基于改进人工势场法的农用机器人路径规划技术研究.pdf

2 0 6 中国农机化学报2 0 2 3年D O I:1 0.1 3 7 3 3/j.j c a m.i s s n.2 0 9 55 5 5 3.2 0 2 3.0 8.0 2 8邵毅帆,梅松,石志刚,等.基于改进人工势场法的农用机器人路径规划技术研究J.中国农机化学报,2 0 2 3,4 4(8):2 0 6-2 1 3S h a o Y i f a n,M e i S o n g,S h i Z h i g a n g,e t a l.R e s e a r c h o n p a t h p l a n n i n g t e c h n o l o g y o f a g r i c u l t u r a l r o b o t b a s e d o n i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d J.J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n,2 0 2 3,4 4(8):2 0 6-2 1 3基于改进人工势场法的农用机器人路径规划技术研究*邵毅帆1,2,梅松2,石志刚3,宋志禹2,童一飞1(1.南京理工大学机械工程学院,南京市,2 1 0 0 9 4;2.农业农村部南京农业机械化研究所,南京市,2 1 0 0 1 4;3.宁夏农林科学院枸杞工程技术研究所,银川市,7 5 0 0 0 2)摘要:随着经济全球化的持续发展,现代农业对智能农机装备的研究需求不断增加。针对农业生产中使用的农用移动机器人,提出适用于果蔬绿色生产基地的基于改进人工势场法的高效路径规划算法。围绕人工势场法进行原理介绍,根据人工势场法运行于果蔬基地出现的问题进行原因分析并改进算法;根据试验基地建立栅格环境模型,采用改进人工势场法进行路径仿真,对改进前后的人工势场法进行结果比较,改进后实现局部最小值点的逃逸,规划路径长度降低1 0%,累计转折角降低1 3.3%。改进的人工势场法满足农用移动机器人在果蔬基地中路径规划计算高效、运行平稳的要求,助力中国农机装备的高效生产及现代化。关键词:路径规划;人工势场法;农用机器人中图分类号:S 2 4 文献标识码:A 文章编号:2 0 9 55 5 5 3(2 0 2 3)0 8 0 2 0 60 8收稿日期:2 0 2 2年2月1 6日 修回日期:2 0 2 2年6月1 9日*基金项目:江苏省农业科技自主创新资金项目(C X(2 2)3 1 0 0);宁夏回族自治区科技支撑专项(2 0 2 1 B E F 0 2 0 0 1);江苏省科技项目现代农业(B E 2 0 1 8 3 7 5)第一作者:邵毅帆,男,1 9 9 7年生,江苏南通人,硕士研究生;研究方向为农业机械化技术与装备。E-m a i l:8 3 8 4 1 2 9 1 3q q.c o m通讯作者:梅松,男,1 9 8 7年生,江苏南京人,博士研究生,助理研究员;研究方向为果蔬智能控制装备。E-m a i l:m e i s o n g 1 0 01 6 3.c o mR e s e a r c h o n p a t h p l a n n i n g t e c h n o l o g y o f a g r i c u l t u r a l r o b o t b a s e d o n i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o dS h a o Y i f a n1,2,M e i S o n g2,S h i Z h i g a n g3,S o n g Z h i y u2,T o n g Y i f e i1(1.S c h o o l o f M e c h a n i c a l E n g i n e e r i n g,N a n j i n g U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y,N a n j i n g,2 1 0 0 9 4,C h i n a;2.N a n j i n g I n s t i t u t e o f A g r i c u l t u r a l M e c h a n i z a t i o n,M i n i s t r y o f A g r i c u l t u r e a n d R u r a l A f f a i r s,N a n j i n g,2 1 0 0 1 4,C h i n a;3.W o l f b e r y E n g i n e e r i n g T e c h n o l o g y I n s t i t u t e,N i n g x i a A c a d e m y o f A g r i c u l t u r e a n