基于混沌改进人工势场法的自动导引车避障研究

吴渊博++李兴广++陈殿仁++赵宾锋++徐晨

摘 要：在现代化自动仓储系统复杂的环境中，障碍物的分布情况是不确定的。为了更好地解决自动导引车（AGV）的避障问题，在人工势场法的基础上，提出了一种基于混沌优化改进的人工势场法。该方法可以有效地解决传统人工势场法存在的目标不可达、局部极小值等问题，使自动导引车能成功规划出一条平滑无碰撞的最优路径。Matlab仿真实验结果表明了该方法的有效性。

关键词：混沌优化 人工势场法 自动导引车 避障

中图分类号：TP242.6 文献标识码：A 文章编号：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

隨着自动化仓储系统等物流系统的快速发展，现代化工厂对生产效率以及生产自动化程度的要求越来越高，在这种环境下，自动导引车（AGV）应运而生[1]。为了保证AGV在有障碍物的工作环境中，可以安全无碰撞的完成搬运任务，就需要在AGV从起点到目标点的运动轨迹中，找出一条最优或近似最优的无碰撞路径。自动导引车（AGV）在移动过程中，是否能快速、准确地对周围环境做出反应，实时避开运动路径中的障碍物，并且能连续的移动到目标点显得十分重要。因此，自动导引车必须具备一定的自主避障能力。

目前广泛使用的避障算法[2]主要有：人工势场法[3]，遗传算法[4]，模糊逻辑算法[5]，神经网络算法[6]等。由于在现代化仓储复杂的工作环境中，自动导引车（AGV）需要在对仓储工作环境未知的情况下仍然能够有效的躲避障碍物完成搬运任务。因此，需要采用局部避障算法。其中，人工势场法就是一种局部避障算法，与其他算法相比，它具有实时性强、计算量小、安全可靠，应用最为广泛等优点。但是，传统人工势场法存在目标不可达和局部极小值的问题。为了解决这一问题，文献[7]提出一种改进的人工势场法，通过修改斥力场函数，从而可以顺利克服人工势场法局部极小值和目标不可达问题。文献[8]提出一种模糊改进人工势场法，基于模糊理论对人工势场法进行改进，能够有效地避免局部极小值问题，并优化路径。

混沌是存在于非线性系统中的一种较为普遍的现象，混沌并不是一片混乱，而是有着精致内在结构的一类现象。混沌运动具有遍历性、随机性、规律性等特点，混沌运动能在一定范围内按其自身的“规律”不重复地遍历所有状态[9]。基于混沌的特点，可以利用混沌进行搜索，对搜索过程中出现的局部极小值和目标不可达问题进行优化。在人工势场法的基础上，提出一种混沌优化改进的人工势场法，具有以下优点：（1）在未知环境下，避开工作中的障碍物，避免陷入局部最小点；（2）在比较靠近的障碍物中间找到通道；（3）克服在障碍物面前震荡，在狭窄通道中摆动现象，使运动轨迹更加平滑。

1 人工势场法

人工势场法是由Khatib于1986年提出的一种虚拟力场法[10]，其方法是将移动机器人所处的环境用势场来定义，通过位置信息来控制机器人的避障行驶，基本思想是构造目标位姿引力场和障碍物周围斥力场共同作用的人工势场，搜索势函数的下降方向来寻找无碰撞路径。人工势场法避障技术使得机器人的移动能很好地适应机器人周围环境的变化，实时性高，但同时也存在很多难以解决的问题。自动导引车作为机器人的一种，同样适用于人工势场法。

2.1 传统人工势场法

其基本思想是将机器人在环境中的运动视为一种虚拟的人工受力场中的运动。障碍物被排斥力势场包围，对机器人产生斥力，排斥力随机器人与障碍物间距离的减少而迅速增大；目标被引力势场包围，对机器人产生引力，吸引力随机器人与目标的接近而减小。引力和斥力的合力作为机器人的加速力来控制移动机器人运动。AGV在传统人工势场法的受力分析如下图1。

定义目标势场函数为：

（1）

式中，k为引力增益系数，为AGV与目标之间的相对距离。

斥力场函数为：

（2）

式中，η为斥力增益系数，ρ为AGV与障碍物之间的相对距离，ρ0为障碍物的影响距离。

这样，当AGV周围存在n个障碍物时，AGV所受到的总合力为：

（3）

由（1）式和（2）式可知传统人工势场法主要有以下两点局限性。

（1）目标不可达：AGV离目标点越近受到的斥力越大，引力越少。当目标点附近存在障碍物时，AGV在目标点附近所受到的斥力大于引力，可能会导致AGV一直在目标点附近徘徊，无法到达目标点。

（2）局部極小值的问题：在多障碍的复杂环境下，AGV在避障过程中受到的斥力的大小方向都是随机的。当AGV在某一点所受到的斥力和引力的大小相等且方向相反时，由于合力为零，AGV无法确定下一步的前进方向，可能会出现停止或者徘徊的情况。

