【路径规划】基于matlab人工势场算法多机器人协同编队避障路径规划【含Matlab源码 1192期】

原创已于 2024-10-12 23:45:02 修改 · 3.7k 阅读

48 ·

CC 4.0 BY-SA版权

代码事宜私信博主

文章标签：

#matlab

于 2021-01-13 09:41:15 首次发布

Matlab路径规划（进阶版）专栏收录该内容

1713 篇文章

订阅专栏

该博客基于Matlab实现人工势场算法的多机器人协同编队避障路径规划。给出了部分源代码，运行Matlab 2014a版本可实现相关功能。此外，还列举了各类仿真咨询方向，如智能优化算法应用、机器学习、图像处理、路径规划等。

💥💥💥💥💥💥💞💞💞💞💞💞💞💞欢迎来到海神之光博客之家💞💞💞💞💞💞💞💞💥💥💥💥💥💥
在这里插入图片描述
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进；
🍎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。
更多Matlab路径规划仿真内容点击👇
①Matlab路径规划（进阶版）
②付费专栏Matlab路径规划（初级版）

⛳️关注优快云海神之光，更多资源等你来！！

⛄一、简介

基于matlab人工势场算法多机器人协同编队避障路径规划

⛄二、部分源代码

function [ output_args ] = formation_avoidance3( input_args )
%% 初始化位置pose、速度V、加速度控制量control
init_f=[-3 -6 0; %%%[x y th]
-5 6 0;
2 4 pi/4;
5 -3 -pi/4;
3 0 pi/2];
pose_x=init_f(:,1);
pose_y=init_f(:,2);
pose_th=init_f(:,3);
%% follower相对leader的位置
delta_x=[-2 -6 -2 -6 0]; % 相对间隔误差
delta_y=[4 4 -4 -4 0]; %领航者与自己无误差

fol_num=4;        
N=5;             % 4follower and 1 leader
countmax=2000;
dt=0.1;
gama=3;
di=0.02; %%%重心偏移 单位m


K0=0;
%%% 直线K1 K2都设在0.2左右 k3=0
%%% 圆不考虑K2=0 K1，K3设为0.2左右
K1=1;%%%位置偏差线速度调节
K2=1;%%位置偏差角速度调节
K3=0.01;%%朝向偏差角速度调节

% %% 通信拓扑图:1-4行为follower 最后一行为leader
A=[0 1 1 1 1; % a(ij)
0 0 0 0 1;
0 0 0 1 1;
0 0 1 0 1;
0 0 0 0 0];
% %% 通信拓扑图:1-4行为follower 最后一行为leader
% A=[0 0 0 0 1; % a(ij)
% 0 0 0 0 1;
% 0 0 0 0 1;
% 0 0 0 0 1;
% 0 0 0 0 0];
A=[0 1 1 1 3; % a(ij)
0 0 0 0 3;
0 0 0 1 3;
0 0 1 0 3;
0 0 0 0 0];

linear_v(:,1)=[0;0;0;0;1];
angular_w(:,1)=[0;0;0;0;1];
k=0;
% 最高速度m/s],最高旋转速度[rad/s],加速度[m/ss],旋转加速度[rad/ss]]
Kinematic=[1.5,toRadian(60.0),0.5,toRadian(50.0)];%% 运动限制
error_temp(1:fol_num,1:4)=0;%%行为follower个数、列为两个时刻的x,y偏差
in_degree=sum(A,2);

%% 开始循环 走顺时针圆周

% figure;
for count=1:countmax
k=k+1;
linear_v(N,k+1)=linear_v(N,k);%领航者速度不变
angular_w(N,k+1)=angular_w(N,k);
% if count500
% linear_v(N,k+1)=0.5;%领航者速度不变
% angular_w(N,k+1)=0.5;
% end
% if count1000
% linear_v(N,k+1)=0.5;%领航者速度不变
% angular_w(N,k+1)=0;
% end

    for i=1:fol_num

        sum_delta_x=0;
        sum_delta_y=0;
        for j=1:N %%考虑邻居对它的影响
            if k==1
                temp_x=0;
                temp_y=0;
            else
                temp_x=(pose_x(j,k)-pose_x(j,k-1))/dt;
                temp_y=(pose_y(j,k)-pose_y(j,k-1))/dt;
            end   
            sum_delta_x=sum_delta_x+A(i,j)*(temp_x+gama*((pose_x(j,k)-pose_x(i,k))-(delta_x(j)-delta_x(i))));
            sum_delta_y=sum_delta_y+A(i,j)*(temp_y+gama*((pose_y(j,k)-pose_y(i,k))-(delta_y(j)-delta_y(i))));
        end
        sum_delta_x=sum_delta_x/in_degree(i);
        sum_delta_y=sum_delta_y/in_degree(i);

        linear_v(i,k+1)=cos(pose_th(i,k))*sum_delta_x+sin(pose_th(i,k))*sum_delta_y;
        angular_w(i,k+1)=(-sin(pose_th(i,k))*sum_delta_x+cos(pose_th(i,k))*sum_delta_y)/di;
        u_old=[linear_v(i,k);angular_w(i,k)];
        u=[linear_v(i,k+1);angular_w(i,k+1)];
        %%%加入速度限制
        u=limit(u_old,u,Kinematic);
       
        old_position=[pose_x(i,k);pose_y(i,k);pose_th(i,k)];
        new_position=motion(old_position,u,dt);
        pose_x(i,k+1)=new_position(1)-di*cos(new_position(3));
        pose_y(i,k+1)=new_position(2)-di*sin(new_position(3));
        pose_th(i,k+1)=new_position(3);
    end
    %% 更新领航者
    old_position=[pose_x(N,k);pose_y(N,k);pose_th(N,k)];
    u=[linear_v(N,k+1);angular_w(N,k+1)];
    new_position=motion(old_position,u,dt);
    pose_x(N,k+1)=new_position(1);
    pose_y(N,k+1)=new_position(2);
    pose_th(N,k+1)=new_position(3);

    tt_x(1:4,k)=pose_x(5,k);
    error_x(:,k)=tt_x(1:4,k)-pose_x(1:4,k)+(delta_x(1:4))';
    tt_y(1:4,k)=pose_y(5,k);
    error_y(:,k)=tt_y(1:4,k)-pose_y(1:4,k)+(delta_y(1:4))';
    function interpoint( x1,y1,x2,y2,x3,y3,colo,lstyle)

%UNTITLED2 此处显示有关此函数的摘要
% 此处显示详细说明
if (nargin6)
colo=‘k’;
lstyle=‘:’;
end
syms k b m n x y;
if(x1x2)%x1x2直线斜率不存在
solx=x1;
soly=y3;
elseif(y1y2)%x1x2直线斜率为0
solx=x3;
soly=y1;
else
solk=(y2-y1)/(x2-x1);
solb=y2-solkx2;
solk1=-1/solk;
solb1=y3-solk1x3;
solx=(solb1-solb)/(solk-solk1);
soly=solksolx+solb;
% [solx,soly] = solve(solk1x-y+solb10,solk*x-y+solb==0,x,y);
end
line([x1,solx],[y1,soly],‘color’,colo,‘linestyle’,lstyle);
line([x3,solx],[y3,soly],‘color’,colo,‘linestyle’,lstyle);
end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]钱程,许映秋,谈英姿.A Star算法在RoboCup救援仿真中路径规划的应用[J].指挥与控制学报. 2017,3(03)

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