d F o r e s t r y S c i e n c e s,Y i n c h u a n,7 5 0 0 0 2,C h i n a)A b s t r a c t:W i t h t h e c o n t i n u o u s d e v e l o p m e n t o f e c o n o m i c g l o b a l i z a t i o n,t h e r e s e a r c h d e m a n d o f m o d e r n a g r i c u l t u r e f o r i n t e l l i g e n t a g r i c u l t u r a l m a c h i n e r y e q u i p m e n t i s i n c r e a s i n g.I n t h i s p a p e r,a n e f f i c i e n t p a t h p l a n n i n g a l g o r i t h m b a s e d o n i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d i s p r o p o s e d f o r t h e a g r i c u l t u r a l m o b i l e r o b o t.T h e p r i n c i p l e o f a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d i s i n t r o d u c e d.A n d t h e r e a s o n s f o r t h e p r o b l e m s o f a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d i n f r u i t a n d v e g e t a b l e p r o d u c t i o n b a s e w e r e a n a l y z e d,a n d t h e a l g o r i t h m w a s i m p r o v e d b y p o t e n t i a l f i e l d c o r r e c t i o n f u n c t i o n,f o l l o w-w a l l a l g o r i t h m a n d m a x i m u m s t e e r i n g a n g l e c o n s t r a i n t.T h e g r i d e n v i r o n m e n t m o d e l w a s e s t a b l i s h e d a c c o r d i n g t o t h e t e s t b a s e,a n d t h e i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d w a s u s e d t o s i m u l a t e t h e p a t h.T h e r e s u l t s o f t h e a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d b e f o r e a n d a f t e r t h e i m p r o v e m e n t w e r e c o m p a r e d.T h e l o c a l m i n i m u m p o i n t e s c a p e w a s r e a l i z e d a f t e r t h e i m p r o v e m e n t,t h e p l a n n e d p a t h l e n g t h w a s r e d u c e d b y 1 0%,a n d t h e c u m u l a t i v e A n g l e w a s r e d u c e d b y 1 3.3%.T h e i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d m e e t s t h e r e q u i r e m e n t s o f e f f i c i e n t c a l c u l a t i o n a n d s t a b l e o p e r a t i o n o f a g r i c u l t u r a l m o b i l e r o b o t i n f r u i t a n d v e g e t a b l e b a s e a n d c o n t r i b u t e s t h e e