2.2 改进的人工势场法

针对传统人工势场法存在的问题，所以在定义斥力场函数时，把AGV与目标之间的相对距离也考虑进去，从而建立一个新的斥力场函数如下[11]：

（4）

其中：

（5）

（6）式中，为斥力增益系数，为AGV与障碍物之间的相对距离，为障碍物的影响距离，为大于零的实数。

修改后的斥力有两个分量，分量与原斥力方向一致，分量与引力方向一致，如下图2所示。

3 混沌优化改进人工势场法

3.1 混沌优化算法

混沌优化的基本思想就是用类似载波的方法将混沌状态引入到优化变量中，并把混沌运动的遍历范围“放大”到优化变量的取值范围，然后利用混沌变量进行搜索。首先选择用于载波的混沌变量，传统的方法用来产生混沌序列的映射用得最多的是logistic映射：

（7）

式中，μ为控制参数，0≤μ≤4，。不难证明当μ=4时，此Logistic系统完全处于混沌状态[12]。因此，可以利用混沌优化算法的遍历性摆脱路径规划中局部最优问题。有关混沌优化算法求解优化问题的步骤见参考文献[13]。

3.2 混沌改进人工势场法

结合人工势场法与混沌优化算法各自特点，以势场函数作为混沌优化的目标函数，控制变量为AGV行走的步长和运动方向，通过混沌优化算法计算AGV下一周期的步长和方向角，从而确定下一个子目标点，这就是提出的混沌优化改进人工势场法，该方法很好的解决了AGV局部最优问题[14]。

最常见的引力势场函数：

（8）

第个障碍物的斥力势场函数：

（9）

其中。

总的势场函数为：

（10）

式中，k为引力增益系数，为AGV与目标之间的相对距离，λi是分别由障碍物形状决定的正常数，ρi为AGV与第i个障碍物之间的相对距离，ρ0为障碍物的影响距离，n是障碍物的数量。

4 仿真实验与结果

为了验证基于混沌优化改进人工势场法的有效性，假定自动导引车以不变的速度运动，运动方向由自动导引车所受合力决定。通过Matlab软件进行编程仿真，对实时避障过程中可能遇到的情况进行建模仿真实验。

图3是传统人工势场法下自动导引车目标不可达情况的仿真结果，由于目标点处斥力较大，在即将到达目标点时，自动导引车出现来回徘徊的情况，从而无法到达目标点。图4是混沌改进人工势场法下自动导引车能够有效地解决障碍物与目标很接近时，自动导引车被推开而目标不可达的问题。

如果采用传统的人工势场法，由于局部最小值的问题，自动导引车可能振荡或停止在两障碍的间隙，无法到达目的地。图5是传统人工势场法下，自动导引车绕过两个障碍物，然后到达目的地。图6是混沌改进人工势场法下，虽有传统人工势场法的局部最小值，自动导引车还是通过两个障碍物之间狭窄的通道，顺利到达目标点。

图7是改进斥力势场函数的人工势场法下，在多障碍物的复杂环境下，自动导引车的仿真运动轨迹。图8是混沌改进人工势场法下，自动导引车能在多障碍物的复杂环境下实时、有效地避开各种障碍物，规划出一条平滑无碰撞的避障路径。

5 结语

仿真实验与结果表明，基于混沌改进的人工势场法可以有效解决在未知环境下陷入局部最小点问题，避开工作环境中的障碍物，在比较靠近的障碍物中间找到通道，顺利到达目标点，克服在障碍物面前震荡，在狭窄通道中摆动现象，使运动轨迹更加平滑。

参考文献

[1] 周驰东.磁导航自动导向车（AGV）关键技术与应用研究[D].南京航空航天大学，2012.

[2] 刘世聪.机器人避障算法研究[D].黑龙江：东北石油大学，2011.

[3] 刘和祥，边信黔.基于传感器信息的AUV局部避碰研究[J].传感器与微系统，2007，26（12）：41-43.

[4] 王越超.未知环境下基于可拓遗传算法的避障研究[J].计算机工程与应用，2010，46（20）：226-229.

[5] 周恺.信息素模糊逻辑导引的机器人室内避障算法研究[J].科技通报，2015，31（12）：220-222.

[6] 魏权利.模糊神经网络在嵌入式移动机器人避障研究中的应用[J].机床与液压，2010，38（17）：51-54.

[7] 杨一波，王朝立.基于改进的人工势场法的机器人避障控制及其Matlab实现[J].上海理工大学学报，2013，35（5）：496-500.

[8] 游文洋，章政.基于模糊改进人工势场法的机器人避障方法研究[J].传感器与微系统，2016，35（1）：14-18.

[9] 胡行华.混沌优化算法及其应用[D].2008，10-40.

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

[11] 李奕铭.基于人工势场法的移动机器人避障研究[D].2013，

25-36.

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

[13] 李兵，蒋慰孙.混沌优化方法及其应用[J].控制理论与应用，1997，14（4）：613-615.

[14] 杨斌，王庭有.基于混沌人工势场法的机器人路径规划[J].科学技术与工程，2011，11（21）：5205-5207.