【路径规划】人工势场法结合模拟退火算法车辆避障路径规划【含Matlab源码 3638期】

最新推荐文章于 2024-09-14 17:25:17 发布

Matlab武动乾坤

最新推荐文章于 2024-09-14 17:25:17 发布

阅读量938

点赞数 20

分类专栏： Matlab路径规划（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/136100741

版权

Matlab路径规划（进阶版）专栏收录该内容

814 篇文章 35 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、人工势场法结合模拟退火算法车辆避障路径规划简介

1 人工势场算法
人工势场法是由Khatib于1985年在论文《Real-Time Obstacle Avoidance for Manipulators and Mobile Robots》中提出的一种虚拟力法。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。

算法思想
（1）人工势场法的基本思想是在障碍物周围构建障碍物斥力势场，在目标点周围构建引力势场，类似于物理学中的电磁场。

（2）被控对象在这两种势场组成的复合场中受到斥力作用和引力作用，斥力和引力的合力指引着被控对象的运动，搜索无碰的避障路径。

（3）更直观而言，势场法是将障碍物比作是平原上具有高势能值的山峰，而目标点则是具有低势能值的低谷。

2 人工势场法结合模拟退火算法车辆避障路径规划
人工势场法是一种常用的路径规划算法，它通过构造一个人工势场来引导车辆行驶。在人工势场法中，车辆会受到两种力的作用：一种是斥力，用于避开障碍物；另一种是引力，用于吸引车辆向目标点移动。但是，人工势场法也存在一些问题，例如容易陷入局部最优解等。因此，可以结合模拟退火算法来优化人工势场法。

下面是人工势场法结合模拟退火算法的车辆避障路径规划的步骤：
（1）构造人工势场，包括障碍物的斥力和目标点的引力。
（2）利用模拟退火算法对人工势场进行优化，得到一个全局最优解。
（3）根据优化后的人工势场，计算车辆的速度和方向。
（4）根据车辆的速度和方向，更新车辆的位置。
（5）重复步骤3和4，直到车辆到达目标点或者无法到达目标点。

⛄三、部分源代码

%**** *********%

clear all
%初始化参数
area = [0 12 0 12];% 模拟区域范围 [xmin xmax ymin ymax]
tic;%计算程序运行时间
startPoint=[0 0];%起点位置
finalPoint=[10,10];%目标位置
Katt=5;%计算引力需要的增益系数
Krep=15;%计算斥力的增益系数
obstacleR=0.5;%障碍物半径
influenceDistance=2;%障碍影响距离，当障碍和车的距离大于这个距离时，斥力为0，即不受该障碍的影响
stepSize=0.1;%步长
purposeDistance=stepSize;%当小车与目标点距离小于改值时，即认为到达目标
counter=1000;%循环迭代次数
%如果不能实现预期目标，可能也与初始的增益系数，influenceDistance设置的不合适有关
%obstaclePoint1=[1 1;3 3;4 4;2 6;6 2;5 5;8 8;9.2 7;1 3;2.5 2.5;11 11];%这个向量是n2维，即n个障碍物
obstaclePoint1=[3 3;2 6;6 2;5 5;7 4;4 7;7 7;6 9;9 9];
obstaclePoint=obstaclePoint1;
obstacleNum=size(obstaclePoint,1);%障碍个数
currentPoint=startPoint;%循环初始，将车的起始坐标赋给currentPoint
goalPoint(1,:)=currentPoint;%goalPoint是保存车走过的每个点的坐标，刚开始先将起点放进该向量
%*以下是画出障碍物
firePoint=[9, 9];
r = obstacleR;
theta = 0:pi/20:2pi;
for id=1:length(obstaclePoint(:,1))
x = r * cos(theta) + obstaclePoint(id,1);
y = r * sin(theta) + obstaclePoint(id,2);
axis(area);
fill(x,y,‘-k’);
set(gca,‘xtick’,-2:1:12);
set(gca,‘ytick’,-2:1:12);
grid on;
hold on;
end

⛄四、运行结果

在这里插入图片描述

⛄五、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]吕春峰.基于人工势场法机器人小车避障的研究[J].昆明理工大学学报(自然科学版) .2005

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合