f f i c i e n t p r o d u c t i o n a n d m o d e r n i z a t i o n o f A g r i c u l t u r a l m a c h i n e r y e q u i p m e n t i n C h i n a.K e y w o r d s:p a t h p l a n n i n g;a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d;a g r i c u l t u r a l r o b o t第4 4卷 第8期2 0 2 3年8月中国农机化学报J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o nV o l.4 4 N o.8A u g.2 0 2 3第8期邵毅帆 等:基于改进人工势场法的农用机器人路径规划技术研究2 0 7 0 引言在农业生产中,农用移动机器人需要利用路径规划算法计算出机器人到达目标工作位置的路径。路径规划的运行效率以及路径的平滑性,决定农用移动机器人在果蔬采摘以及播种等工作的运行效率以及运行稳定性,不同的路径规划算法应用于不同的农用生产环境都存在着不同的问题,如何选用一种适用于特定场地的高效农用移动机器人路径规划方法,是农业生产现代化的一个研究热点。因此,研究农用移动机器人的路径规划技术,实现目标位置的快速平稳到达,对农业装备的现代化发展有着重要的意义。路径规划是移动机器人研究领域的重要研究方向,一般依照某个性能指标如工作能耗最小、行走时间最少和行走路线最短等,在工作空间内找到一条从起点到终点并可以避开环境障碍物的最优或近似最优的路径。在现有的研究中,路径规划主要根据对环境信息的掌 握 程 度 分 为 全 局 路 径 规 划1和 局 部 路 径 规划2,主要分为A-s t a r算法3、R R T算法4、人工势场法5、蚁群算法6、遗传算法7和粒子群算法8等。其中,A-s t a r算法、R R T算法和人工势场法为传统路径规划算法,蚁群算法、遗传算法和粒子群算法为智能路径规划算法。移动机器人的路径规划要根据各算法应用场景进行选择,路径规划算法需根据环境建立关于目标位置与障碍物的代价函数,通过求取最速梯度下降方向驱动机器人移动9,因此,机器人在复杂环境中路径进行规划时,智能路径规划算法和全局路径规划算法需要进行大量的计算,无法保证运行的实时性,采用人工势场法能保证移动机器人的运行实时性,但传统人工势场法仍存在局部最小值问题、目标不可达以及路径不平稳等问题1 0。王丽1 1在机器人当前位置圆周上均匀取点,向势场最小方向运行;郭枭鹏1 2对修正势场函数和距离调整因子,使修正后的斥力为势能最小点。因此需根据农用机器人运行场地及现场仿真对算法进行优化及改进。本文对人工势场法的原理进行阐述,针对传统人工势场法中存在的局部最小值点问题、目标不可达问题和运行转向角大的问题,分别采用势能场修正函数、F o l l o w-W a l l改进方法和最大转向角约束函数,建立适用于果蔬农用机器人的改进人工势场法,建立栅格环境模型,并对改进前后的人工势场法进行比较,满足农用移动机器人对路径规划计算高效、运行平稳的要求。1 人工势场法原理人工势场法是由K h a t i b5首先提出将障碍物和目标抽象为虚拟势能场,通过建立对应势能场函数解决机械臂避障问题的一种算法。该算法通过建立关于障碍物的斥力场函数和关于目标的引力场函数,确定机器人的行进方向,并确保不会与障碍物碰撞,以实现路径规划的功能。在利用人工势场法对果蔬农用机器人移动路径进行规划时,把果蔬基地内机器人看成一个质点,将起始位置向目标位置移动的过程看成求解势场最优方向。将基地中障碍物看成斥力产生源,通过计算合力大小及方向,驱动农用机器人移动,详细参数如图1所示。图1 人工势场法原理图F i g.1 S c h e m a t i c d i a g r a m o f a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d为了实现移动方向的计算,假设农用机器人所在位置为X=(x,y),Xt=(xt,yt)为目标位置向量,则目标位置与农用机器人之间的引力场Ua t t=12Ka t t2(X,Xt)(1)其中,(X,Xt)=(x-xt)2+(y-yt)2式中:(X,Xt)农用机器人与目标位置的距离;Ka t t 引力势能场常量。可得引力Fa t t(X)=-Ua t t=-Ka t tX-Xt(2)由于农用机器人与障碍物间距离对规划路径会产生不同程度的影响,因此设置以地障碍物为中心的斥力场影响半径为0,可得斥力场U(i)r e p(X)=0(X,X(i)r e p)012Kr e p0-(X,X(i)r e p)(X,X(i)r e p)0 2(X,X(i)r e p)0 (3)其中,(X,X(i)r e p)=(x-x(i)r e p)2+(y-y(i)r e p)2式中:(X,X(i)r e p)农用机器人与障碍物i的欧氏距离;X(i)r e p 障碍物i的位置向量;Kr e p 斥力势场常量。