[發明專利]一種基于逃逸力模糊控制的人工勢場路徑規劃方法

有效

• 申請號: 201911086388.0
• 申請日: 2019-11-08
• 公開（公告）號: CN110879592B
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 李宇昊;趙又群;杜宜燕
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 韓天宇

本發明公開了一種基于逃逸力模糊控制的人工勢場路徑規劃方法，針對傳統人工勢場法在無人車路徑規劃領域中容易陷入局部最優、目標不可達等缺陷，該方法在人工勢場的虛擬力場中對無人車施加額外的逃逸力，并且采用模糊控制策略，使該逸力能隨著無人車所在環境的改變而不斷變化。當無人車陷入局部最優或目標不可達等特殊環境時，該逃逸力能幫助無人車逃出此特殊環境，使無人車能夠繼續朝著目標點前進。該算法對傳統的人工勢場算法進行了改進，并且改進的算法解決了傳統人工勢場法所存在的目標不可達等缺陷。

技術領域

本發明涉及無人車路徑規劃領域，尤其涉及一種基于逃逸力模糊控制的人工勢場路徑規劃方法。

背景技術

傳統人工勢場算法基于虛擬勢場，算法定義直觀，模型結構簡單，規劃過程通過構造的虛擬勢場，使無人車在所受的引力與斥力的引導下，并且不需要很大的計算量就可以實時避障并完成規劃任務，該算法在全局規劃方面得到了廣泛應用，但傳統人工勢場法常常會遇到局部最小的問題而導致目標不可達現象。

針對傳統人工勢場法的局部最小問題，有不少的解決辦法。最常見的解決辦法是在虛擬斥力勢場中引入一個距離因子，改變原有的勢場模型。這種方法可解決傳統人工勢場的目標不可達問題，但規劃出的路徑丟失了平滑性，故本方法實用性較差。將群智能算法與人工勢場法相結合也能克服局部最小的問題，比如將蟻群算法與人工勢場法融合在一起，節省了避障時間，但該方法的缺陷是所需的存儲空間非常大。此外，虛擬水流法也能在一定程度上改善人工勢場的局部最小問題，但缺點是算法效率低，規劃時間很長。

由此可見，改進傳統人工勢場法以避免目標不可達現象有著重要意義。

發明內容

本發明所要解決的技術問題是針對背景技術中所涉及到的缺陷，提供一種基于逃逸力模糊控制的人工勢場路徑規劃方法。

本發明為解決上述技術問題采用以下技術方案：

一種基于逃逸力模糊控制的人工勢場路徑規劃方法，包括以下步驟：

步驟1)，獲取當前的全局環境信息，所述全局環境信息包括無人車當前位置、靜態障礙物位置及目標點位置；

步驟2)，基于已獲取到的全局環境信息構建出障礙物的虛擬斥力勢場與目標點的虛擬引力勢場，并分析無人車自身所受的斥力與引力；

步驟3)，根據當前無人車自身所受的斥力與引力情況，采用模糊控制策略對無人車施加逃逸力，直至到達目標點；逃逸力的大小由預設的模糊控制器來進行模糊控制，逃逸力的方向定義為垂直于引力方向，所述模糊控制器模型的建立步驟如下：

步驟3.1)，選取二維模糊控制器，輸入變量分別為當前無人車自身所受的引力大小與斥力大小之差ΔF、引力與斥力的方向角度之差Δθ，輸出變量即為逃逸力大小F；

步驟3.2)，將模糊控制器的輸入與輸出參數量化模糊處理；

步驟3.2.1)，輸入變量引力大小與斥力大小之差ΔF的量化方法為：

定義力差系數ΔF_c，ΔF_c與ΔF的關系表示為

則ΔF經量化后得到的力差系數ΔF_c的論域為[-1,1]；

步驟3.2.2)，輸入變量引力與斥力的方向角度之差Δθ的范圍為[-π，π]，將Δθ量化后的論域定義為[-3.142,3.142]；

步驟3.2.3)，輸出變量逃逸力大小F的量化方法為：

定義逃逸力系數為F_c，F_c與F的關系表示為

則逃逸力大小F量化后得到的逃逸力系數F_c的論域為[-1,1]；