[发明专利]一种基于逃逸力模糊控制的人工势场路径规划方法

说明书

本发明公开了一种基于逃逸力模糊控制的人工势场路径规划方法，针对传统人工势场法在无人车路径规划领域中容易陷入局部最优、目标不可达等缺陷，该方法在人工势场的虚拟力场中对无人车施加额外的逃逸力，并且采用模糊控制策略，使该逸力能随着无人车所在环境的改变而不断变化。当无人车陷入局部最优或目标不可达等特殊环境时，该逃逸力能帮助无人车逃出此特殊环境，使无人车能够继续朝着目标点前进。该算法对传统的人工势场算法进行了改进，并且改进的算法解决了传统人工势场法所存在的目标不可达等缺陷。

技术领域

本发明涉及无人车路径规划领域，尤其涉及一种基于逃逸力模糊控制的人工势场路径规划方法。

背景技术

传统人工势场算法基于虚拟势场，算法定义直观，模型结构简单，规划过程通过构造的虚拟势场，使无人车在所受的引力与斥力的引导下，并且不需要很大的计算量就可以实时避障并完成规划任务，该算法在全局规划方面得到了广泛应用，但传统人工势场法常常会遇到局部最小的问题而导致目标不可达现象。

针对传统人工势场法的局部最小问题，有不少的解决办法。最常见的解决办法是在虚拟斥力势场中引入一个距离因子，改变原有的势场模型。这种方法可解决传统人工势场的目标不可达问题，但规划出的路径丢失了平滑性，故本方法实用性较差。将群智能算法与人工势场法相结合也能克服局部最小的问题，比如将蚁群算法与人工势场法融合在一起，节省了避障时间，但该方法的缺陷是所需的存储空间非常大。此外，虚拟水流法也能在一定程度上改善人工势场的局部最小问题，但缺点是算法效率低，规划时间很长。

由此可见，改进传统人工势场法以避免目标不可达现象有着重要意义。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于逃逸力模糊控制的人工势场路径规划方法。

本发明为解决上述技术问题采用以下技术方案：

一种基于逃逸力模糊控制的人工势场路径规划方法，包括以下步骤：

步骤1)，获取当前的全局环境信息，所述全局环境信息包括无人车当前位置、静态障碍物位置及目标点位置；

步骤2)，基于已获取到的全局环境信息构建出障碍物的虚拟斥力势场与目标点的虚拟引力势场，并分析无人车自身所受的斥力与引力；

步骤3)，根据当前无人车自身所受的斥力与引力情况，采用模糊控制策略对无人车施加逃逸力，直至到达目标点；逃逸力的大小由预设的模糊控制器来进行模糊控制，逃逸力的方向定义为垂直于引力方向，所述模糊控制器模型的建立步骤如下：

步骤3.1)，选取二维模糊控制器，输入变量分别为当前无人车自身所受的引力大小与斥力大小之差ΔF、引力与斥力的方向角度之差Δθ，输出变量即为逃逸力大小F；

步骤3.2)，将模糊控制器的输入与输出参数量化模糊处理；

步骤3.2.1)，输入变量引力大小与斥力大小之差ΔF的量化方法为：

定义力差系数ΔF_c，ΔF_c与ΔF的关系表示为

则ΔF经量化后得到的力差系数ΔF_c的论域为[-1,1]；

步骤3.2.2)，输入变量引力与斥力的方向角度之差Δθ的范围为[-π，π]，将Δθ量化后的论域定义为[-3.142,3.142]；

步骤3.2.3)，输出变量逃逸力大小F的量化方法为：

定义逃逸力系数为F_c，F_c与F的关系表示为

则逃逸力大小F量化后得到的逃逸力系数F_c的论域为[-1,1]；