定义斥力势场的负梯度方向为农用机器人所受斥力方向,可得2 0 8 中国农机化学报2 0 2 3年 F(i)r e p(X)=-U(i)r e p(X)=0(X,X(i)r e p)0Kr e p0-(i)(X)(i)(X)30(i)(X)X(X,X(i)r e p)0 (4)对目标位置产生的引力和所有障碍物产生的斥力进行矢量和求解,可得合力F(X)=Fa t t(X)+ni=1F(i)r e p(X)(5)式中:i 障碍物的个数;Fa t t(X)目标位置产生对农用机器人的斥力;F(i)r e p(X)第i个果蔬基地障碍物产生的对农用机器人的斥力。2 传统人工势场法存在问题及改进方法2.1 传统人工势场法存在问题常规人工势场算法中需要对每个障碍物斥力场产生的斥力进行计算,能够很好保证机器人运行时不会与障碍物发生碰撞,但在面对相对复杂多障碍物或特殊障碍物与目标位置放置组合时会出现机器人无法到达目标位置的情况。2.1.1 目标不可达问题当障碍物接近目标位置时,农用机器人会很大几率出现目标不可达问题。当目标不可达问题出现时,农用机器人会在目标位置附近不断迂回,无法完整路径规划,目标不可达问题示意如图2所示。图2 目标不可达问题示意图F i g.2 S c h e m a t i c d i a g r a m o f u n r e a c h a b l e t a r g e t p r o b l e m如图2所示,当农用机器人向目标位置靠近时,会受到障碍物产生的斥力,此时目标位置处产生的合力小于障碍物产生的合斥力,机器人会向远离目标位置的方向移动;当机器人与目标位置的距离变大后,此时受到的斥力变小,引力变大,机器人会沿着合力方向即向目标位置处靠近,因此会出现机器人循环往复移动但始终无法达到目标位置的情况。由于果蔬基地中障碍物较多,在机器人运行中很容易出现图2的障碍物目标位置组合,因此需要对该种目标不可达到问题进行改进。2.1.2 局部极小值问题当农用机器人、障碍物和目标位置位于同一个直线上或者多个特殊组合时,就会出现局部极小值问题。该种情况出现时,机器人会到达局部最小值位置而不再运行,算法无法继续运行,局部极小值问题示意图如图3所示。图3 局部极小值问题示意图F i g.3 S c h e m a t i c d i a g r a m o f a l o c a l m i n i m u m p r o b l e m如图3所示,障碍物产生的斥力或多个障碍物产生的总斥力与目标位置产生的引力在同一条直线上时,就会出现局部极小值问题。农用机器人受到的势能场引力和总斥力最终会出现数值相同、方向相反的情况。基于势能场的人工势场法无法为机器人提供下一步的移动方向,此时农用机器人陷入了局部最小值,农用机器人停在原地不动。2.2 传统人工势场法的改进根据2.1节中描述的传统人工势场法在运行时出现的问题,提出了人工势场法改进方法,以满足果蔬基地中农用机器人对路径规划需求。方法主要为势能场修正、F o l l o w-W a l l算法和最大转向角约束。2.2.1 势能场修正由于本文果蔬基地中容易出现障碍物位于目标位置前,这种特殊的目标与障碍物组合会导致目标不可达问题的出现,因此要对传统人工势场法存在的问题进行改进。目标不可达问题出现的主要原因是机器人靠近目标位置时,障碍物产生的斥力会使得机器人在目标位置附近反复震荡,因此对人工势场法的改进需要对斥力场进行修正1 1。定义一 个与距离相 关的 修 正 项m(X,Xt),可得修正后斥力场函数 U(i)r e p(X)=0(X,X(i)r e p)012Kr e p0-(X,X(i)r e p)(X,X(i)r e p)0 2m(X,Xt)(X,X(i)r e p)0 (6)第8期邵毅帆 等:基于改进人工势场法的农用机器人路径规划技术研究2 0 9 式中:(X,Xt)机器人与目标位置间欧氏距离,(X,Xt)=(x-xt)2+(y-yt)2;m 势能场修正系数,m0。对式(5)梯度求导可得斥力F(i)r e p(X)=-U(i)r e p(X)=0(X,X(i)r e p)0F(i)r e p 1(X)+F(i)r e p 2(X)(X,X(i)r e p)0(7)由于式(6)中(X,X(i)r e p)0时需要进行分段求微,可得式(7)中的F(i)r e p 1(X)和F(i)r e p 2(X)分别为F(i)r e p 1(X)=Kr e p0-(X,X(i)r e p)3(X,X(i)r e p)0 m(X,Xt)(X,X(i)r e p)X(8)F(i)r e p 2(X)=-m2Kr e p0-(X,X(i)r e p)(X,X(i)r e p)0 2m-1(X,Xt)(X,Xt)X(9)将式(8)、式(9)代 入 式(7)中,其 中 分 量F(i)r e p 1(X)与原斥力方向相同,分量F(i)r e p 2(X)与引力方向相同,可得新合力F(X)=Fa t t(X)+ni=1F(i)r e p(X)(1 0)由于式(7)中包含了势能场修正系数m,该系数对修正后的势能场函数有较大影响。