基于改进人工势场法的移动机器人路径规划与跟踪控制研究.pdf

摘要

随着人工智能技术的不断发展，移动机器人被运用在军事、工业、农业、医

疗等多个领域。由于应用环境的不同对移动机器人的自主与智能控制提出了更多

的要求，其中路径规划与跟踪控制是移动机器人研究领域中的最为主要的两个方

向。路径规划与跟踪控制问题就是在一定约束条件下，按照一定的评价标准寻找

一条从初始位置到目标点位置的无碰撞最优或次优路径，在满足移动机器人运动

学模型的要求下能够实现对规划的可行性路径进行平稳的跟踪。因此如何成功规

划出满足移动机器人跟踪精度的路径成为了广大学者研究的热点。

首先，针对传统人工势场法（TraditionalArtificialPotentialFieldMethod，TAPF）

在移动机器人路径规划中存在目标不可达和容易陷入局部极小值的问题，提出了

一种改进人工势场法（ImprovementofArtificialPotentialFieldMethod，IAPF）。

在IAPF的基础上提出了一种双圆形策略人工势场法（DoubleCircularStrategy

ArtificialPotentialFieldMethod，IDC-APF）和椭圆形目标策略人工势场法

（EllipticalTargetingStrategyArtificialPotentialFieldMethod，IETA-APF），通过

设置虚拟目标点引导机器人逃离局部极小值，在此基础上提出一种椭圆形跟踪策

略人工势场法（EllipticalTrackingStrategyArtificialPotentialFieldMethod，IETR-

APF），通过跟踪部分既定的路径到达虚拟目标点来逃离局部极小值。由于人工

势场法规划的路径在拐点处不够平滑，且为了满足机器人速度与加速度连续性的

要求，采用三次均匀B样条曲线对规划出的路径进行拟合处理。

其次，为了提高移动机器人跟踪控制的实时性和准确性，提出了一种自适应

积分模型预测控制器（AdaptiveIntegralModelPredictiveControl，AIMPC）设计

方法，通过滚动优化和在线求解得到最佳运行速度和角速度。根据运动学原理建

立了移动机器人的运动学模型，基于线性时变理论构建了移动机器人跟踪控制的

动态误差模型，并将其进行离散化转换成模型预测控制的最优问题。为了提高模

型预测控制的精度和减小模型预测控制中的稳态误差，设计了一种自适应积分模

型预测控制器，在预测时域自适应处理的基础上引入了积分控制消除系统稳态误

差。通过与传统模型预测控制和其他跟踪控制算法对比，验证了自适应积分模型

预测控制不仅精度更高，且可以减小系统稳态误差。为了验证改进人工势场法规

划出路径的有效性，采用自适应积分模型预测控制的跟踪控制方法跟踪所规划出

的路径进行验证。

最后，为了验证本文设计的改进人工势场法的路径规划和自适应积分模型预

测控制的跟踪控制算法，搭建ROS环境下的Turtlebot移动机器人平台对算法进

行验证，并完成了多个环境的SLAM建模与实车实验。通过实验结果分析，改

进的路径规划算法能够成功的避障并完成规划任务，跟踪控制算法具有更强的适

应性且跟踪精度更高，验证了本文所提方法的有效性和实用性。

关键词：移动机器人,路径规划,跟踪控制,人工势场,模型预测控制,ROS

Abstract

Mobilerobotsareutilizedinavarietyoffieldssuchasmilitary,industry,

agriculture,andhealthcarebecausewiththecontinuousdevelopmentofartificial

intelligencetechnology.Duetothedifferentapplicationenvironmentsputforwardmore

requirementsfortheautonomousandintelligentcontrolofmobilerobots,ofwhichpath

planningandtrackingcontrolarethe