基于混沌改進人工勢場法的自動導引車避障研究

吳淵博++李興廣++陳殿仁++趙賓鋒++徐晨

摘 要：在現代化自動倉儲系統復雜的環境中，障礙物的分布情況是不確定的。為了更好地解決自動導引車（AGV）的避障問題，在人工勢場法的基礎上，提出了一種基于混沌優化改進的人工勢場法。該方法可以有效地解決傳統人工勢場法存在的目標不可達、局部極小值等問題，使自動導引車能成功規劃出一條平滑無碰撞的最優路徑。Matlab仿真實驗結果表明了該方法的有效性。

關鍵詞：混沌優化 人工勢場法 自動導引車 避障

中圖分類號：TP242.6 文獻標識碼：A 文章編號：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

隨著自動化倉儲系統等物流系統的快速發展，現代化工廠對生產效率以及生產自動化程度的要求越來越高，在這種環境下，自動導引車（AGV）應運而生[1]。為了保證AGV在有障礙物的工作環境中，可以安全無碰撞的完成搬運任務，就需要在AGV從起點到目標點的運動軌跡中，找出一條最優或近似最優的無碰撞路徑。自動導引車（AGV）在移動過程中，是否能快速、準確地對周圍環境做出反應，實時避開運動路徑中的障礙物，并且能連續的移動到目標點顯得十分重要。因此，自動導引車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：人工勢場法[3]，遺傳算法[4]，模糊邏輯算法[5]，神經網絡算法[6]等。由于在現代化倉儲復雜的工作環境中，自動導引車（AGV）需要在對倉儲工作環境未知的情況下仍然能夠有效的躲避障礙物完成搬運任務。因此，需要采用局部避障算法。其中，人工勢場法就是一種局部避障算法，與其他算法相比，它具有實時性強、計算量小、安全可靠，應用最為廣泛等優點。但是，傳統人工勢場法存在目標不可達和局部極小值的問題。為了解決這一問題，文獻[7]提出一種改進的人工勢場法，通過修改斥力場函數，從而可以順利克服人工勢場法局部極小值和目標不可達問題。文獻[8]提出一種模糊改進人工勢場法，基于模糊理論對人工勢場法進行改進，能夠有效地避免局部極小值問題，并優化路徑。

混沌是存在于非線性系統中的一種較為普遍的現象，混沌并不是一片混亂，而是有著精致內在結構的一類現象。混沌運動具有遍歷性、隨機性、規律性等特點，混沌運動能在一定范圍內按其自身的“規律”不重復地遍歷所有狀態[9]。基于混沌的特點，可以利用混沌進行搜索，對搜索過程中出現的局部極小值和目標不可達問題進行優化。在人工勢場法的基礎上，提出一種混沌優化改進的人工勢場法，具有以下優點：（1）在未知環境下，避開工作中的障礙物，避免陷入局部最小點；（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，在狹窄通道中擺動現象，使運動軌跡更加平滑。

1 人工勢場法

人工勢場法是由Khatib于1986年提出的一種虛擬力場法[10]，其方法是將移動機器人所處的環境用勢場來定義，通過位置信息來控制機器人的避障行駛，基本思想是構造目標位姿引力場和障礙物周圍斥力場共同作用的人工勢場，搜索勢函數的下降方向來尋找無碰撞路徑。人工勢場法避障技術使得機器人的移動能很好地適應機器人周圍環境的變化，實時性高，但同時也存在很多難以解決的問題。自動導引車作為機器人的一種，同樣適用于人工勢場法。

2.1 傳統人工勢場法

其基本思想是將機器人在環境中的運動視為一種虛擬的人工受力場中的運動。障礙物被排斥力勢場包圍，對機器人產生斥力，排斥力隨機器人與障礙物間距離的減少而迅速增大；目標被引力勢場包圍，對機器人產生引力，吸引力隨機器人與目標的接近而減小。引力和斥力的合力作為機器人的加速力來控制移動機器人運動。AGV在傳統人工勢場法的受力分析如下圖1。

定義目標勢場函數為：

（1）

式中，k為引力增益系數，為AGV與目標之間的相對距離。

斥力場函數為：

（2）

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

這樣，當AGV周圍存在n個障礙物時，AGV所受到的總合力為：

（3）

由（1）式和（2）式可知傳統人工勢場法主要有以下兩點局限性。

（1）目標不可達：AGV離目標點越近受到的斥力越大，引力越少。當目標點附近存在障礙物時，AGV在目標點附近所受到的斥力大于引力，可能會導致AGV一直在目標點附近徘徊，無法到達目標點。