根据对m的分类讨论采用的m范围为0m1,可得机器人新移动方向如图4所示。图4 斥力场修正后的人工势场法示意图F i g.4 S c h e m a t i c d i a g r a m o f a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d a f t e r r e p u l s i o n f i e l d m o d i f i c a t i o n其中,当m=0时,与传统人工势场法相同,因此不需要进行考虑;当0m1时,F(i)r e p 1(X)和F(i)r e p 2(X)均趋向于0,能改进目标不可达问题。2.2.2 F o l l o w-W a l l算法该算法主要用于改进人工势场法运行中出现局部最小值的问题,为了让农用系统机器人逃离局部最小值点,引 入 改 进 的F o l l o w-W a l l算 法1 3。这 种 改 进 的F o l l o w-W a l l算法能够实现当农用机器人判断进入局部最小值时,沿着障碍物四周进行巡线,通过判断障碍物和目标之间的位置关系,实现对局部最小值问题的改进。根据式(3),传统人工势场法中设置了障碍物与农用机器人之间的影响距离0,能够实现农用机器人在一定的范围内对障碍物进行斥力的计算,保证运行的效率,在这个基础上增设一个接近距离,利用对障碍物的影响范围二次分层,实现F o l l o w-W a l l算法的运行,运行示意图如图5所示。(a)当0时(b)当10时(c)当01时图5 影响范围二次分层运行示意图F i g.5 S c o p e o f i n f l u e n c e s c h e m a t i c d i a g r a m o f s e c o n d a r y l a y e r i n g o p e r a t i o n如图5所示,判断进入局部极小值后开始利用二次分层法驱 动农用机器 人沿障碍物 运行。当0时,农用机器人只受到来自目标位置的引力,运行方向为此时合力的方向,能够保证农用机器人在运动时快速接近障碍物;当10时,农用机器人受到来自目标位置的引力和障碍物的斥力,机器人不断向障碍物接近时出现局部最小值;当01时,1大于局部最小值出现的停止位置,定义一个虚拟引力,引力大小等于目标位置产生的引力,方向为逆时针9 0 垂直于斥力方向。如图6所示,农用机器人会不断围绕障碍物运动,无法向目标位置的移动。为了实现F o l l o w-W a l l算法的退出,对障碍物、目标位置和农用机器人的位置关系2 1 0 中国农机化学报2 0 2 3年进行判断,当障碍物与目标位置处于机器人两侧且夹角超过9 0,则继续人工势场法,基于F o l l o w-W a l l的改进人工势场法流程如图7所示。图6 F o l l o w-W a l l算法退出示意图F i g.6 E x i t d i a g r a m o f F o l l o w-W a l l a l g o r i t h m图7 基于F o l l o w-W a l l的改进人工势场法流程图F i g.7 F l o w c h a r t o f i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d b a s e d o n F o l l o w-W a l l a l g o r i t h m如图7所示,基于F o l l o w-W a l l算法的人工势场法通过判断是否进入极小值点来进入F o l l o w-W a l l算法的子程序,并利用是否退出极小值点和障碍物与目标点的位置关系,实现F o l l o w-W a l l算法的退出。根据农用机器人在果蔬中运行时可能出现的障碍物与目标位置的组合进行算法仿真,可得基于F o l l o w-W a l l的改进人工势场法对比图,结果如图8所示。(a)局部极小值问题改进前(b)局部极小值问题改进后图8 基于F o l l o w W a l l的改进人工势场法对比图F i g.8 C o m p a r i s o n d i a g r a m o f t h e i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d b a s e d o n t h e F o l l o w-W a l l a l g o r i t h m当农用机器人位于如图8(a)所示位置处,农用机器人处于停止状态,无法计算下一步的移动方向;使用基于F o l l o w-W a l l的改进人工势场法后,当检测到农用机器人运行至局部极小值时,开始进行F o l l o w-W a l l算法,实现对障碍物的围绕,并能根据障碍物与目标位置的位置关系判断,继续使用传统人工势场法对路径进行规划,该方法能够解决局部极小值问题。