUANG Kai， ZHOU Yongquan.With the chaotic artificial firefly mating behavior optimization algorithm [J]. Computer Science， 2012，39（3）：231234.

[17]倪天伟，江红，林金珠.基于改进人工势场法的移动机器人避障无人机航迹规划算法[J].常州大学学报，2016，28（5）：7477.

NI Tianwei， JIANG Hong， LIN Jinzhu. Based on improved artificial potential field method of mobile robot obstacle avoidance unmanned aerial vehicle （UAV） route planning algorithm[J]. Journal of Changzhou University， 2016，28（5）：7477.

[18]刘晓莹.混沌蚁群算法在多机器人任务规划中的应用研究[D].南京：中南大学，2010.

LIU Xiaoying.Chaos Ant Colony Algorithm in The Application of Multirobot Task Planning Research[D]. Nanjing： Central South University， 2010.

[19]翟红生，王佳欣.基于人工势场的机器人动态路径规划新方法[J].重庆邮电大学学报（自然科版），2015，27（6）：814818.

ZHAI Hongsheng， WANG Jiaxin. Dynamic path planning research for mobile robot basedon artificial potential field[J]. Journal of Chongqing University of Posts and Telecommunications（Natural Science Edition）， 2015， 27（6）：814818.

[20] 田子建，高学浩.基于改进人工势场法的救灾机器人路径规划[J].工矿自动化，2016，42（9）：3742.

TIAN Zijian， GAOXuehao. Path planning of rescuing robot based on improved artificial field method[J]. Industrial Automation， 2016， 42（9）：3742.