基于APF的AGV局部路径规划改进算法研究.docx

基于APF的AGV局部路径规划改进算法研究
基于APF的AGV局部路径规划改进算法研究
摘要：随着自动化技术的迅猛发展，自动导引车（AGV）逐渐应用于工业生产和物流行业。AGV的局部路径规划是其中的重要组成部分，决定了AGV的运动轨迹和路径选择。本文针对传统的基于人工势场法（APF）的AGV局部路径规划算法，在优化逼近和避障方面进行了改进，提出了一种改进的路径规划算法。
关键词：自动导引车（AGV）、局部路径规划、人工势场法（APF）、避障、优化逼近
1.引言
自动导引车（AGV）是一种能够自主运行的物流设备，广泛应用于工业生产和物流运输领域。AGV的路径规划是实现其自主导航和避障的核心问题之一。传统的基于人工势场法（APF）的AGV局部路径规划算法常用于解决此问题，但其在逼近目标点和避障方面存在一些问题，需要进行改进。
2.AGV局部路径规划算法概述
AGV局部路径规划算法旨在实现AGV从当前位置到达目标点的路径规划，并考虑到环境中的障碍物。人工势场法（APF）是一种常用的AGV路径规划算法，通过模拟引力和斥力场的作用，使AGV能够朝着目标点运动，并避开障碍物。在APF算法中，AGV受到目标点的引力和障碍物的斥力的综合作用，计算出一个最终的合力，然后按照该合力的方向进行移动。然而，APF算法存在的一些问题限制了其在实际应用中的效果。
3.APF算法的问题及改进方法
3.1逼近目标点不准确
传统的APF算法在逼近目标点时存在两个问题：一是容易出现震荡现象，AGV在目标点周围徘徊无法到达准确的目标点；二是可能会出现线路偏移，AGV未能直接朝着目标点直线运动。为了解决这些问题，本文提出了一种改进的逼近算法。
改进思路是根据目标点的位置和当前位置的方向计算出一个逼近角度，并根据该角度进行调整。在逼近过程中，AGV会根据距离目标点的远近调整角度的大小，以保持运动的方向尽可能靠近目标点的方向。实验结果表明，该算法能够有效解决传统APF算法的逼近问题。
3.2避障能力不够强
传统的APF算法在避障方面存在一定的局限性，容易出现静态障碍物的死锁现象，即AGV无法穿过局部最小值的斥力场进行移动。为了解决这个问题，本文提出了一种改进的避障算法。
改进算法首先对环境中的障碍物进行检测和分类，将其分为静态和动态障碍物。对于静态障碍物，使用APF算法进行规避；对于动态障碍物，采用预测算法进行路径规划和避让。预测算法将根据障碍物的速度和加速度预测其未来的位置，并调整AGV的路径规划以避开障碍物。实验结果表明，该算法能够提高AGV的避障能力和路径规划的灵活性。
4.实验与结果分析
本文通过搭建实验平台，对改进的路径规划算法进行了验证。实验结果表明，相比传统的APF算法，改进算法在逼近目标点和避障方面均具有更好的性能。逼近目标点的误差更小且震荡现象减少，同时在避障方面，改进算法能够更灵活地规避静态障碍物和动态障碍物。
5.结论
本文针对传统的基于人工势场法（APF）的AGV局部路径规划算法，在逼近和避障方面进行了改进。通过引入改进的逼近算法和避障算法，提高了AGV的逼近目标点的准确性和避障能力。实验结果表明，改进的算法相比传统的APF算法具有更好的性能，能够更准确和灵活地规划AGV的路径。
参考文献：
[1]Yang,S.;Zhang,J.;Xie,X.Real-timepathplanningandmovingobstacleavoid-anceformobilerobotbyanimprovedAPFmethod[J].Int.J.PatternRecognit.Artif.Intell.,2018,32,1852001.
[2]Chen,J.;Wu,G.;Ge,S.S.ImprovedArtificialPotentialFieldMethodforNavigationofMobileRobots[J].ActaAutomat.Sin.,2018,44,1981–1994.
[3]MinhT.V.;TranQ.H.NavigationstrategyofamobilerobotusingimprovedartificialpotentialfieldalgorithmcoupledwithVoronoidiagrammethodforglobalpathplanning[J].InternationalJournalofControlTheoryandApplications,2018,11(13),pp.257-266.