2.2.3 最大转向角约束由于农用机器人相比于其他平面移动机器人高度较高,因此,频繁转向会降低运行精度并导致运行不稳定,为保证路径的平滑性与农用机器人的运行稳定性,需要对传统的人工势场法的转动角度进行限制。最大转向角是用来限制农用机器人在地面行进时的最大转弯范围,可以保障农用机器人不会因为频繁转向而导致运行不稳定。定义农用机器人最小转弯半径为R,根据人工势场法运行时步长s,可以得到农用机器人的最大转向角以及受到最大转向角约束的新位置,示意图如图9所示。=2 a r c t a nsR(1 1)图9 最大转向角示意图F i g.9 M a x i m u m s t e e r i n g a n g l e c o n s t r a i n t d i a g r a m如图9所示,根据前两个位置X(i-2)和X(i-1)和式(1 1),利用最大转向角和农用机器人的步长计算得到下一个移动位置必须在A B上,由此可以保证农用机器人路径的平稳性以及运动的稳定性。3 基于改进人工势场法路径仿真与结果分析3.1 试验环境模型搭建由于路径规划对环境模型依赖程度较高,不同环境模型对路径规划算法的运行效率有较大影响,为保证农用机器人能够根据果蔬基地(图1 0)环境模型进行路径规划,需要对设施蔬菜基地模型进行建立。图1 0 试验基地现场图F i g.1 0 S i t e m a p o f t e s t s i t e第8期邵毅帆 等:基于改进人工势场法的农用机器人路径规划技术研究2 1 1 环境模型主要分为栅格法1 4和自由空间法1 5,由于果蔬基地中常见障碍物形状均为矩形,且自由空间法计算量较大,不能保证运行的实时性1 6。因此,采用栅格法对障碍物和试验基地进行建模。对用于试验的果蔬基地进行测量,可得基地机器人运行区域长度为2 5m,宽度为1 0m。对障碍物的长宽进行测量,并根据进行试验的农用机器人的大小,设置栅格的大小为1m,绘制的栅格图如图1 1所示,其中黑色方块为障碍物。图1 1 试验基地环境栅格图F i g.1 1 G r i d d i a g r a m o f t e s t s i t e e n v i r o n m e n t3.2 人工势场法参数选择由于传统人工势场法通常根据经验对障碍物影响范围0、引力增益系数Ka t t和斥力增益系数Kr e p进行选择。其中,根据栅格大小为1m1m以及机器人运行步长0.5m,设置障碍物影响0为2,可实现农用机器人对下一步路径移动前2m范围内所有障碍物产生的合斥力进行计算,并能在降低计算量的基础上保证农用机器人不与障碍物发生碰撞。而引力增益系数Ka t t和斥力增益系数Kr e p通常凭借经验进行选择,为了选取适用于果蔬基地试验的最优算法运行参数,需要对不同经验参数值进行规划路径比较,常用经验参数取值如表1所示。其中,Ka t t取值范围通常大于1,能够保证机器人在离目标位置较远时仍有较大引力;Kr e p取值范围应大于0小于1,该值与Ka t t相对应,若选取的参数大于Ka t t则会出现目标不可达问题。表1 人工势场法参数取值表T a b.1 M a g n e t i c f i e l d m a t c h i n g r e s u l t s参数取值Ka t t1.5,2,2.5Kr e p0.5,0.4,0.3 路径规划的主要目标是找到一条长度较短且能够避开所有障碍物的路径,因此将路径长度作为衡量人工势场法选用参数是否最优的指标。设置三条尽量不出现局部极小值的路径。其中,路径1的起点为(2,1),终点为(5.5,8.5);路径2的起点为(1 0.5,1),终点为(7.5,7.5);路 径3的 起 点 为(1 8.5,1),终 点 为(2 3.5,7)。路径如图1 2所示。图1 2 试验路径示意图F i g.1 2 S c h e m a t i c d i a g r a m o f t e s t p a t h根据表1参数取值对人工势场法路径长度进行计算,计算结果如表2所示。表2 人工势场法参数试验结果表T a b.2 E x p e r i m e n t a l r e s u l t s o f a r t i f i c i a l p o t e n t i a l f i e l d m e t h o dKa t tKr e p路径1长度/m路径2长度/m路径3长度/m1.50.58.9 17.8 58.3 71.50.48.5 37.6 38.2 11.50.38.4 27.4 88.1 220.58.7 77.6 78.1 520.48.3 67.4 78.0 520.38.3 77.3 48.0 22.50.58.6 37.6 38.1 72.50.48.4 17.4 98.0 42.50.38.3 87.4 2碰撞 根据表2的结果可知,当系数Ka t t=2,Kr e p=0.4和Ka t t=2,Kr e p=0.3时,农用机器人运行的路径长度均较小,但为了保证农用机器人不会与障碍物发生碰撞,最终选择Ka t t=2,Kr e p=0.4。