（2）局部極小值的問題：在多障礙的復雜環境下，AGV在避障過程中受到的斥力的大小方向都是隨機的。當AGV在某一點所受到的斥力和引力的大小相等且方向相反時，由于合力為零，AGV無法確定下一步的前進方向，可能會出現停止或者徘徊的情況。

2.2 改進的人工勢場法

針對傳統人工勢場法存在的問題，所以在定義斥力場函數時，把AGV與目標之間的相對距離也考慮進去，從而建立一個新的斥力場函數如下[11]：

（4）

其中：

（5）

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

修改后的斥力有兩個分量，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 混沌優化改進人工勢場法

3.1 混沌優化算法

混沌優化的基本思想就是用類似載波的方法將混沌狀態引入到優化變量中，并把混沌運動的遍歷范圍“放大”到優化變量的取值范圍，然后利用混沌變量進行搜索。首先選擇用于載波的混沌變量，傳統的方法用來產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，0≤μ≤4，。不難證明當μ=4時，此Logistic系統完全處于混沌狀態[12]。因此，可以利用混沌優化算法的遍歷性擺脫路徑規劃中局部最優問題。有關混沌優化算法求解優化問題的步驟見參考文獻[13]。

3.2 混沌改進人工勢場法

結合人工勢場法與混沌優化算法各自特點，以勢場函數作為混沌優化的目標函數，控制變量為AGV行走的步長和運動方向，通過混沌優化算法計算AGV下一周期的步長和方向角，從而確定下一個子目標點，這就是提出的混沌優化改進人工勢場法，該方法很好的解決了AGV局部最優問題[14]。

最常見的引力勢場函數：

（8）

第個障礙物的斥力勢場函數：

（9）

其中。

總的勢場函數為：

（10）

式中，k為引力增益系數，為AGV與目標之間的相對距離，λi是分別由障礙物形狀決定的正常數，ρi為AGV與第i個障礙物之間的相對距離，ρ0為障礙物的影響距離，n是障礙物的數量。

4 仿真實驗與結果

為了驗證基于混沌優化改進人工勢場法的有效性，假定自動導引車以不變的速度運動，運動方向由自動導引車所受合力決定。通過Matlab軟件進行編程仿真，對實時避障過程中可能遇到的情況進行建模仿真實驗。

圖3是傳統人工勢場法下自動導引車目標不可達情況的仿真結果，由于目標點處斥力較大，在即將到達目標點時，自動導引車出現來回徘徊的情況，從而無法到達目標點。圖4是混沌改進人工勢場法下自動導引車能夠有效地解決障礙物與目標很接近時，自動導引車被推開而目標不可達的問題。

如果采用傳統的人工勢場法，由于局部最小值的問題，自動導引車可能振蕩或停止在兩障礙的間隙，無法到達目的地。圖5是傳統人工勢場法下，自動導引車繞過兩個障礙物，然后到達目的地。圖6是混沌改進人工勢場法下，雖有傳統人工勢場法的局部最小值，自動導引車還是通過兩個障礙物之間狹窄的通道，順利到達目標點。

圖7是改進斥力勢場函數的人工勢場法下，在多障礙物的復雜環境下，自動導引車的仿真運動軌跡。圖8是混沌改進人工勢場法下，自動導引車能在多障礙物的復雜環境下實時、有效地避開各種障礙物，規劃出一條平滑無碰撞的避障路徑。

5 結語

仿真實驗與結果表明，基于混沌改進的人工勢場法可以有效解決在未知環境下陷入局部最小點問題，避開工作環境中的障礙物，在比較靠近的障礙物中間找到通道，順利到達目標點，克服在障礙物面前震蕩，在狹窄通道中擺動現象，使運動軌跡更加平滑。

參考文獻

[1] 周馳東.磁導航自動導向車（AGV）關鍵技術與應用研究[D].南京航空航天大學，2012.

[2] 劉世聰.機器人避障算法研究[D].黑龍江：東北石油大學，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，2007，26（12）：41-43.

[4] 王越超.未知環境下基于可拓遺傳算法的避障研究[J].計算機工程與應用，2010，46（20）：226-229.

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

[6] 魏權利.模糊神經網絡在嵌入式移動機器人避障研究中的應用[J].機床與液壓，2010，38（17）：51-54.

[7] 楊一波，王朝立.基于改進的人工勢場法的機器人避障控制及其Matlab實現[J].上海理工大學學報，2013，35（5）：496-500.

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

[9] 胡行華.混沌優化算法及其應用[D].2008，10-40.

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

[11] 李奕銘.基于人工勢場法的移動機器人避障研究[D].2013，

25-36.

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

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

[14] 楊斌，王庭有.基于混沌人工勢場法的機器人路徑規劃[J].科學技術與工程，2011，11（21）：5205-5207.