3.3 人工势场法仿真结果对比为了验证改进后人工势场法的运行效果,利用图1 2中栅格环境模型进行农用机器人路径规划仿真。其中,农用机器人运行的起点为(2,1),目标位置为(1 5.5,9.5),引力增益系数为2,斥力增益系数为0.4,试验基地障碍物影响范围为2,对2.2节中改进后人工势场法与传统人工势场法进行比较。3.3.1 局部最小值改进对比针对2.2节中基于F o l l o w-W a l l的改进人工势场法的对比结果如图1 3所示。根据图1 3可知,图1 3(a)为未改进局部最小值的人工势场法,当处于局部最小值位置时农用机器人处于停滞状态,无法实现农用机器人向目标位置的路径规划。图1 3(b)为使用了F o l l o w-W a l l算法的改进人工势场法,农用机器人能利用沿着障碍物逃逸出局部最小值,最终通过判断障碍物与机器人的位置关系跳2 1 2 中国农机化学报2 0 2 3年出F o l l o w-W a l l算法。(a)没有改进局部最小值问题(b)利用F o l l o w-W a l l算法改进局部最小值问题图1 3 基于F o l l o w-W a l l的改进人工势场法对比图F i g.1 3 I m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d b a s e d o n F o l l o w-W a l l c o m p a r i s o n d i a g r a m3.3.2 目标不可达问题改进对比根据2.2节中对目标不可达问题进行了改进方法的研究,采用了对势能场函数进行优化,其中势能场修正系数m并没有进行赋值,根据李奕铭等1 71 9在论文中修正系数的经验取值,选择势能场修正系数m=0.9,修正后的人工势场法如图1 4所示。图1 4 基于势能场修正的改进人工势场法对比图F i g.1 4 C o m p a r i s o n d i a g r a m o f i m p r o v e d a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d b a s e d o n p o t e n t i a l f i e l d c o r r e c t i o n根据图1 4可知,直线路径为势能场函数改进前的路径,虚线路径为基于势能场修正的人工势场法。根据直线圈出的规划路径可以看出,当农用机器人接近障碍物时,受到的来自目标位置的引力变大,受到障碍物产生的斥力相应减小。并且使用基于势能场函数修正能够在一定程度上降低局部极小值点出现的几率,避免农用机器人采用人工势场法路径规划时无解情况的出现。对运行时农用机器人移动的距离进行计算,可知改进前农用机器人的路径长度为1 8.7 2m,改进后的农用机器人的路径长为1 6.8 3m,使用势能场对人工势场法进行修正降低了1 0%的路径长度,并在一定程度上平滑了规划路径曲线。3.3.3 最大转向角改进对比为了保证农用机器人在果蔬基地中运行的平稳性,在2.2节中采用了对人工势场法运行最大转向角进行限制,可得基于最大转向角的人工势场法对比如图1 5所示。图1 5 基于势能场修正的改进人工势场法对比图F i g.1 5 C o m p a r i s o n d i a g r a m o f a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d b a s e d o n m a x i m u m s t e e r i n g a n g l e对图1 5中基于最大转向角的人工势场法和未考虑最大转向角的人工势场法进行农用机器人运行路程和累积转折角进行统计,统计结果如表3所示。表3 基于最大转向角的人工势场法对比T a b.3 C o m p a r i s o n o f a r t i f i c i a l p o t e n t i a l f i e l d m e t h o d b a s e d o n m a x i m u m s t e e r i n g a n g l e方法路径长度/m累计转折角/()人工势场法2 0.1 41 6 5.2基于最大转向角的人工势场法2 0.1 81 4 3.3 对人工势场法运行时农用机器人最大转向角进行限制后,规划的路径相比之前的路径规划结果路径长度稍有增加,但是累计转折角从原来的1 6 5.2 降低至1 4 3.3,降低了1 3.3%,大大减小了农用机器人在果蔬试验基地中运行的转向角,保证了农用机器人的运行稳定性。4 结论1)本文对人工势场